粒計算應用研究綜述

馬廷偉，劉 軍，李冀舒

（北京物資學院 信息學院，北京 101149）

1 引言

粒思想廣泛存在于現(xiàn)實問題中，控制論中最優(yōu)控制的“不確定性”、區(qū)間數(shù)學中的“區(qū)間數(shù)運算”以及人工智能范疇中D-S證據(jù)理論中的“證據(jù)”都與信息粒有關。1979年，查德（ZADEH）[1]第一個提出信息粒的概念并獲得了人工智能領域的廣泛關注。

1985年，霍布斯（HOBBS）[2]探究了粒的分解與合并方法和不同大小的粒的構造策略。中國學者張玲和張鈸認提出了商空間理論[3]，后來又提出模糊商空間理論。王國胤等論述了粒計算在大數(shù)據(jù)處理應用中的可行性與優(yōu)勢，探究了粒計算背景下的大數(shù)據(jù)處理框架的關鍵技術難題。

2 粒計算及其基本問題

粒計算就是根據(jù)不可分辨性、相似性、功能性將不同目標對象進行分類，得到的集合稱為粒，通過對粒進行量化計算，得到對研究對象整體的認識。

粒計算基于兩個相關的問題進行研究、造粒和計算[4]。粒計算時，首先需要造粒，造粒既可以是自頂向下將粗粒細化成細粒，也可以自底向上將細粒合并成粗粒，具體過程基于實際情況選擇。

造粒后還要考慮對其進行語言描述、命名或者標記，可以通過給粒分配一個名稱或是從粒中選擇典型的對象作為代表。其次需要計算，既可以在同一粒度層次進行相互轉換和推理，如在較低層次上研究粒之間的關系，或在較高的層次上進一步研究粒之間的關系，還可以在不同的粒度層次上進行轉換和推理[5]。

3 粒計算的主要理論模型

3.1 詞計算理論

針對復雜且不明晰的現(xiàn)象，可以用一些程度詞，如一般、可以、行等對這些模糊概念進行描述，由此出現(xiàn)了詞計算理論。詞計算是一種用程度詞替代精確數(shù)值進行計算及推理的技術[6]。當可得信息不夠精確，使用傳統(tǒng)方法得到的數(shù)值誤差較大，或實際問題不需要精確解，可利用不精確、不確定性詞語或部分真值對原問題建模。

3.2 商空間理論

商空間理論模型用一個三元組（X，F(xiàn)，T）描述問題。其中，X代表論域，F(xiàn)代表屬性集，T是X上的拓撲結構。給原三元組一個新（劃分）關系，得到一個對應的新的三元組（［X］，［F］，［T］）稱為原三元組對應于R的商空間[7]。商空間理論主要應用在信息融合、啟發(fā)式搜索及路徑規(guī)劃等領域。

3.3 粗糙集理論

1982年，PAWLAK提出了粗糙集理論[8]。論域上研究對象的等價變換也就是對象的劃分，劃分中的分塊由在給定等價關系下不可分辨的元素組成，它們構成論域上的一個知識，PAWLAK稱之為知識基，對一般概念進行描述。但對于那些知識基中元素無法表示的概念，借鑒拓撲學理念引入一對近似算子（上近似算子和下近似算子）進行表達。這一對算子實際上界定了概念在給定知識基中確定和不確定部分，構成對概念的一個近似描述，PAWLAK稱其為粗糙集。目前，粗糙集理論應用于機器學習、歸納推理、模糊控制及醫(yī)療診斷等領域。

3.4 云模型

1995年，李德毅[9]院士通過對模糊集理論中的隸屬度函數(shù)的研究，提出了隸屬度云模型。用期望Ex、熵En、超熵He這3個維度來描述概念，將隨機性和模糊性結合，將定性概念轉換為定量數(shù)值。目前，云模型已成功應用到數(shù)據(jù)挖掘、決策分析和圖像處理等領域。

