动态复杂性范文

2024-07-31

动态复杂性范文（精选8篇）

动态复杂性第1篇

图2为裂缝形状对压力动态曲线的影响。从图2中可以看出, 楔形裂缝的无因次压力及压力导数曲线比矩形裂缝的要高。因为在相同裂缝开口宽度和相同裂缝长度的条件下, 楔形裂缝的渗流面积小, 渗流阻力大, 则压力消耗大, 表现为无因次压力以及压力导数曲线较高。

图3为变裂缝导流能力对压力动态曲线的影响。认为裂缝导流能力的变化主要是由裂缝渗透率变化引起的, 假设裂缝开口处渗透率相等, 记为Kf0, 裂缝渗透率随着与井口距离的增加而降低, 直至缝端处裂缝渗透率为地层渗透率K。这里考虑裂缝渗透率随位置的变化有两种变化模式:

1) 线性变化: $Κ^{'} = \frac{Κ - Κ_{f 0}}{x_{f}} x + Κ_{f 0}$ ;

2) 幂指数变化: $Κ^{'} = Κ_{f 0} (\frac{Κ}{Κ_{f 0}})^{\frac{x}{x_{f}}}$ 。

从图3中可以看出, 当导流能力随位置降低时, 无因次压力和压力导数曲线相对于常导流能力发生抬升现象。导流能力下降得越快, 压力及压力导数曲线抬升的幅度就越大。导流能力呈幂指数变化的裂缝压力消耗最大, 表现为无因次压力以及压力导数曲线最高。

3结论

(1) 建立了考虑裂缝形状和导流能力变化的压裂井不稳定渗流的数学模型, 并采用有限元方法进行了求解, 获得了井底压力随时间的变化规律。

(2) 圆形封闭地层压裂井的压力动态曲线划分为6个流动阶段:井筒储存阶段、裂缝线性流阶段、裂缝和地层双线性流阶段、地层线性流阶段、地层拟径向流阶段和拟稳定流阶段。

(3) 在相同裂缝开口宽度和相同裂缝长度的条件下, 与矩形裂缝相比, 楔形裂缝压力消耗大, 表现为无因次压力以及压力导数曲线较高;在相同裂缝开口渗透率的条件下, 与导流能力呈线性降低的裂缝以及常导流能力裂缝相比, 导流能力呈幂指数降低的裂缝压力消耗最大, 表现为无因次压力以及压力导数曲线最高。

参考文献

[1]付春权, 贾俊飞, 尹洪军.复合油藏垂直裂缝井压力动态分析.大庆石油学院学报, 2008;32 (2) :113—116

[2]韩福成, 何应付.裂缝性低渗透油气藏压裂井压力动态特征.特种油气藏, 2008;15 (4) :63—66

[3]刘慈群.考虑井筒存储和表皮效应的有限导流垂直裂缝井的试井分析方法.油气井测试, 1993;5 (2) :20—21

[4]章本照.流体力学中的有限元方法.北京:机械工业出版社, 1986:55—61

动态复杂性第2篇

【关键词】复杂系统理论学术写作动态路径

前言

在过去的几十年里，二语习得研究领域先后出现有60余种理论、模式、假说和框架，各门各派观点迥异，仁智互见，例如，生成语言学家的一个基本观点就是人的大脑中存在一个独立的语言模块，先天地制约着人类语言学习，但心理学家们认为语言习得和其它认知技能的学习并无二致，都受人类一般认知机制的制约。鉴于此，本文试对过去已有的复杂理论框架下学术写作研究做出梳理归纳，探讨复杂系统理论对学术写作研究的启示，以期对二语写作的发展研究做出贡献。

一、复杂系统理论概述

Larsen Freeman在其介绍复杂系统理论的专著——“Complex Systems and Applied Linguistics”——中指出语言是复杂的，包含许多复杂系统，例如音位学、形态学、词汇、句法、语义学、语用学等。每个复杂系统可进一步分解为若干子系统。人类在学习语言的过程中需要消耗内在资源

（包括工作记忆、注意力和时间等）。由于内在资源有限，语言复杂系统的任意两个子系统之间既可能相互促进又可能相互竞争。

各种子系统之间的相互作用构成了复杂系统的整体行为。简而言之，复杂系统具有如下三个基本特点：

第一，系统的层级性和嵌入性，指在整个系统中级别低或层次低的系统通常是内嵌在级别高或层次高的系统中。

第二，整个系统是普遍联系的，指组成系统的各个元素和部分之间是相互联系的，从而构成一个互动的复杂系统。

二、学术写作理论研究

早期的二语学术写作研究主要基于一语和二语通用写作理论，直至20 世纪中后期，人们才开始提出专门针对学术写作的理论构想（如Paltridge et al 2009； Murrayet al 2006）。Paltridge 等人在前人的认知写作模式和书面语产出模式的基础上，综合认知、社会和文本等多个视角提出了二语学术写作模型。该模型的主要思想是，学术写作者与通用写作者一样需要经历不同的内在认知子过程才能生产出成品来；学术写作不是发生在真空中的行为，它还会受到写作者的外在因素影响；这些内在因素和外在因素共同作用生产出写作文本。概括起来，该理论有三大特点：一是多视角地探讨了二语学术写作的各个方面；二是确认了学术写作的组成部分以及各部分的构成内容，并就它们之间的关系提出了假设；三是突出了外在知识资源的作用。

三、学术写作的实证研究

二语学术写作的实证研究主要集中在写作环境、写作过程和写作文本等三个方面。环境研究涉及学术/文化环境、写作目的、读者意识、学科特点、学术社团价值观及期望等因素在写作中的作用。如Johns（1993）研究过读者意识、写作目的和文本之间的互动关系。写作过程研究主要集中在写作策略和写作子过程的运用特点及其影响因素上。其中既有传统的语言学习策略体系研究，也有专门针对学术写作的策略研究；既有整体的写作策略探讨，也有单一策略探讨。

四、复杂系统理论对学术写作研究的启示

复杂系统理论的提出，对学术写作发展研究而言，显然是一个全新的研究思路。这种动态的研究路径使得我们对学术写作的发展过程的理解根植于写作活动发生的真是环境，避免了以线性简化的思维来研究复杂事物。总体来看，相较于传统研究路径，复杂系统理论对学术写作发展研究有着更大的理论优势，前景也更为广阔。

参考文献：

[1]Hinkel，E.（2003a）.Adverbial markers and tone in L1 and L2 students' writing.Journal of Pragmatics，35（7），1049-1068.

[2]Hyland，K.（2010）.Metadiscourse：Mapping interactions in academic writing.Nordic Journal of English Studies，9（2），125-143.

[3]Johns，A.M.（1993）.Written argumentation for real audiences：Suggestions for teacher research and classroom practice.TESOL Quarterly，27（1），75-90.

[4]Larsen-Freeman，D.（1997）.Chaos/complexity science and second language acquisition.Applied Linguistics，18，141-165.

[5]Lia，P.（2008）.Comparing composing processes in writing-only and reading to-write test tasks.Assessing Writing，13（2），111-129.

