專利名稱：一種融合案例推理的服務(wù)外包智能決策方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種決策方法，尤其涉及一種融合案例推理的服務(wù)外包智能決策方 法。
背景技術(shù)：
決策方法，特別是服務(wù)外包決策方法通常需要計(jì)算機(jī)輔助進(jìn)行決策，然而，模式化 的決策方式不能滿足實(shí)際需求，決策的科學(xué)性很低。為此，有人發(fā)明了利用融合案例推理的方式進(jìn)行智能決策。但是，現(xiàn)有的案例推理 內(nèi)容比較簡單，只能校準(zhǔn)和指弓I 一些普通的事項(xiàng)，實(shí)用性比較差。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)的弊端，提供一種融合案例推理的服務(wù)外包智能決策方法。本發(fā)明的一個(gè)目的是提供一種具有復(fù)雜案例推理的決策方法，以能夠?qū)崿F(xiàn)更可靠 的智能決策。本發(fā)明的另一個(gè)目的在于提供一種結(jié)合權(quán)重和近似計(jì)算的決策方法，通過權(quán)重值 的反復(fù)計(jì)算，使得案件推理決策更加可靠。本發(fā)明的又一個(gè)目的在于提供一種決策和管理一體化的智能系統(tǒng)。為此，本發(fā)明提供了一種融合案例推理的服務(wù)外包智能決策方法，所述服務(wù)外包 智能決策方法包括步驟一設(shè)置案例庫，將最新案例添加到案例庫中，以最終得到全案例庫；步驟二 輸入待決策服務(wù)外包信息數(shù)據(jù)，并提取出其中的多個(gè)決策參數(shù)；步驟三確定待決策服務(wù)外包中的與決策參數(shù)相關(guān)的多個(gè)待決策問題；步驟四根據(jù)所述多個(gè)決策參數(shù)解析案例庫中的全部案例，確定各決策參數(shù)對各 待決策問題的權(quán)重；步驟五提取出一項(xiàng)待決策問題，根據(jù)各決策參數(shù)對該待決策問題的權(quán)重，提取對 該待決策問題權(quán)重值高的預(yù)定個(gè)數(shù)的高權(quán)重決策參數(shù)；步驟六根據(jù)步驟五中提取出的高權(quán)重決策參數(shù)，在全案例庫中評估近似案例和 非近似案例，并形成近似案例庫和非近似案例庫；步驟七，將步驟六中形成的近似案例庫作為一個(gè)整體，根據(jù)步驟二中的所述多個(gè) 決策參數(shù)解析近似案例庫中的全部案例，確定所述多個(gè)決策參數(shù)中的各決策參數(shù)對步驟五 中提取出的該項(xiàng)待決策問題的新權(quán)重；步驟八，重復(fù)步驟五至步驟七，直到對全部待決策問題均重新設(shè)置了各決策參數(shù) 的新權(quán)重；步驟九，根據(jù)各決策參數(shù)對各待決策問題的新權(quán)重，分別對各待決策問題進(jìn)行決 策，并形成新的案例。優(yōu)選的是，所述的融合案例推理的服務(wù)外包智能決策方法中，在所述步驟九中，進(jìn)行調(diào)試決策后，還經(jīng)過規(guī)則知識(shí)庫的專家驗(yàn)證。優(yōu)選的是，所述的融合案例推理的服務(wù)外包智能決策方法中，在所述步驟四中，確 定各決策參數(shù)對各待決策問題的權(quán)重是通過以下方式實(shí)現(xiàn)的首先確定第一決策參數(shù)對第一待決策問題的權(quán)重1)提取出各案例中對應(yīng)的該 第一決策參數(shù)數(shù)值和該第一待決策問題答案數(shù)值；2)按照該第一決策參數(shù)數(shù)值從小到大 的順序，將各案例進(jìn)行排隊(duì)；3)求得相鄰案例中該第一決策參數(shù)數(shù)值差值的相對值，即(較 大第一決策參數(shù)差值-較小第一決策參數(shù)數(shù)值)/較大第一決策參數(shù)差值；4)求得相鄰案 例中該第一待決策問題答案數(shù)值的相對值，即(較大第一待決策問題答案數(shù)值-較小第一 