4 粒計算在多領域應用研究

近年來，世界各國學者對粒計算進行的理論和應用研究主要涉及故障診斷、服務規(guī)劃、預測、調度等領域。

4.1 粒計算在故障診斷領域的研究

一些學者將粒計算理論應用到基于定性模型的故障診斷方法中，嚴剛[10]等將粒計算應用與支持向量機中構建電動汽車故障診斷模型，首先對樣本數(shù)據(jù)進行屬性約簡，再將約簡后的樣本集作為輸入訓練SVM；謝文靖[11]依據(jù)商空間理論提取高壓電線圈電流信號特征數(shù)據(jù)，建立了故障診斷模型?；诹Ｓ嬎愕墓收显\斷方法，其核心在于利用粒計算對故障決策數(shù)據(jù)的屬性進行約簡，獲取核屬性集，然后運用SVM，神經(jīng)網(wǎng)絡等智能算法對屬性約簡后的樣本數(shù)據(jù)集進行訓練，得到故障診斷模型。

4.2 粒計算在預測領域的應用研究

一些學者將粒計算的理論和方法研究引入到需求預測領域。楊茂等[12]將模糊粒計算與支持向量機相結合，實現(xiàn)對風電功率的短期預測，首先將風電功率按時間序列分成子序列，并把相似性大的序列組合，建立SVM預測模型；陳潔[13]將商空間理論與軟件工程結合，構建了火電廠燃料需求預測模型，降低了運算復雜性，提高燃料的需求預測精度。粒計算在預測領域的應用，主要是將復雜大規(guī)模預測，根據(jù)其相似性分解成許多子模塊，分解成對子模塊的細預測，提高預測準確度和精度。

4.3 粒計算在服務規(guī)劃領域的應用研究

一些學者將粒計算理論應用到服務規(guī)劃領域。崔光明[14]為針對大規(guī)模服務組合中存在的求解問題，首先根據(jù)任務之間的相似性構造任務粒，通過對?；蟮淖尤蝿者M行求解獲取原問題的最優(yōu)解；張以文[15]應用商空間粒計算理論求解服務組合優(yōu)化問題，提出了考慮服務質量約束服務組合模型，該模型考慮服務之間的聯(lián)盟合作關系，用商空間理論優(yōu)化QOS關系查詢與計算的復雜性。粒計算在服務規(guī)劃領域的應用，主要是根據(jù)任務或資源的某些特征之間的相似性，對大規(guī)模復雜問題進行粒化，分別對任務粒進行求解并合成最終解，從而達到降低求解難度、提高求解效率的目的。

4.4 粒計算在資源調度領域的應用研究

一些學者將粒計算主要理論應用到調度領域的研究中。王旭等[16]針對物流業(yè)中存在的資源配置和調度中出現(xiàn)的匹配精度差、效率低等問題，運用粗糙集理論對物流資源進行分類，首先對物流資源進行屬性約簡，再根據(jù)資源的約簡后的屬性重要性進行分類，分類結果可作為物流資源調度依據(jù)；夏純中等[17]將商空間粒計算理論應用到網(wǎng)格調度中，提出了一種新的層次式數(shù)據(jù)網(wǎng)格資源調度算法。

粒計算在調度領域的應用，主要是根據(jù)資源特性對其進行粒化，具體?；呗砸紤]實際需求，實現(xiàn)高效調度。

5 總結與展望

粒計算作為目前智能信息處理的新思想，為大數(shù)據(jù)、物聯(lián)網(wǎng)時代的海量數(shù)據(jù)處理提供了新方法。根據(jù)實際需求在不同層次上構建信息粒，用信息粒代替原始數(shù)據(jù)作為基本的計算單元，可以降低大規(guī)模復雜問題的求解難度。特別是隨著現(xiàn)代物流業(yè)迅猛發(fā)展，作業(yè)量不斷增大，很難實現(xiàn)資源的高效調度。

粒計算理論與方法為物流業(yè)發(fā)展中所面臨的諸多難題的解決提供參考，一方面可以對多任務進行?；?，另一方面可以根據(jù)資源特性對其進行?；詈髮⑷蝿蘸唾Y源進行組合，智能算法的不斷優(yōu)化為?；徒M合的計算提供了技術支持，最終降低大型智能倉庫中作業(yè)任務的分配難度，提高物流資源的調度效率，推動物流業(yè)發(fā)展。