基于模糊物元pso混合優(yōu)化算法的客戶創(chuàng)意挖掘

1、第25卷第8期2008年8月計算機應用研究ApplicationResearchofComputersVo125No8Aug2008基于模糊物元PSO混合優(yōu)化算法的客戶創(chuàng)意挖掘水陰艷超，孫林夫，郭成(西南交通大學亂CAD工程中心；b電氣工程學院，成都610031)摘要：針對具有模糊性、缺乏系統(tǒng)性和主題性的新產品開發(fā)模糊前端客戶創(chuàng)意，提出一種基于模糊物元和改進微粒群算法的混合啟發(fā)式挖掘方法。首先將模糊理論引入物元分析，將客戶的個性化要求、

2、特征及相應的模糊量值結合起來建立其形式化模糊物元模型，應用模糊物元優(yōu)化方法將客戶多需求優(yōu)化問題轉換為單需求優(yōu)化問題；然后給出了最優(yōu)客戶創(chuàng)意的自適應變異微粒群(AMPSO)算法的求解方法，并與遺傳算法加以比較，證明該算法的有效性和先進性。最后將該算法應用于某型號汽車外觀造型設計的客戶創(chuàng)意挖掘中，有效指導了產品創(chuàng)新的實施。關鍵詞：客戶創(chuàng)意挖掘；混合優(yōu)化算法；模糊物元分析；微粒群算法；模糊前端中圖分類號：TP391文獻標志碼：A文章編號：10

3、01—3695(2008)08230903CustomerideasminingbasedonhybridoptimizationalgorithmoffuzzymatterelementPSOYINYan—chao，SUNLin—fu，GUOCheng(aCenterofCADEngineering，bSchoolofElectricEngineering，SouthwestJiaotongUniversity，Chengd61003

4、1，China)Abstract：Inviewofthefuzzyanduncertaincustomerideasinthefuzzyfrontendofnewproductdevelopment，thispaperpresentedahybridheuristicalgorithmbasedonimprovedPSOcombinedwithfuzzymatterelementanalysisFirstly，itintegratedc

5、ustomideas，charactersanditscorrespondingfuzzyvaluesbyintroducingthefuzzinesstheoryintomatter—elementanal—ysis，andgaveanextensiveformalizedexpressionofcustomerideasinthefuzzymatterelementmodel，furthermore，usedthefuzzymatt

6、erelementoptimizationmethodtotransformthemultiobjectoptimizationproblemstothesingle—objectoptimizationproblemsThen，itgavethesolutionprocedureofadaptivemutationparticleswarmoptimizationalgorithm(AMPSO)andcom—pareditwithth

7、atofGAtoshowthevalidityofthisalgorithmFinally，appliedthealgorithmintotheminingofcustomerideaincar’sappearancefeature，whicheffectivelyguidedtheimplementationofproductinnovationandgreatlyimprovedthefrontendperformanceKeywo

8、rds：customerideasmining；hybridoptimizationalgorithm；fuzzymatter—elementanalysis；particleswarmoptimiza—tion；fuzzyfrontend隨著個性化需求的極大發(fā)展，按需定制將成為一種非常普遍的生產模式。客戶的個性化需求在某種程度上說就是一種創(chuàng)意，是客戶在長期的產品使用中形成的對產品的一系列獨特認識，蘊涵著大量的創(chuàng)新性思維，市場準確性高、

9、適用性強，對企業(yè)開發(fā)新產品具有很好的啟發(fā)和市場導向作用。然而創(chuàng)意過程是一個思維發(fā)散的過程，具有模糊性和不確定性等特點。因此如何對具有模糊性、缺乏系統(tǒng)性和主題性的模糊前端客戶創(chuàng)意進行挖掘是企業(yè)產品創(chuàng)新開發(fā)和快速應市的關鍵。文獻[2]以利潤最大化以及滿足客戶需求為目標，提出一個多目標規(guī)劃模型，對眾多客戶的需求進行最優(yōu)選擇，進行有效的生產指派。文獻[3]建立了客戶傾向模型，通過關聯(lián)分析法量化市場調研和客戶需求，采用最大樹模糊聚類法進行基于屬性