待決策問題答案數(shù)值)/較大第一待決策問題答案數(shù)值力)將4)中計(jì)算出的相鄰案例中 該第一待決策問題答案數(shù)值的相對值和幻中計(jì)算出的相鄰案例中該第一決策參數(shù)數(shù)值差 值的相對值和進(jìn)行比較，得出相鄰案例的相對比值；6)對所有相鄰案例的相對比值取平均 值，即為第一決策參數(shù)對第一待決策問題的權(quán)重值；其次，確定第二決策參數(shù)對第一待決策問題的權(quán)重，確定方法和確定第一決策參 數(shù)對第一待決策問題的權(quán)重的方法相同；最后，逐一確定各決策參數(shù)對各待決策問題的權(quán)重，直到獲得全部權(quán)重。優(yōu)選的是，所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟七中確定 各決策參數(shù)對步驟五中提取出的該項(xiàng)待決策問題的新權(quán)重的方法，與在所述步驟四中確定 各決策參數(shù)對各待決策問題的權(quán)重的方法相同，區(qū)別在于采用的案例庫不同。優(yōu)選的是，所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟五中，提取 出的對該待決策問題權(quán)重值高的預(yù)定個(gè)數(shù)的決策參數(shù)的個(gè)數(shù)不超過所有決策參數(shù)的一半。優(yōu)選的是，所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟五中，提取 出的對該待決策問題權(quán)重值高的預(yù)定個(gè)數(shù)的決策參數(shù)的個(gè)數(shù)不超過所有決策參數(shù)的三分 之一。優(yōu)選的是，所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟六中，跟據(jù) 步驟五中提取出的決策參數(shù)，在全案例庫中評估近似案例的標(biāo)準(zhǔn)為待決策服務(wù)外包信息 數(shù)據(jù)中的決策參數(shù)和案例中相應(yīng)的決策參數(shù)的比值介于50% 150%之間。優(yōu)選的是，所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟六中，跟據(jù) 步驟五中提取出的決策參數(shù)，在全案例庫中評估近似案例的標(biāo)準(zhǔn)為待決策服務(wù)外包信息 數(shù)據(jù)中的決策參數(shù)和案例中相應(yīng)的決策參數(shù)的比值介于80% 120%之間。優(yōu)選的是，所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟九中，根據(jù) 各決策參數(shù)對各待決策問題的新權(quán)重，分別對各待決策問題進(jìn)行決策的方法是針對各待 決策問題，將各決策參數(shù)針對該待決策問題的新權(quán)重值加權(quán)平均，根據(jù)平均值進(jìn)行決策。優(yōu)選的是，所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟九中，根據(jù) 各決策參數(shù)對各待決策問題的新權(quán)重，分別對各待決策問題進(jìn)行決策的方法是針對各待 決策問題，將各高權(quán)重決策參數(shù)針對該待決策問題的新權(quán)重值加權(quán)平均，根據(jù)平均值進(jìn)行 決策。本發(fā)明公開的融合案例推理的服務(wù)外包智能決策方法中，提供的案例推理過程通 過權(quán)重計(jì)算和近似計(jì)算使得推理過程更加準(zhǔn)確。通過案例庫的二次選擇，能夠更準(zhǔn)確地做 出決策。


圖1為本發(fā)明所述的融合案例推理的服務(wù)外包智能決策方法的流程示意圖。