动态复杂性第3篇

关键词：供需链,复杂网络,局域世界,动态演化模型,无标度,小世界性

0 引言

随着科学技术的进步和生产力的发展,政治、经济、社会环境发生了巨大变化,顾客的消费水平不断提高,使得企业间的竞争日益加剧,企业之间的竞争已经转换为供应链之间的竞争。因此供应链管理日益受到企业的重视,同时也形成了一种新型的复杂网络模式。如何从本质上揭示供需网络的生长与演化规律,研究供需网络的演化机制以及网络的拓扑特性,对供应链系统的运作管理和科学决策具有重要的参考价值。目前,国内外学者对供应链的具体运作问题、生长等进行了深入地研究。例如Surya D.Pathak[1]及国内研究者张涛等[2]建立了供应链系统的复杂适应系统概念模型,定性地研究了供应链系统的复杂性;Li和Chen在BA模型基础上提出了局域世界演化网络模型(LC)[3];青岛大学的陈晓等[4]在局域世界演化模型的基础上,改进局域世界的选取,应用节点间相关度的概念[5]来确定新增节点的局域世界,提出了局域世界规模不断增大的局域演化模型[6]。现有研究均从特定的角度对供需网络进行了分析,其研究成果在一定程度上反映了供需网络生长的特点,但对于刻画真实的供需网络有一定的局限性。

本文通过分析现有网络模型的构造原理,以及在刻画供需网络模型上的不足,进而建立了一种能充分考虑供需网络内部演化和节点退出现象的动态网络演化模型,从宏观角度来揭示供需网络的拓扑特性和供需网络的演化规律。仿真结果表明,供需网络具有无标度特性、小世界特性和高聚集性。

1 已有网络模型的分析

BA模型[7]的提出具有重大的意义,它首次把度的幂律分布引入到了网络,从演化的角度研究了网络的一些宏观性质的起源,为复杂网络的研究提供了一种新的视角和思路,BA模型的生长分为生长和择优连接两个过程。这在一定程度上刻画了一些现实网络。

文献[1,2]从供应链系统的复杂性出发,建立了供应链系统的复杂适应系统模型概念,定性地研究了供应链系统的复杂性,而没有揭示供需网络的演化规律。

文献[4]从网络增长的局部角度出发,在LC局域演化模型的基础上,建立了基于节点相关度优先连接的局域演化生长模型。

从以上分析可以看出,已有模型均刻画了网络的生长和择优连接的特点,但都忽略了这样一种情况:网络中的某一个节点,不仅以一定的概率认识新加入网络的节点,更多的是它和已存在于网络中的节点建立关联关系,即网络内部演化。同时在现实情况中也总有这样一种情况:在竞争、合作和动态的市场环境的影响下而部分企业退出当前市场,在供需网络中表现为节点退出网络。

2 内部演化和节点退出机制的供需网络演化模型

鉴于以上分析,在研究供需网络生长特点和方式的基础上,我们根据实际的供需网络系统,以企业为节点,企业之间的合作关系为边,建立供需网络模型。

在市场经济发展初期,只有少数企业之间存在合作往来,这是供需网络的初始状态;随着市场经济的发展,系统中的企业不断增加,则新企业进入时选择进行合作的企业范围不断扩大,即越来越多的节点加入供需网络中,它促使了供需网络的发展。

从供需网络内部来看,网络中每一个企业不仅可以和新企业合作,也可能与已存在的企业合作,从而在网络内部企业之间建立了供需合作关系,由此导致了供需网络的内部演化,并且随着企业范围的扩大,网络内部企业之间进行合作的范围也不断在增加。

在竞争、合作和动态的市场环境因素影响下,导致企业退出市场,这在供需网络中则表现为企业退出供需链,这使得供需网络中有节点退出。

综上所述,实际的供需网络应该是一种内外节点增加和退出的有增有减的复杂网络。因此我们建立了一种能充分考虑供需网络内部演化和节点退出现象,有增有减的动态演化的网络模型,并利用复杂网络理论来研究供需网络的一些拓扑特性。

下面给出建立供需网络的动态演化算法。

算法:供需网络动态演化算法

Step 1 初始时刻,当t=0时,假定系统是由n(n≥5)个节点组成的初始网络;网络中每两个节点之间以任意方式连接;

Step 2 在每一个时间间隔内,产生一个(0,1)之间均匀分布的随机数p;

Step 3 若p≤p0(p0随机指定),从网络中随机选择一个节点,并将其移除,同时与该节点相关联的边也被移除;

Step 4 若p>p0,先在网络内部增加m0(1<m0<n)条新边,新增边的一端在网络内部随机选取,另一端节点i以概率∏i进行连接,∏i的表达式为:

$\prod_{i} = \frac{k_{i}}{\sum_{j} k_{j}}$

式中:ki为节点i的度;kj为与节点i相连的节点j的度;将一个新增节点加入到网络中,首先从初始网络中,任选一节点i同网络外的一新节点n+1连接;找出i的局域世界即dij=1的节点,把新节点的m1(1<m1<n)条边以等概率连接到节点i的局域世界,如节点i的局域世界中节点数目小于m1,则取局域世界中所有节点进行连接;

Step 5 返回Step2,直到网络达到所需要的大小N为止。

上述算法中的参数n、p0、m0、m1和N都事先指定,且连接参数m0和m1的取值随网络的规模而动态增加。

3 动态供需网络模型的网络特性仿真分析

3.1 网络度分布特性

使用Matlab平台对本文提出供需网络演化模型的网络度k进行了数值模拟。从仿真结果看出,随着p0、m0、m1的变化,网络度分布状况发生了一系列的变化。

1) 当p0=0,新节点加入时连接的节点数远小于局域世界中的节点数时,模型为BA模型,网络度分布P(k)随着m0和m1的增加而变化的曲线如图1所示。从仿真结果可知,当没有节点退出网络时,网络规模的增长是绝对的,此时只有节点数和内部边在增加,同时也观察到无论参数m0和m1取何值,不能显著改变网络的度分布,且网络度分布表现为幂律形式,说明本模型与BA无标度网络模型的特性相符。

2) 当p0≠0时,模型为一种有增有减的动态演化模型。p0由0变化至1,网络度分布P(k)曲线的变化如图2所示。从仿真结果可知,当0≤p0≤0.3时,即以概率为0.3删除网络中的部分节点时,网络可以保持完好的连通性,且网络度分布表现为幂律形式。这说明在网络的演化过程中,若以较小的概率随机移除网络节点时,不会影响网络的幂律分布。当p0>0.3时,网络度分布不再表现为幂律形式,度曲线在其值10和50的地方发生了严重偏离。当p0>0.4时,在多次实验中均发生了网络不连通现象,且随着p0的增加,网络不连通的概率越来越大。

3.2 网络的聚类系数

图3给出了模型参数q=0.2,m0=2,m1=3时,供需网络模型的平均聚集系数C与网络大小N之间的变化关系。从仿真结果可知,供需网络模型的平均聚集系数C不随网络的无限增大而趋于0,而在BA模型中,当网络的规模N→∞时,平均聚集系数C→0,本模型与BA模型有着本质的不同。还可以看出,供需网络模型的聚集系数与网络规模没有明显的依赖关系,其基本上稳定在C=0.4附近,所以该供需网络模型具有较高的聚集系数。

