改進的極小碰集求解算法研究.pdf

1、基于模型的故障診斷(Model-Based Diagnosis，MBD)推理技術(shù)是故障診斷領(lǐng)域中重要的研究課題。它的基本思想是:給定一個系統(tǒng)的描述，用觀察到的行為與系統(tǒng)正確的行為之間的差異來確定系統(tǒng)是否有元件工作不正常，從而導(dǎo)致了系統(tǒng)故障。候選診斷產(chǎn)生是診斷過程中最關(guān)鍵的步驟之一，近些年研究候選診斷（即極小碰集）產(chǎn)生的方法越來越多。著名的人工智能專家Reiter在1987年提出的HS-tree算法是最早的經(jīng)典算法，HS-tree算法通過

2、枚舉的形式計算極小碰集，會產(chǎn)生較多極小碰集的真超集，產(chǎn)生的節(jié)點較多，從而導(dǎo)致剪枝過程繁瑣，且在某些情況下還會因為剪枝而丟失極小碰集，因此不適用于大型系統(tǒng)。
　　本文研究了計算極小碰集的三種改進的新方法，主要內(nèi)容如下:
　　(1)提出了基于極大度和極小勢的MDMC-HS-tree方法。本方法每次選擇勢最小的集合進行擴展，以便減小樹的寬度;并刪減勢最小集合中度最大元素的集合，通過刪除較多的集合保留較少的集合，從而不斷將大問題化簡

3、為小問題。實驗結(jié)果表明:本算法在測試的過程中能夠產(chǎn)生所有極小碰集，且在計算大規(guī)模碰集時能產(chǎn)生相對較少的節(jié)點，為實際設(shè)備故障診斷提供了較可行的方法。
　　(2)對基于動態(tài)極大度求解極小碰集的算法進行改進:結(jié)合枚舉的形式產(chǎn)生集合，并按照元素度的大小順序依次擴展元素，但減少了度為0的元素的擴展過程，即不再擴展剩余集合中不包含的元素，從而減少了節(jié)點的產(chǎn)生。
　　(3)對基于參數(shù)矩陣求解極小碰集的改進:將集合簇中所有元素c1，c2，…