具體實(shí)施例方式下面結(jié)合附圖對本發(fā)明做進(jìn)一步的詳細(xì)說明，以令本領(lǐng)域技術(shù)人員參照說明書文 字能夠據(jù)以實(shí)施。如圖1所示，本發(fā)明提供了一種融合案例推理的服務(wù)外包智能決策方法。本發(fā)明公開的融合案例推理的服務(wù)外包智能決策方法中，所述服務(wù)外包智能決策 方法包括步驟一設(shè)置案例庫，將最新案例添加到案例庫中，以最終得到全案例庫；步驟二 輸入待決策服務(wù)外包信息數(shù)據(jù)，并提取出其中的多個(gè)決策參數(shù)；步驟三確定待決策服務(wù)外包中的與決策參數(shù)相關(guān)的多個(gè)待決策問題；步驟四根據(jù)所述多個(gè)決策參數(shù)解析案例庫中的全部案例，確定各決策參數(shù)對各 待決策問題的權(quán)重；步驟五提取出一項(xiàng)待決策問題，根據(jù)各決策參數(shù)對該待決策問題的權(quán)重，提取對 該待決策問題權(quán)重值高的預(yù)定個(gè)數(shù)的高權(quán)重決策參數(shù)；步驟六根據(jù)步驟五中提取出的高權(quán)重決策參數(shù)，在全案例庫中評估近似案例和 非近似案例，并形成近似案例庫和非近似案例庫；步驟七，將步驟六中形成的近似案例庫作為一個(gè)整體，根據(jù)步驟二中的所述多個(gè) 決策參數(shù)解析近似案例庫中的全部案例，確定所述多個(gè)決策參數(shù)中的各決策參數(shù)對步驟五 中提取出的該項(xiàng)待決策問題的新權(quán)重；步驟八，重復(fù)步驟五至步驟七，直到對全部待決策問題均重新設(shè)置了各決策參數(shù) 的新權(quán)重；步驟九，根據(jù)各決策參數(shù)對各待決策問題的新權(quán)重，分別對各待決策問題進(jìn)行決 策，并形成新的案例。舉例來說，在一種服務(wù)外包智能決策系統(tǒng)中，案例庫中包括500個(gè)案例。待決策服 務(wù)外包信息數(shù)據(jù)中包括10項(xiàng)決策參數(shù)，而與這10項(xiàng)決策參數(shù)相關(guān)的有6項(xiàng)待解決問題。首先提取這10項(xiàng)決策參數(shù)中的第一項(xiàng)決策參數(shù)，將500個(gè)案例中的相應(yīng)參數(shù)按照 數(shù)值從大到小或從小到大排序，并且將相鄰的案例組成一對，這樣一共形成499個(gè)對。其次，計(jì)算每一對中的子權(quán)重，計(jì)算方法如下子權(quán)重(i j)=((答案數(shù)值j大-答案數(shù)值j小)/答案數(shù)值j大)/ ((參數(shù)數(shù)值 i大-參數(shù)數(shù)值i小)/參數(shù)數(shù)值i大)最后，計(jì)算決策參數(shù)對待決策問題的權(quán)重，權(quán)重(ij)=子權(quán)重的平均值。其中，i為第i項(xiàng)決策參數(shù)，j為第j項(xiàng)待決策問題。例如，計(jì)算第一項(xiàng)決策參數(shù)對第一項(xiàng)待決策問題的權(quán)重即為子權(quán)重(11)=((答案數(shù)值1大-答案數(shù)值1小)/答案數(shù)值1大)/((參數(shù)數(shù)值 1大-參數(shù)數(shù)值1小)/參數(shù)數(shù)值1大)針對第一項(xiàng)待決策問題，將10項(xiàng)參數(shù)根據(jù)權(quán)重進(jìn)行排序，取其中權(quán)重高的前5項(xiàng)決策參數(shù)。在500個(gè)案例庫中查找與這前5項(xiàng)決策參數(shù)近似的案例，得到200個(gè)案例，將這 200個(gè)案例組成近似案例庫。在這200個(gè)案例中，計(jì)算10個(gè)參數(shù)的權(quán)重值。同樣針對每一個(gè)決策參數(shù)，例如針 對第一項(xiàng)決策參數(shù)，將這200個(gè)案例按照參數(shù)大小進(jìn)行排隊(duì)，并最終形成199個(gè)對，對這199 個(gè)對，計(jì)算新的子權(quán)重和最終權(quán)重。最后，根據(jù)所計(jì)算出的最終權(quán)重和參數(shù)值進(jìn)行待決策問題的決策。