3.3 平均路径长度

如果对于固定的网络节点度,平均路径长度的增长速度至多与网络大小的对数成正比,就称网络具有小世界效应[8]。取模型参数p0=0.2,m0=2,m1=3和m0=3,m1=4时,网络规模从500到1000时,仿真平均最短路径L(N)与网络大小N及连接参数m0和m1之间的关系见图4。在图4中给出对数平均长度lnN及双对数函数ln lnN。从仿真结果看出,所生成的网络的平均路径长度L(N)的值及其增长速度随着N的增加都远远小于函数lnN,而与ln lnN却非常接近,所以该供需网络具有短的平均距离。

4 几种模型比较

在Matlab软件中,把现有的BA模型、局域演化生长模型及本模型通过编程实现,并生成网络规模为1000、2000和3000的网络,然后计算网络的各相关特性参数。在生成文献[6]的局部演化生成模型时,根据文中结论知,网络连接参数m0,m1的取值不影响网络的度分布,因此随机给定。在生成BA模型时,网络的初始状态参数m的取值不影响网络度的分布,因此在保证m≤n的前提下可随意给定。根据第3节中的实验分析,本模型的p0、m0,m1的取值分别为0.2、2和3。网络特性的对比结果如表1、图5所示。

注:L、C和D分别表示平均最短路径、平均聚集系数和度分布指数

由表1可以看出,局域演化生长模型和BA模型生成的网络度分布指数均为3,本模型生成的网络度分布范围在2～3之间,这与实际网络是相符的。在平均路径长度和聚集系数等网络特性的刻画上,本模型的平均最短路径小于局域演化生长模型;聚集系数高于局域演化生长模型。从网络规模增长过程来看,节点相关度优先连接的局域演化生长模型生成的网络度是递增的,而本文模型生成的网络度不再是递增的,表现出了有增有减的动态变化过程。从网络规模的变化上看,BA模型和局域演化生长模型生成的网络规模都是直线递增的,本模型生成的网络规模表现出了有增有减的动态演化过程(如图5所示),这与现实情况相吻合。因此,用本文模型来仿真供需网络更为合理。

5 结语

本文通过对已有BA模型和节点相关度优先连接的局域演化生长模型进行分析,指出了它们在刻画供需网络动态演化特性的局限性,分析了供需网络生长过程的特点,建立了综合考虑网络节点增长、内部演化以及节点退出等问题的动态演化模型。并据此生成不同规模的供需网络,与现有模型的聚集系数、平均路径长度和聚集系数等复杂网络特性参数进行比较,仿真结果表明本文模型具有无标度特性、小世界性和高聚集性,能够很好地刻画供需网络的演化特性和演化规律。今后的研究工作是,进一步研究节点属性、关系方向、关系权重等建立一种加权有向网络,以期更好地揭示复杂供需网络的本质特性。

参考文献

[1]Surya Dev Pathak,Gautam Biswas.A multiparadigm simulator for simu-lating comp lex adap tive supp ly chain networks[C]//Procof the 2003Winter Simulation conference,S Chick,P J Sdnchez and D Ferrin et al(eds.):808-816.

[2]张涛,孙林岩,孙海虹,等.供应链的系统运作模式分析与建模——基于复杂适应系统范式的研究[J].系统工程理论与实践,2003(11):8-13.

[3]Li Xiang,Chen Guanrong.A local world evolving network model[J].Physica A,2003,328:274-286.

[4]Xuan Qi,L i Yanjun,Wu Tiejun.A local world network model based oninter node correlation degree[J].Physica A,2007,378:561-572.

[5]陈晓,张纪会.复杂供需网络的局域演化生长模型[J].复杂系统与复杂性科学,2008(5):54-60.

[6]Xuan Qi,L i Yanjun,Wu Tiejun.A local world network model based oninter node correlation degree[J].Physica A,2007,378:561-572.

[7]HA YASHI Y.A review of recent studies of geographical scale free net-works[J].IPSJ Digital Courier,2006,1(2):155-164.

动态复杂性第4篇

汽车、机床等复杂产品[1,2]开发过程中普遍存在多项目协同执行的情况,多项目间的资源竞争,加剧了资源分配的复杂程度[3],合理分配资源以保证按计划完成各个项目是多项目管理面临的重要挑战。

资源分配问题是多项目管理的核心问题之一,近年来国内外的相关研究主要涉及以下几个方面:

(1)多项目资源分配模型。如文献[4]采用着色Petri网建立复杂产品开发多项目调度模型,该模型能够表达多项目的层次性,以及项目间的资源竞争与技术依赖关系;文献[5]采用两层决策方法建立了多项目资源分配的数学模型。

(2)任务与资源的匹配方法。目前的匹配方法主要可以分为项目推动(push)和资源拉动(pull)两种类型[6,7],前者将添加新项目看作是随机事件,接收到一个项目后,则将其添加到等待序列,并按照项目优先顺序匹配资源;后者根据各时刻的资源占用情况得到可用资源,并根据可用资源匹配任务。

(3)任务与资源匹配关系优化算法。目前基于任务优先级的启发式算法是应用最普遍的一类算法[8];遗传算法具有搜索速度快、算法简单、容易达到全局最优的特点,适用于多项目资源分配优化,逐渐得到研究人员的广泛关注[8,9,10,11]。

总之,以上多项目环境下的资源分配研究针对的是一次性的全局最优分配,而复杂产品开发中无法准确估计的技术复杂性、频繁的变更及智力资源的动态性等[12]决定了需要采取动态的、渐进的资源分配方法。通常匹配关系优化的目标在于缩短各项目的工期[9,10],而对于复杂产品开发而言,减少不必要的资源冲突、保证资源负荷均衡,从而提高按期完成各项目的可能性更具有实际意义。

1 多项目资源动态分配问题描述

多项目环境下,随着时间推移,不断发生新项目加入、进度提前或滞后、项目终止等事件,一个项目的改变常常需要其他项目做出相应调整。如新添加高优先级项目,则可能需要调整其他项目的资源分配情况。

定义1 资源动态分配。资源动态分配是与一次性全局分配相对应的概念,指的是随着时间的推移,结合具体时段的实际需求和可用能力分步地、动态地分配资源。

笔者采用一个四元组MRA=(D,R,M,F)描述多项目环境下复杂产品开发资源动态分配问题,其中各部分的含义如下:

(1)D(demands)为资源需求集合。D={D11,D12,…,D1k;D21,D22,…,D2s;…;Dn1,Dn2,…,Dnt},Dij为第i个项目中的第j个任务Tij的资源需求,Dij∈D;Dkij为Tij对第k种资源的需求,Dkij=(Qkij,ESkij,EFkij,LSkij,LFkij),Qkij、ESkij、EFkij、LSkij、LFkij分别为Dkij的资源需求量、最早起始和截止时间、最晚起始和截止时间。

(2)R(resources)为可用资源集合。R={R1,R2,…,Rm}={R11,R12,…,R1a;R21,R22,…,R2b;…;Rm1,Rm2,…Rmc},Rk为第k类可用资源,Rkg为第g个时段的第k类可用资源;Rkg=(Bkg,Fkg,Ukg,Ckg),Bkg、Fkg、Ukg、Ckg分别为Rkg的起始时间、截止时间、可用资源量、资源容量,Ukg≤Ckg;Rkg={Rkg1,Rkg2,…,Rkgq},Rkgl为Rkg中的第l个智力资源,假定Rkgl不能同时执行两个任务,则Rkgl=(Bkg,Fkg,Ckgl),Ckgl为Rkgl的资源容量。