10、重要度的客戶群體劃分和市場細分，獲取客戶群體消費傾向，為客戶需求的工程特征轉換、進行產品族規(guī)劃提供數(shù)學準備和數(shù)據支持。然而，針對新產品開發(fā)前端客戶提出的具有模糊性和不確定性的個性化需求，現(xiàn)有挖掘算法的數(shù)學模型大多具有一定的局限性，常忽略實際應用中存在的模糊定性化信息，無法運用形式化工具從定性和定量兩個角度描述問題，并且其收斂速度難以適應產品開發(fā)過程客戶個性化需求的頻繁變化。因此，本文提出一種基于模糊物元PSO混合優(yōu)化算法的客戶創(chuàng)意挖掘方

11、法，建立了其形式化模糊物元模型，給出了優(yōu)于遺傳算法的自適應變異微粒群算法的求解方法。1客戶創(chuàng)意的模糊物元模型客戶在長期的產品使用過程中，形成了對產品一系列獨特的認識。為了追求產品的最大化效用，他們會對產品的各項屬性，如產品的功能、效用、樣式、特色、品牌、價格、服務等提出一些新希望、新要求，或一些建議和意見，這些想法和觀點便是創(chuàng)意的雛形。然而有些要求和希望所表達的指標往往相互矛盾，并且一些目標函數(shù)只能由模糊定性的評語給出。此外，即使各需求

12、目標函數(shù)能用常規(guī)數(shù)學函數(shù)表達，其最優(yōu)點往往不是同一點，很難使各項需求同時達到最優(yōu)。為了解決客戶創(chuàng)意多目標優(yōu)化問題，本文引入模糊物元分收稿日期：20071024；修回日期：2007—1220基金項目：國家“863／CIMS”主題資助項目(2006AA04Z112)；四川省科技攻關計劃資助項目(07GG012001)作者簡介：陰艷超(1977一)，女，博士研究生，主要研究方向為協(xié)同設計技術、網絡化制造(yinye@163corn)；孫林夫(

13、1963)，男，浙江紹興人，教授，博導，主要研究方向為智能CAD技術、協(xié)同設計技術、網絡化制造；郭成(1978一)，男，河南人，博士研究生，主要研究方向為智能控制第8期陰艷超，等：基于模糊物元PSO混合優(yōu)化算法的客戶創(chuàng)意挖掘2311a)初始化。在整個搜索空間R中隨機產生m個粒的位置(t)和速度(t)，組成初始微粒群體。設定最大進化代數(shù)，當前進化代數(shù)t=1；設定加速度常數(shù)c、c。b)對于每個粒子，計算其在每一維空間的適應值(i=1，2，，

14、m)。c)對每個微粒，比較其當前適應度和個體極值P。若優(yōu)于P。，則更新其個體極值；否則保持不變。d)將所有微粒的個體極值與微粒群當前的全局極值進行比較，選取最優(yōu)者作為當前全局極值。e)根據式(1)更新各微粒的位置和速度。f)自適應變異操作。根據式(2)給出的自適應變異概率，對惰性微粒和較差微粒進行突變操作，隨機產生新位置來更新其自身歷史最好位置(P=(t1))，其他微粒仍以式(1)進化產生。g)終止條件判斷。若不滿足終止條件，轉到步驟c

15、)；否則輸出優(yōu)化結果，算法結束。23基于混合優(yōu)化算法的客戶創(chuàng)意挖掘策略在混合優(yōu)化算法中，各變量設置如下：C(i=1，2，，m)表示客戶創(chuàng)意；d(1≤i≤k)表示每個客戶有k個需求目標；為最大進化代數(shù)；￡為當前代數(shù)；c。、c：設定為加速度常數(shù)((X))(i=1，2，，m；=1，2，，k)表示第i個客戶創(chuàng)意的第項需求指標從優(yōu)隸屬度?；诨旌蟽?yōu)化算法的客戶創(chuàng)意挖掘策略的偽代碼如下所示：initializationstage：foreachpa