所述的融合案例推理的服務(wù)外包智能決策方法中，在所述步驟九中，進(jìn)行調(diào)試決 策后，還經(jīng)過規(guī)則知識(shí)庫的專家驗(yàn)證。所述的融合案例推理的服務(wù)外包智能決策方法中，在所述步驟四中，確定各決策 參數(shù)對各待決策問題的權(quán)重是通過以下方式實(shí)現(xiàn)的首先確定第一決策參數(shù)對第一待決策問題的權(quán)重1)提取出各案例中對應(yīng)的該 第一決策參數(shù)數(shù)值和該第一待決策問題答案數(shù)值；2)按照該第一決策參數(shù)數(shù)值從小到大 的順序，將各案例進(jìn)行排隊(duì)；3)求得相鄰案例中該第一決策參數(shù)數(shù)值差值的相對值，即(較 大第一決策參數(shù)差值-較小第一決策參數(shù)數(shù)值)/較大第一決策參數(shù)差值；4)求得相鄰案 例中該第一待決策問題答案數(shù)值的相對值，即(較大第一待決策問題答案數(shù)值-較小第一 待決策問題答案數(shù)值)/較大第一待決策問題答案數(shù)值力)將4)中計(jì)算出的相鄰案例中 該第一待決策問題答案數(shù)值的相對值和幻中計(jì)算出的相鄰案例中該第一決策參數(shù)數(shù)值差 值的相對值和進(jìn)行比較，得出相鄰案例的相對比值；6)對所有相鄰案例的相對比值取平均 值，即為第一決策參數(shù)對第一待決策問題的權(quán)重值；其次，確定第二決策參數(shù)對第一待決策問題的權(quán)重，確定方法和確定第一決策參 數(shù)對第一待決策問題的權(quán)重的方法相同；最后，逐一確定各決策參數(shù)對各待決策問題的權(quán)重，直到獲得全部權(quán)重。所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟七中確定各決策參數(shù) 對步驟五中提取出的該項(xiàng)待決策問題的新權(quán)重的方法，與在所述步驟四中確定各決策參數(shù) 對各待決策問題的權(quán)重的方法相同，區(qū)別在于采用的案例庫不同。所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟五中提取出的對該待 決策問題權(quán)重值高的預(yù)定個(gè)數(shù)的決策參數(shù)的個(gè)數(shù)不超過所有決策參數(shù)的一半。所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟五中，提取出的對該 待決策問題權(quán)重值高的預(yù)定個(gè)數(shù)的決策參數(shù)的個(gè)數(shù)不超過所有決策參數(shù)的三分之一。所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟六中，跟據(jù)步驟五中 提取出的決策參數(shù)，在全案例庫中評估近似案例的標(biāo)準(zhǔn)為待決策服務(wù)外包信息數(shù)據(jù)中的 決策參數(shù)和案例中相應(yīng)的決策參數(shù)的比值介于50% 150%之間。所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟六中，跟據(jù)步驟五中 提取出的決策參數(shù)，在全案例庫中評估近似案例的標(biāo)準(zhǔn)為待決策服務(wù)外包信息數(shù)據(jù)中的 決策參數(shù)和案例中相應(yīng)的決策參數(shù)的比值介于80% 120%之間。所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟九中，根據(jù)各決策參 數(shù)對各待決策問題的新權(quán)重，分別對各待決策問題進(jìn)行決策的方法是針對各待決策問題， 將各決策參數(shù)針對該待決策問題的新權(quán)重值加權(quán)平均，根據(jù)平均值進(jìn)行決策。