(3)M(matching)为资源需求与可用资源的匹配关系集合。笔者将M分为两部分:一是粗匹配关系集合ML,对应任务与资源类型的匹配;二是细匹配关系集合MN,对应任务与具体资源的匹配。

MLkij为与Dkij对应的粗匹配关系,MLkij∈ML,则有

MLkij=(Dkij,Rkg,Akgij) (1)

s.t. Bkg≤LSkij,Fkg≥EFkij (2)

Qkij≈Akgij且Akgij≤Ukg (3)

式中,Rkg为与Dkij相匹配的第g个时段的第k类可用资源;Akgij为分配给Dkij的资源量。

MNkij为与Dkij对应的细匹配关系,MNkij∈MN,则有

MNkij=(Dkij,Rkgl) (4)

s.t. Bkg≤ESkij<EFkij≤Fkg (5)

Qkij≈Ckgl (6)

式中,Rkgl为与Dkij相匹配的智力资源。

(4)F(funtions)为匹配目标函数。式(1)～式(3)的粗匹配目标体现为平衡资源负荷和资源瓶颈消除,即

Pkg=Ckg(Fkg-Bkg) (7)

$L_{g}^{k} = \sum_{i = 1}^{n} \sum_{j = 1}^{n_{i}} A_{g i j}^{k} (E F_{i j}^{k} - E S_{i j}^{k})$ (8)

Okg=Pkg-Lkg (9)

$Ο R_{g}^{k} = \frac{Ο_{g}^{k}}{Ρ_{g}^{k}}$ (10)

式中,ni为项目i中的任务数。

式(7)～式(10)分别用于计算第g时段第k类资源Rkg的总能力、总负荷、超/负能力和差异率。相应的粗匹配目标函数为

$g (r o u g h) = \sum_{k = 1}^{m} \sum_{g = 1}^{m_{k}} Ο R_{g}^{k}$ (11)

式中,mk为Rk对应的时段数量。

g(rough)越小表示粗匹配关系越合理。

式(4)～式(6)所示的细匹配的目标体现为减少或避免资源冲突、平衡资源负荷。用Wij表示由于资源冲突而导致的任务Tij延迟时间,若Tuv、Tij竞争资源Rkgl,且ESkuv≤ESkij<EFkuv,则

Wij=EFkuv-ESkij (12)

相应的,与资源冲突相关的目标函数为

$g_{w} (\det a i l) = \min \sum_{i = 1}^{n} \sum_{j = 1}^{n_{i}} W_{i j}$ (13)

分别用Pkgl、Lkgl、Okgl、ORkgl表示Rkgl的能力、负荷、超/负能力和差异率,则有

Pkgl=Ckgl(Fkg-Bkg) (14)

$L_{g l}^{k} = \sum_{i = 1}^{n} \sum_{j = 1}^{n_{i}} C_{g l}^{k} (E F_{i j}^{k} - E S_{i j}^{k})$ (15)

Okgl=Pkgl-Lkgl (16)

$Ο R_{g l}^{k} = \frac{Ο_{g l}^{k}}{Ρ_{g l}^{k}}$ (17)

相应的,与资源负荷相关的目标函数为

$g_{v} (\det a i l) = \min \sum_{k = 1}^{m} \sum_{g = 1}^{m_{k}} \sum_{l = 1}^{m_{k g}} Ο R_{g l}^{k}$ (18)

式中,mk为Rk对应的时段数量;mkg为Rkg对应的智力资源数。

2 复杂产品开发资源动态分配方法

2.1开发能力需求分析

为实现利益最大化,企业或部门往往希望接受更多的项目,多项目间的资源竞争常导致大量的资源需求与有限的资源能力之间的矛盾。因此,为具体任务匹配资源之前,需要检查资源需求可行性,平衡资源负荷。

开发能力需求分析(development capacity requirements analyzing, DCRA)是在分配产品开发任务之前,结合资源需求对资源负荷进行计算,从而检查资源需求可行性的方法,如图1所示。实施DCRA主要涉及以下步骤:

(1)建立匹配关系。DCRA涉及的资源需求与智力资源的匹配属于粗匹配,如式(1)～式(3)所示。

(2)产品开发能力计算,即根据式(7)～式(10)计算资源需求与可用资源的能力差异。智力资源具有较强的可调节能力,a、b为Rkg的可调节系数,a≤1,b≥1,a≤ORkg≤b是合理的。若ORkg<a或ORkg>b,则需要按步骤(3)调整负荷,并通过式(11)判断调整是否合理。

(3)修改多项目进度计划。修改多项目进度计划最常用、最有效的方法是利用时间差,以避免或减少多个任务在同一时间的资源竞争。应用该方法时首先需要满足高优先级任务的资源需求。

2.2基于DCRA的资源动态分配模型

为了避免混乱地动态分配,笔者提出了基于DCRA的资源动态分配模型,即根据粗匹配关系,结合各时段的具体情况细化资源需求和可用资源,并建立二者之间的细匹配关系。

基于DCRA的资源动态分配不同于“一次性全局分配”,其细匹配关系是结合各时段资源需求及可用资源能力逐渐构建的。分阶段匹配资源能够更有效地保证资源分配的合理性;若同时应用DCRA方法,则能够保证各阶段总体资源需求的可行性,进而实现粗匹配关系与细匹配关系的统一。

假设DCRA过程建立了资源需求Dkij与资源类型Rkg的粗匹配关系(Dkij,Rkg,Akgij),{Dkiu,Dkiu+1,…,Dkiv}为对Dkij分解得到的资源需求集合,{Rkgp,Rkgp+1,…,Rkgq}为对Rkg细化得到的设计资源集合,∑Ckgl≈Akgij,Rkgl∈{Rkgp,Rkgp+1,…,Rkgq},则细匹配旨在建立{Dkiu,Dkiu+1,…,Dkiv}与{Rkgp,Rkgp+1,…,Rkgq}的匹配关系。

图2所示的资源分配模型支持两种不同的资源分配方式,即需求推动的分配和资源拉动的分配。需求推动的资源分配过程主要涉及以下步骤:

(1)结合项目进程获取资源需求。

(2)根据资源需求查询对应的粗匹配关系,从而确定计划分配的资源量。假设存在粗匹配关系(Dkij,Rkg,Akgij),{Dkiu,Dkiu+1,…,Dkiv}为对Dkij分解得到的资源需求集合,则计划分配的资源量为

$A_{g i j}^{k} \frac{\sum Q_{h l}^{k}}{Q_{i j}^{k}} s . t . D_{h l}^{k} \in {D_{i u}^{k}, D_{i u + 1}^{k}, \dots, D_{i v}^{k}}$

(3)根据计划分配的资源类型、资源量,从资源池中获取智力资源{Rkgp,Rkgp+1,…,Rkgq},该步骤针对的是(Bkg,Fkg)时间范围内的可用资源。

(4)建立Dkiw∈{Dkiu,Dkiu+1,…,Dkiv}与Rkgx∈{Rkgp,Rkgp+1,…,Rkgq}之间的细匹配关系。

而资源拉动的分配方式始于空闲资源,然后结合粗匹配关系,通过分解多项目进度计划获取详细的资源需求,最后建立并优化资源与详细资源需求之间的细匹配关系。

3 用于优化细匹配关系的遗传算法

3.1算法描述

多项目间的资源竞争导致不同时段具有不同的可用资源量,通常的遗传算法不能处理各时段的资源差异情况,因此难以有效优化细匹配关系。为此,笔者提出了一种改进型遗传算法,该算法中的染色体由一系列基因分段构成,每个基因分段表示不同的意义,即