16、rticlec，i=[1，M]foreachdimensiond，d=f1，K1setXgtoarandomvalueintherange[0，1]setPtoidsettoarandomvalueintherange[一]setthecompoundmatter—elementfoⅢlofmkClC2Cdl(l())(f21(X))(fm1(X))肛(^2())(止2(X))(／(X))searchstage：untiltermina

17、tingconditionismetforeachparticlecl，i=[1，N]foreachdimensiond，d=[1，K]computepenaltyfunctionpun(X)pun(X)(=Icomputefitnessfunction(X)=k(X)pun(X)i：1，2，，mnodatepbestifbest()isbetterthanfupdategbestifbest(X)isbetterthanfcomput

18、ePmrandomlyupdatepbestwithP，：J(t1)updateandV／daccordingtofommla(1)3仿真實驗隨著經濟的發(fā)展和社會的進步，人們對汽車的多功能、差異化和個性化需求越來越強烈，及時準確地挖掘客戶創(chuàng)意、預測客戶的需求變得越來越困難。本文以某型號轎車的外觀造型設計為例，在客戶的個性化需求中尋求最佳創(chuàng)意?？蛻羰紫鹊卿浽撔吞栟I車的電子產品倉庫系統(tǒng)，通過圖形化、符號化表達提交相關建議和想法，經過規(guī)范化和

19、分類處理后得到其個性化需求主要體現(xiàn)在車燈外形、進風格柵、前面分割線、側面分割線、側面輪廓線、腰線、尾部輪廓；客戶希望達到的目標為整體形態(tài)風格突出、各處造型突現(xiàn)美學特點、空氣動力學特性好、布局合理、材質好、人機性能好、價格合理等。為了證明AMPSO算法對求解具有模糊性和不確定性問題優(yōu)化的有效性，以某型號轎車的外觀造型設計為例，對本文所提AMPSO算法與PSO及遺傳算法進行了80次比較實驗。各算法參數(shù)設置為：算法的種群維數(shù)D=7，種群規(guī)模(

20、客戶)m=50，進化代數(shù)t=300；標準PSO算法慣性權重初始化為09，并隨迭代次數(shù)增加線性遞減至04，加速度常數(shù)c=c=2；自適應變異PSO算法變異概率計算中，=02，r=03，r=05，給定閾值s為0o1，給定次數(shù)l為15。根據客戶在生活形態(tài)、美學趨向、操作習慣和文化背景等方面偏好趨勢的不同，利用層次分析法確定客戶各項需求的復合權重物元：=【nQ。nnaa]在客戶對汽車外觀造型的個性化需求空間產生初始化種群，根據式(3)其復合模糊物

21、元形式表示為R307形態(tài)風格美學特點空氣動力學特性布局材質人機性能價格Cl(x))2(x))3(x))(x))5(x))6(x))7(x))c2’?！甤30I(x))1(x))2(x))2(X))(X))p3(X))U(X))4(X))(X))5(X))(X))6(X))(X))7(X))適應值函數(shù)根據F=K~／x計算。其中：K為關聯(lián)度；／x(0／zd≤1)為動力性能模糊約束量；(0／x≤1)為燃油經濟性模糊約束量；。(0／z≤1)為成

22、本模糊約束量；／z(0／z≤1)為材料性能模糊約束量；／z(0≤1)為行駛環(huán)境模糊約束量；(0≤1)為現(xiàn)有技術條件模糊約束量。通過MATLAB編寫三種算法程序進行創(chuàng)意優(yōu)化，最終計算結果比較如表1所示。表1實驗結果比較由表1可以看出，最終求得最佳客戶創(chuàng)意主要體現(xiàn)在對進風格柵、側面輪廓線和車燈三部分的個性化需求。各算法性能比較如圖1所示。lteranm圖1最大適應值變化曲線由圖1可以更直觀地看出：自適應變異PSO算法較其他兩種算法更具有明顯