所述的融合案例推理的服務(wù)外包智能決策方法中，所述步驟九中，根據(jù)各決策參 數(shù)對各待決策問題的新權(quán)重，分別對各待決策問題進(jìn)行決策的方法是針對各待決策問題， 將各高權(quán)重決策參數(shù)針對該待決策問題的新權(quán)重值加權(quán)平均，根據(jù)平均值進(jìn)行決策。盡管本發(fā)明的實(shí)施方案已公開如上，但其并不僅僅限于說明書和實(shí)施方式中所列 運(yùn)用，它完全可以被適用于各種適合本發(fā)明的領(lǐng)域，對于熟悉本領(lǐng)域的人員而言，可容易地 實(shí)現(xiàn)另外的修改，因此在不背離權(quán)利要求及等同范圍所限定的一般概念下，本發(fā)明并不限 于特定的細(xì)節(jié)和這里示出與描述的圖例。
權(quán)利要求
1.一種融合案例推理的服務(wù)外包智能決策方法，其特征在于，所述服務(wù)外包智能決策 方法包括步驟一設(shè)置案例庫，將最新案例添加到案例庫中，以最終得到全案例庫； 步驟二 輸入待決策服務(wù)外包信息數(shù)據(jù)，并提取出其中的多個(gè)決策參數(shù)； 步驟三確定待決策服務(wù)外包中的與決策參數(shù)相關(guān)的多個(gè)待決策問題； 步驟四根據(jù)所述多個(gè)決策參數(shù)解析案例庫中的全部案例，確定各決策參數(shù)對各待決 策問題的權(quán)重；步驟五提取出一項(xiàng)待決策問題，根據(jù)各決策參數(shù)對該待決策問題的權(quán)重，提取對該待 決策問題權(quán)重值高的預(yù)定個(gè)數(shù)的高權(quán)重決策參數(shù)；步驟六根據(jù)步驟五中提取出的高權(quán)重決策參數(shù)，在全案例庫中評估近似案例和非近 似案例，并形成近似案例庫和非近似案例庫；步驟七，將步驟六中形成的近似案例庫作為一個(gè)整體，根據(jù)步驟二中的所述多個(gè)決策 參數(shù)解析近似案例庫中的全部案例，確定所述多個(gè)決策參數(shù)中的各決策參數(shù)對步驟五中提 取出的該項(xiàng)待決策問題的新權(quán)重；步驟八，重復(fù)步驟五至步驟七，直到對全部待決策問題均重新設(shè)置了各決策參數(shù)的新 權(quán)重；步驟九，根據(jù)各決策參數(shù)對各待決策問題的新權(quán)重，分別對各待決策問題進(jìn)行決策，并 形成新的案例。
2.如權(quán)利要求1所述的融合案例推理的服務(wù)外包智能決策方法，其特征在于，在所述 步驟九中，進(jìn)行調(diào)試決策后，還經(jīng)過規(guī)則知識(shí)庫的專家驗(yàn)證。
3.如權(quán)利要求1所述的融合案例推理的服務(wù)外包智能決策方法，其特征在于，在所述 步驟四中，確定各決策參數(shù)對各待決策問題的權(quán)重是通過以下方式實(shí)現(xiàn)的首先確定第一決策參數(shù)對第一待決策問題的權(quán)重1)提取出各案例中對應(yīng)的該第一 決策參數(shù)數(shù)值和該第一待決策問題答案數(shù)值；2)按照該第一決策參數(shù)數(shù)值從小到大的順 序，將各案例進(jìn)行排隊(duì)；幻求得相鄰案例中該第一決策參數(shù)數(shù)值差值的相對值，即(較大第 一決策參數(shù)差值-較小第一決策參數(shù)數(shù)值)/較大第一決策參數(shù)差值；4)求得相鄰案例中 該第一待決策問題答案數(shù)值的相對值，即(較大第一待決策問題答案數(shù)值-較小第一待決 策問題答案數(shù)值)/較大第一待決策問題答案數(shù)值力)將4)中計(jì)算出的相鄰案例中該第一 待決策問題答案數(shù)值的相對值和幻中計(jì)算出的相鄰案例中該第一決策參數(shù)數(shù)值差值的相 對值和進(jìn)行比較，得出相鄰案例的相對比值；6)對所有相鄰案例的相對比值取平均值，即 為第一決策參數(shù)對第一待決策問題的權(quán)重值；其次，確定第二決策參數(shù)對第一待決策問題的權(quán)重，確定方法和確定第一決策參數(shù)對 第一待決策問題的權(quán)重的方法相同；最后，逐一確定各決策參數(shù)對各待決策問題的權(quán)重，直到獲得全部權(quán)重。