式中,Seci、fiti分别为染色体chri对应的基因分段集合、适应度;secij为Seci中的一个基因分段;gnijk为secij中的一个基因。

改进算法的交叉运算只允许在对应的基因分段之间进行。设父代染色体为chrf、chrm,从chrf、chrm中选择第j个基因分段secfj、secmj进行交叉运算(1≤j≤n),产生新的基因分段secsj、secdj,分别用secsj、secdj替换secfj、secmj,则形成子代染色体chrs、chrd,即Secs={secf1,secf2,…,secf,j-1,secsj,secf,j+1,…,secfn},Secd={secm1,secm2,…,secm,j-1,secdj,secm,j+1,…,secmn}。

改进算法的“互换变异”运算从某一个基因分段内随机选择两个基因,交换基因位置;“插入变异”是从某一基因分段内随机选择一个基因,然后将之插入到该基因分段中的随机位置;“逆转变异”是从某一基因分段内随机选择一个基因,然后替换为符合该基因分段要求的其他基因。

3.2细匹配关系优化的前提条件

定义2 匹配空间。笔者将满足资源类型和时间一致性条件的,可建立细匹配关系的资源需求集与可用资源集所构成的信息区域称为“匹配空间”, “匹配空间”外不可以建立细匹配关系。

细匹配关系优化属于多匹配空间协同优化。假定存在Dkij与Rkg之间的粗匹配关系(Dkij,Rkg,Akgij),{Dkiu,Dkiu+1,…,Dkiv}为对Dkij细化得到的资源需求集合,{Rkga,Rkga+1,…,Rkgb}为对Rkg细化得到的智力资源集合,则{Dkiu,Dkiu+1,…,Dkiv}与{Rkga,Rkga+1,…,Rkgb}构成一个匹配空间Sh:

Sh=({Dkiu,Dkiu+1,…,Dkiv},{Rkga,Rkga+1,…,Rkgb}) (20)

3.3细匹配关系优化实现技术

如果资源需求与可用资源的细匹配关系对应于n个匹配空间,则每个染色体包含n个基因分段,基因分段与匹配空间的关系为

seclh=f(Sh)={gnlh1,gnlh2,…,gnlhp} (21)

式中,seclh为第l个染色体的第h个基因分段;Sh为第h个匹配空间,Sh中共涉及p项资源需求。

依次根据各匹配空间Si(1≤i≤n)构建基因分段secli,则最终可得到式(19)的染色体chrl。

细匹配关系优化旨在解决两方面的问题:一是减少资源冲突导致的进度延迟,二是保证资源负荷均衡。为此建立的适应度函数为

fit(chrs)=a·fitw(chrs)+b·fitv(chrs) (22)

s.t. a+b=1,0<a<1,0<b<1

式中,fitw(chrs)、fitv(chrs)分别为评价项目进度延迟和资源负荷均衡情况的物理量;a、b分别为fitw(chrs)、fitv(chrs)对适应度fit(chrs)的影响率。

a、b的取值方式可表示为

式中,ri为项目失控风险;si、di分别为与ri对应的严重度系数和易调整性系数;r1、r2分别为对应于项目进度滞后及资源分配失衡风险的物理量。

式(13)、式(18)分别为与资源冲突、资源负荷相关的细匹配目标函数,可相应表示为

$f i t_{w} (c h r_{s}) = (1 - \frac{\sum_{i = 1}^{n} \sum_{j = 1}^{n_{i}} W_{i j}}{\sum_{i = 1}^{n} \sum_{j = 1}^{n_{i}} D u r_{i j}})$ (24)

$f i t_{v} (c h r_{s}) = (1 - \frac{\sum_{k = 1}^{m} \sum_{g = 1}^{m_{k}} \sum_{l = 1}^{m_{k g}} Ο R_{g l}^{k}}{k g l})$ (25)

式中,Durij为Tij的工期;ORkgl为Rkgl的能力与负荷差异率(式(14)～式(17))。

笔者选择“确定式”选择方法执行选择运算。交叉运算过程中,随机选择染色体chrf和chrm中的基因分段secfh和secmh进行交叉运算,随机确定交叉位置k,运算后得到secsh和secdh。选择“逆转变异”算子执行变异运算,随机选择seclh中的基因gnlhk,seclh对应匹配空间Sh=({Dkiu,Dkiu+1,…,Dkiv},{Rkga,Rkga+1,…,Rkgb}),变异后的基因为gn′lhk,则存在gn′lhk≠gnlhk,且gn′lhk∈{Rkga,Rkga+1,…,Rkgb}。

4 应用实例

某企业在某时间段存在6个项目需要协同开发,项目周期从3个月至10个月不等。该企业的产品开发技术人员如表1所示,根据工作类型的差异,可以将48名技术人员分为9个工作组, m、d分别为主管设计师和设计师的工作能力系数。表2所示为某时间正在执行的任务及各任务对应的资源。表3所示为需要匹配资源的任务及各任务的资源需求。grpi(l)标识需要grpi工作组的资源,l为对应的资源能力需求。

根据资源需求及可用资源情况,可以采用2.1节中的方法分析资源需求的可行性。以2009年4～5月grp4为例,根据表1、表2中的数据,按照式(7)的方法可以计算得到该时段grp5可用资源能力为

P4=(5m+4d)22-6d-3d=110m+79d

根据表3中的数据按照式(8)的方法,可以计算得到该时段grp5的资源需求为

L4=67m+43d

P4>L4表明能够满足资源需求,同理可以分析其他类型资源需求的可行性。

采用JAVA语言,按照第3节所述的技术方法,我们开发了如图3所示的细匹配运算工具。

表4所示为最优匹配结果,结合表1～表4数据分析可知:优化结果既保证了资源需求与可用资源类型的一致性,也保证了资源需求与可用资源时间段相对应。笔者采用通常遗传算法(不涉及基因分段)进行匹配优化计算的结果如表5所示,综合表1～表3数据,结合资源类型及资源负荷分析可知,通常遗传算法50%以上的匹配关系是不合理的。

5 结论

(1)基于DCRA的动态分配模型能够从总体上保证各时间段资源分配的合理性。

(2)改进的遗传算法以基因段为基础构建染色体、进行遗传运算,能够满足多项目环境下的资源动态分配需求;相对于尽量缩短各项目工期,以减少资源冲突、实现资源负荷均衡为优化目标对于保证按计划完成各个项目更具有实际意义。

(3)复杂产品开发资源分配涉及技术、管理、偶然因素等多方面的问题,单纯依赖计算机系统很难得到最理想的结果,自动分配基础上的人为调整是不可替代的。

参考文献

[1]李伯虎,柴旭东,朱文海.复杂产品集成制造系统技术[J].航空制造技术,2002(12):17-20.

[2]Eppinger S D,Salminen V K.Patterns of ProductDevelopment Interactions[C]//International Con-ference on Engineering Design.Glasgow,Scotland:ICED,2001:283-290.

[3]孙清超,郭钢.面向多产品协同开发的项目管理研究[J].计算机集成制造系统,2008,14(11):2204-2211.

[4]施国强,李伯虎,柴旭东.基于着色Petri网的复杂产品开发多项目调度建模研究[J].系统仿真学报,2007,19(17):3869-3872.

[5]谈烨,仲伟俊.多种资源在多项目间分配的两层决策方法[J].系统工程学报,1999,14(3):290-295.

[6]Cohen I,Golany B,Shtub A.Managing Stochastic,Finite Capacity,Multi-project Systems throughthe Cross-Entropy Methodology[J].Annals ofOperations Research,2005,134(1):183-199.

[7]Anavi-Isakow S,Golany B.Managing Multi-pro-ject Environments Through Constant Work-in-process[J].International Journal of Project Man-agement,2003,21(1):9-18.

[8]寿涌毅.资源约束下多项目调度的迭代算法[J].浙江大学学报:工学版,2004,38(8):1095-1099.

[9]Goncalves J F,Mendes J J M,Resende M G C.AGenetic Algorithm for the Resource ConstrainedMulti-project Scheduling Problem[J].EuropeanJournal of Operational Research,2008,189(3):1171-1190.

[10]朱传军,张超勇,管在林,等.一种求解Job-shop调度问题的遗传局部搜索算法[J].中国机械工程,2008,19(14):1707-1711.

[11]郭研,宁宣熙.利用遗传算法求解多项目资源平衡问题[J].系统工程理论与实践,2005(10):78-82.

动态复杂性第5篇

一、企业面对的是复杂动态环境的具体表现

企业作为一个由复杂要素构成的系统, 离不开对复杂动态内外部环境的依赖。企业依赖内外部环境所给予它的物质、信息等资源, 再通过提供产品和服务的方式将他们反馈到环境之中。所谓复杂的动态环境是指环境本身各要素具有难以预测的经常性改变。在当前, 复杂的动态环境集中体现在宏观环境波动不稳、外部竞争日趋激烈以及内部管理的不间断扰动三个方面。如经济、社会、技术等因素会在微观层面对企业活动产生直接的影响, 而企业在这些因素影响下往往措手不及;企业所处的直接环境是由企业之间的竞争、购买者、供应者、潜在加入者和替代品五各个方面构成的, 这五个方面又都处于不断变化之中, 每个变化都会带给企业“牵一发而动全身”的效果, 如果企业没有及时捕捉到细微的变化, 未能及时作出准确判断制定出有力的缓冲策略, 往往会受到较大冲击。此外, 企业内部管理扰动可能存在于所有管理活动环节中, 它是企业系统的功能缺陷和失误行为两者交互作用的产物。企业存在功能缺陷和失误行为势必会使企业内部出现局部失序现象, 从而制约本就处于复杂动态环境下的企业的生存和发展。

二、企业战略转型成功的关键要素

战略转型是使企业摆脱经营困境, 应对内外部环境变化而对未来发展方向进行的重大调整。战略转型可以看作是企业与变化着的环境不断对话的过程, 其主要目的是确保企业所拥有的特异性知识与企业经营环境相匹配, 从而增强企业的市场竞争优势, 促进企业的持续发展。众多企业管理学专家经过研究普遍认为:进行战略转型是企业获得持续发展的必经之路, 然而, 战略转型的过程既充满机遇, 但也面临着较大的风险和挑战, 这就需要企业充分把握战略转型的成功要素。笔者结合企业战略转型实际, 以动态能力理论为指导, 找到了企业战略转型成功的四个关键要素:准确把握转型方向、适时选择转型时机;有效执行成功的转型战略;构建科学合理的组织体系;有效配置的资源。通过对上述关键因素的有效控制, 提升企业动态能力, 从而为企业成功转型提供保证。

三、促使企业成功转型的有效策略

通过对企业战略转型成功的关键要素分析, 笔者认为只有培育并提升企业与复杂环境变化相匹配的动态能力才能实现企业成功转型。所谓动态能力是组织有目的地创造、拓展或改变资源基础的能力。国内外理论界对动态能力的构成观点不一, 各说纷纭。笔者在参考借鉴他们的说法的基础上, 结合复杂动态环境下企业战略转型这一大背景, 将动态能力的构成分为四个部分, 即敏感的识别环境变化的能力、汲取新知识并转化为生产力的能力、企业改革创新的能力、企业对各种资源加以整合的能力。

企业动态能力首先表现在它对机遇的感知, 捕获机遇的能力以及对内部和外部挑战的应变能力, 它在很大程度上影响到企业对转型方向与时机的把握、转型战略的制定及战略转型的推进, 进而也影响到企业战略转型的成功。企业如果打算进行战略转型, 就必须按着转型所要经历的方向识别与时机把握、形成战略和推进战略转型三个阶段。企业要想准确识别转型方向, 把握转型时机, 就必须深入分析企业所处的内外部环境, 获取相关信息, 准确分析评估企业的各种资源与发展能力是否符合转型需要。这是一个非常关键的阶段, 很多转型以失败告终的企业大多由于未能准确识别转型方向和把握转型时机。在此基础上, 企业需要结合现实情况和对转型方向与时机的把握制定出转型战略, 这一过程是企业战略转型的核心和关键。新战略形成后, 企业必须突破原有战略的束缚, 彻底转换思维方式、以新的战略理念指导意识和行为的改变。同时, 企业还应通过自身的动态能力及时捕捉内外部环境带来的机遇和挑战, 客观真实地剖析自身优势、劣势, 从而实现企业自身资源与能力与外部发展环境相匹配。此外, 企业构建科学合理的组织体系, 这是因为只有进行组织变革才可以对企业日常运营的惯例与流程进行改变, 新的组织体系构架下, 组织成员通过学习吸收的动态能力实现新认识和新知识的转化, 这势必带来组织成员新能力的提升, 进而实现运营流程和经营惯例的变革。战略转型也会带来商业模式发生较大的转变, 为了适应战略转型的需要, 企业高层还应注重调整、再造商业模式能力的提升, 积极组织团队结合实际调整或再造新的商业模式。只有这一动态能力的提升才能真正推进企业成功的战略转型。此外, 推进企业战略转型的也离不开各种资源与能力的支持。企业此时必须通过动态整合能力实现对各种资源和能力的重塑与整合, 这种动态能力对于企业战略转型所起的作用也是举足轻重的。所以, 企业必须主动培育这种动态能力, 并借助不断学习积累和知识的汲取为成功转型打下坚实基础、为顺利转型提供推动力。

四、结语

本文利用动态能力理论对企业战略转型的关键因素加以分析, 找到了促使企业成功转型的有效策略。企业要有意识地培育并提升企业与复杂环境变化相匹配的动态能力, 实现顺利转型, 才能适应复杂的动态环境, 立于不败之地。

摘要：面对日益复杂严峻的动态环境, 企业如何实现战略转型成为可持续发展的关键。本文通过对企业战略转型过程传导机制的分析研究, 找出企业战略转型背景下转型成功的关键要素, 得出企业培育并提升动态能力对战略转型所带来的积极影响。

关键词：复杂,动态环境,战略转型,机制

参考文献

[1]吕萍, 李忠富.我国区域经济发展潜力时空差异分析[J].数量经济技术经济研究, 2010, (11) :37.