4.如權(quán)利要求3所述的融合案例推理的服務(wù)外包智能決策方法，其特征在于，所述步 驟七中確定各決策參數(shù)對步驟五中提取出的該項(xiàng)待決策問題的新權(quán)重的方法，與在所述步 驟四中確定各決策參數(shù)對各待決策問題的權(quán)重的方法相同，區(qū)別在于采用的案例庫不同。
5.如權(quán)利要求3或4所述的融合案例推理的服務(wù)外包智能決策方法，其特征在于，所述 步驟五中，提取出的對該待決策問題權(quán)重值高的預(yù)定個(gè)數(shù)的決策參數(shù)的個(gè)數(shù)不超過所有決策參數(shù)的一半。
6.如權(quán)利要求3或4所述的融合案例推理的服務(wù)外包智能決策方法，其特征在于，所述 步驟五中，提取出的對該待決策問題權(quán)重值高的預(yù)定個(gè)數(shù)的決策參數(shù)的個(gè)數(shù)不超過所有決 策參數(shù)的三分之一。
7.如權(quán)利要求3或4所述的融合案例推理的服務(wù)外包智能決策方法，其特征在于，所述 步驟六中，跟據(jù)步驟五中提取出的決策參數(shù)，在全案例庫中評估近似案例的標(biāo)準(zhǔn)為待決策 服務(wù)外包信息數(shù)據(jù)中的決策參數(shù)和案例中相應(yīng)的決策參數(shù)的比值介于50% 150%之間。
8.如權(quán)利要求3或4所述的融合案例推理的服務(wù)外包智能決策方法，其特征在于，所述 步驟六中，跟據(jù)步驟五中提取出的決策參數(shù)，在全案例庫中評估近似案例的標(biāo)準(zhǔn)為待決策 服務(wù)外包信息數(shù)據(jù)中的決策參數(shù)和案例中相應(yīng)的決策參數(shù)的比值介于80% 120%之間。
9.如權(quán)利要求3或4所述的融合案例推理的服務(wù)外包智能決策方法，其特征在于，所述 步驟九中，根據(jù)各決策參數(shù)對各待決策問題的新權(quán)重，分別對各待決策問題進(jìn)行決策的方 法是針對各待決策問題，將各決策參數(shù)針對該待決策問題的新權(quán)重值加權(quán)平均，根據(jù)平均 值進(jìn)行決策。
10.如權(quán)利要求3或4所述的融合案例推理的服務(wù)外包智能決策方法，其特征在于，所 述步驟九中，根據(jù)各決策參數(shù)對各待決策問題的新權(quán)重，分別對各待決策問題進(jìn)行決策的 方法是針對各待決策問題，將各高權(quán)重決策參數(shù)針對該待決策問題的新權(quán)重值加權(quán)平均， 根據(jù)平均值進(jìn)行決策。
全文摘要
本發(fā)明公開一種融合案例推理的服務(wù)外包智能決策方法，包括一設(shè)置案例庫，將最新案例添加到案例庫中；二輸入待決策服務(wù)外包信息數(shù)據(jù)，并提取出其中的多個(gè)決策參數(shù)；三確定待決策服務(wù)外包中的與決策參數(shù)相關(guān)的多個(gè)待決策問題；四確定各決策參數(shù)對各待決策問題的權(quán)重；五提取出一項(xiàng)待決策問題，提取對該待決策問題權(quán)重值高的預(yù)定個(gè)數(shù)的高權(quán)重決策參數(shù)；六在全案例庫中評估近似案例和非近似案例；七將步驟六中形成的近似案例庫作為一個(gè)整體，確定多個(gè)決策參數(shù)中的各決策參數(shù)對步驟五中提取出的該項(xiàng)待決策問題的新權(quán)重；八重復(fù)步驟五至步驟七；九分別對各待決策問題進(jìn)行決策。本發(fā)明利用案例推理進(jìn)行決策。
文檔編號(hào)G06F17/30GK102110155SQ201110042200
公開日2011年6月29日 申請日期2011年2月22日 優(yōu)先權(quán)日2011年2月22日
發(fā)明者孫贏, 尚鮮連, 朱敏, 殷凡, 牛麗, 王芳, 陳珂, 陳靜 申請人:蘇州市職業(yè)大學(xué)