[2]芮明杰, 胡金星, 张良森.企业战略转型中组织学习的效用分析[J].研究与发展管理, 2005 (4) :99—104

动态复杂性第6篇

一、可视化仿真技术

当可视化仿真技术不断的深入到计算机行业中, 形成了相应的可视化技术, 此时不仅让仿真技术得到更好的发展, 同时也积极地帮助实际计算过程的信息转换, 而产生比较深刻的洞察力。而随着软件技术与计算机行业的不断发展, 其已经具有了图形化特征与高度的直观特征, 可视化已经逐渐发展为时代的主流。对可视化的系统模型, 不仅结构清晰、描述方便, 同时看上去也比较简单而直观, 让相应的系统构建变得更容易, 同时也提高了其可再用性以及软件的灵活性。

二、可视化仿真施工动态技术

对日前的主要发展阶段来说, 在实际的建筑施工领域中使用时间最长以及应用更加广泛的仿真性技术是采用循环仿真技术。日前, 其仍然处在实际的研究性阶段, 在不断实现桥梁施工的仿真技术应用时主要是要进行网络计划的模拟和整个施工动态的仿真研究。此时, 就可以将4D的可视化仿真技术主要应用在那些不确定的施工动态与进行模拟仿真研究中。将可视化技术应用到复杂的建设管理体系中, 要积极实现相应的流程, 首先就要对比较复杂的网络进行仿真处理, 来实现模拟与三维模型以及相应的施工进度进行综合性分析, 同时进行桥梁4D建模。然后, 在根据仿真模型的系统进行研究。而对那些比较复杂的桥梁动态施工来说, 很多成功的研究成果已经说明了整个系统在实际桥梁建设中的诸多优势, 特别是对那些不能确定的网络计划。以及在比较传统的管理器中是不具备弥补性作用, 其所具有的优势是这个系统充分实现了多种资源与施工进度的可视化预测分析与查询。要和比较复杂的建筑资源与施工工期进行使用以及相应进度的规划和资源状图的仿真使用, 从而将相应的图形效果积极呈现出来。

三、工程可视化系统研究

1. 系统组成

在相应的桥梁施工中, 动态仿真的可视化体系主要是经过不确定的网络模拟与4D建模、工程三维动态等多种系统所构成。如图所示:

2. 系统数据库

在相应的系统中, 其需要比较高效的管理参数与算法。所以, 就可以将相应的数据库直接引入到模型中去。其中, 系统的数据库中主要包括有方法库与模型库以及相应的数据库。

四、对多媒体网络不确定性的模拟与周期分析

在较大型的桥梁施工中其相应的周期比较长, 在整个施工中其相对投入的资源也比较多, 这就让工程与具体施工参数均呈现出很大的不能确定性。换句话说, 如果想要充分实现复杂大型的进度施工以及相应费用的仿真, 就要进行可视化网络不确定性的模拟仿真, 而所进行的可视化网络的模拟计划是比较关键的技术。在此方法之前的诸多方法中都是进行计划评审的网络模拟计划, 采用的实际计划评审通常情况下主要分为多个方面的评审与估算, 其相应工序的估算数值取值是a, 而对可能性的取值是m, 实际的施工周期中比较悲观的取值为b, 此时所采用的相应公式为:

利用上面的公式来进行工序持续时间的相对计算, 然后再采用比较关键的方式来对总的工期进行实际计算。而在很多的情况下, 评审计算的方法所取出来的数值要比相应的实际数值小很多, 同时方差也会相对增加, 这就会让实际的可靠性逐渐下降, 具有一定的研究性意义。

实际步骤是:

首先, 要对实际资源的实际束缚以及受限情况进行直接性判断, 同时也要对相应的施工工序以及施工时间进行明确与细化。要比较合理的使用特卡洛方式对每道工序所利用时间与成本进行仿真计算的精确。与此同时, 也可以依照预先的施工工序来进行比较复杂的仿真可视化进行研究。

五、对复杂桥梁工程施工动态可视化仿真具体分析

1. 有关可视化系统的组成与模块

在比较复杂的桥梁施工可视化系统中, 通常情况下采用的是三维动态模板以及比较复杂的桥梁模型和那些不确定的模块模拟等多个部分共同组成, 而在这几个不同的功能构造中, 不确定的三维动态与网络模拟都是比较复杂的施工动态系统技术。

比较复杂桥梁模型的建立, 不管是相应的施工周期还是比较复杂的结构以及较多的成本投资, 最终也就是让相应的构建标准与实际构造共同组成。而在比较系统的数据中进行大量的数据收集, 相应的用户要根据实际要求对数据进行有选择性的修改。而对一些比较基础的数据来说, 相应的用户要进行实际尺寸的输入, 同时也要积极构建具有针对性的系统模型。但是, 在整个模型的构建中, 实际用户必须要对各种模型进行资源以及进度的描述, 从而积极的实现多种项目的系统施工仿真信息资源进行完善而高效的模型实施。

而在那些不确定的多媒体网络模型中, 要根据多种不同的设计规划以及实际施工来对资源与进度进行有针对性的网络规划, 同时采用蒙特卡洛的实际方法来对不确定性的网络进行仿真的实际计算, 而从比较准确地计算工序来获取最佳时间进行参数, 从而来实现网络的仿真模拟, 同时根据相应的仿真模拟成本经费以及成果来进行资源与构建的替换。

对仿真结果的实际输出模式的构建。在这个模式系统中很大程度上实现了模拟结果的导出, 其导出内容包括有进度的规划流程、施工的周期以及对相关建筑资源的不断使用等。与此同时, 积极的实现高效的横道图与柱状图进行图形的仿真输出, 不仅如此还要相应的具备打印、预览以及扫描等多种功能高难度辅助性作用。

2. 有关可视化的仿真性数据系统

在相关系统的实际运行使用中, 系统要进行实际仿真模拟的算法、参数以及相应模型的管理, 同时也需要将相应的数据成功地使用在系统中, 其中相应的数据库系统主要有方法、数据库以及模型库等。数据库中最主要的就是资源数据库, 也就是在实际施工中要使用到的资源信息。比如:和桥梁相关的资源参数。有关工序时间相关的数据库, 如:有关工序时间的实施统计参数以及相应工序时间的主要特征。首先, 要进行项目类比的相关项目资源库的构建, 同时也要积极地进行桥梁资料的直接输入, 而在组建的相应数据工程中, 对施工的方法与实际规模以及相应的施工工序等都要进行比较全面的分析, 同时也要对技术人员提供比较准确的信息支持。而在相应的方法数据库中, 记录有顺序性施工、平行性施工以及蒙特卡洛的多种施工方式。在单元模型库中主要涵盖有排队节点以及控制性节点和复合性节点等多种节点。在一些可视化系统的实际应用中, 对某个比较复杂的桥梁施工, 其所设涉及到的施工进度与桥梁尺寸以及相应的资源需求量, 均可以采用可视化的系统模拟设施来积极获得仿真结果。

六、结语

动态复杂性第7篇

驾驶人生理-心理特性对交通安全的影响主要表现为其驾驶倾向性[1], 汽车驾驶倾向性是汽车行驶过程中操控者情感偏好等特征的动态测度, 常常伴随车辆编组复杂关系的时变性而发生转移, 并引导驾驶人意图的演化, 其类型可分为:保守型、普通保守型、普通型、普通激进型、激进型。以往研究多集中于从相对静态和宏观角度出发的驾驶人心理特性测量和交通安全影响, 而关系汽车主动安全方面的, 对驾驶人情感状态进行微观、动态测度和计算的研究很少。Lana M.Tric等[2]研究了图像对驾驶人情感及其行为的影响, 研究发现车内显示屏的不同图像能够刺激驾驶人, 使其产生短暂情绪, 从而影响其风险感知能力和操作转向能力, 研究结果表明具有正面影响的图像使驾驶人具有更好的车辆操控能力。Scott-Parker Bridie等[3]为了研究驾驶人的知觉倾向、敏感度、愤怒等与冒险驾驶之间的关系, 针对390名17~25岁的驾驶人在6个月内完成了2项在线调查。研究者建立的结构方程模型可以通过知觉倾向、敏感度、愤怒等指标预测冒险驾驶行为。研究表明, 对男性驾驶人来说, 可仅利用其敏感度来预测冒险驾驶行为。但该研究未考虑冒险驾驶对驾驶人生理心理的反作用。SchmidtDaffy Martin[4]从驾驶人情绪角度出发, 通过增加任务、降低道路能见度等措施检测驾驶人相关特征指标及驾驶速度, 指出恐惧与焦虑能够使驾驶人在驾驶过程中保持谨慎。Ernst Roidl[5]通过调节目标一致性、目标相关性以及事故责任因素等, 设置了不同的交通场景。参与者通过在线调查来感受已设定的不同交通场景并评估自己的情绪, 从而研究交通场景、人格特征、情感体验之间的关系。研究表明愤怒、焦虑以及希望、满意度等积极心理情感与交通场景的设定是紧密联系的。吴超仲等[6]研究了驾驶人愤怒情绪下的驾驶行为特征, 识别了愤怒驾驶状态, 研究了愤怒情绪对驾驶人生理心理的影响, 探讨了愤怒驾驶对交通安全的影响。严利鑫等[7]分析了驾驶人性别、年龄、驾龄等自身因素对驾驶愤怒情绪产生的影响, 实验结果表明, 男性驾驶人在驾驶过程中产生愤怒情绪的概率要高于女性驾驶人;年长驾驶人出现驾驶愤怒情绪的概率显著高于年青驾驶人;而随着驾龄的增加驾驶人平均愤怒等级逐渐降低。王晓原等[8]对自由流状态下的汽车驾驶倾向性进行了研究, 通过设计心理问卷测试、观察实验以及实车实验获取相关数据, 采用基于BP神经网络的特征提取方法提取驾驶倾向性的特征数据, 并建立基于支持向量机的驾驶倾向性辨识模型, 利用实验数据对采用的方法和模型进行了验证。此外, 王晓原等[9]对车辆跟驰状态下的驾驶人倾向性特征也进行了研究, 采用神经网络分类器, 以及误差反向传播算法, 确定了车辆跟驰下作为神经网络输入层的微观动态信息 (车辆运动状态、驾驶人操作行为、驾驶环境等) 与驾驶人倾向性类型隐含层之间的连接权重, 并运用离散粒子群算法, 对驾驶倾向性的特征数据进行提取。为了进一步探索不同交通场景下的汽车驾驶倾向性特征, 王晓原等[10]运用遗传模拟退火算法, 提取了2车道场景不同车辆编组状态下驾驶倾向性特征向量。然而, 多车道复杂环境下汽车驾驶倾向性表征向量往往是变化不一的, “环境复杂度”不同, 对应的“区划方法”不同, 驾驶倾向性的特征向量也不一样。所以, 驾驶倾向性特征数据以及辨识模型也应随着环境的变换而做相应的改变。笔者以3车道为例, 拟通过生理节律推算, 性格测试实验, 驾驶心理、驾驶情绪的动态测定实验和实车实验, 获取多车道不同车辆编组关系下各倾向性类型 (如激进型、普通型和保守型等) 驾驶人的人、车、环境等微观动态信息, 运用粗糙集理论, 提取不同交通态势下驾驶倾向性类型特征向量。

1 交通态势复杂性分析

交通态势由动态变化的交通实体构成, 对驾驶行为的选择起重要作用。交通态势的复杂性通过不同的车辆编组构成加以体现。车辆编组关系是目标车在行驶过程中与周围车辆所形成的某种动态排列空间布局, 一定程度上影响目标车驾驶行为状态, 并引导驾驶人倾向性的演化。同时, 不同车辆编组形式对目标车驾驶人的影响程度不同。交通态势可分为3种情况, 分别为目标车位于中间车道、左车道、右车道。相应的车辆编组关系也可划分3种情况:目标车位于中间车道、左车道、右车道。限于篇幅, 本文以目标车位于中间车道为例, 且仅列出其中部分车辆编组关系, 见图1与图2。

可将上述车辆编组关系进一步简化, 将左前车、左车、左后车、右前车、右车和右后车6类干扰区内的车辆划分为左侧干扰车和右侧干扰车两大类, 当目标车左侧或者右侧有多于1辆的限制车时, 若2车之间距离满足目标车插车所需要的最小可插车间隙时, 假定只有空间距离 (沿目标车速度方向与目标车之间的距离) 最近的车辆对目标车构成限制;若2车之间距离不满足目标车插车所需要的最小可插车间隙时, 将2车合并为1辆干扰车。据此可将复杂的车辆编组关系约简为如图3 (限于篇幅, 仅列出目标车位于中间车道时车辆编组关系约简示意图) 所示的结果。

根据上述方法进行约简可知, 3车道情况下, 约简后的车辆编组关系为32种。由图3可知, 目标车位于中间车道车辆编组关系8种, 分别用T1至T8表示。限于篇幅, 笔者以目标车位于中间车道为例, 对简化后的8种车辆编组关系分别进行驾驶倾向性动态特征提取。

2 多车道复杂环境下驾驶倾向性特征提取

动态时变的汽车驾驶倾向性可以通过车辆自身的速度、加速度、车间距, 驾驶人自身心理、生理、加油频率、制动频率、加油力度、制动力度等特征以及车辆间的可插车间隙、横向间隔距离等指标反映出来。

2.1 粗糙集理论

粗糙集 (rough, RS) 理论[1,2,3,4,5,6,7,8,9,10,11,12,13]是1982年由波兰学家Z.Pawlak提出的, 是1种研究不完整、不确定知识和数据的表达学习、归纳的理论方法。粗糙集基本理论如下。

一般地, 信息系统S可表示为有序四元组

式中:U={x1, x2, …, xn}为有限个处理样本的集合, 即全体样本集;A为有限个属性的集合, 属性集A可进一步分为2个互相独立的子集, 即A=C∪D, ;C为条件属性集, 反映对象的特征;D为决策属性集, 反映对象的类别;V=∪P∈AVP是属性值的集合, VP表示属性P∈A的属性值范围, 即属性p的值域;f=U×A→V称为信息函数, 用于确定U中每1个对象x的属性值, 即任一q∈A和xi∈U, f (xi, q) ∈Vq。

对于任一属性子集BA, 若有

则R (B) 称为不可分辨关系, 属性子集B将全部样本集U划分成若干等价类, 各等价类内的样本集是不可分辨的。

对于任意样本子集X∈U, 如果满足

B- (X) 称为X的B下近似 (B (x) 为对任意x∈X, 满足不可分辨关系R (B) 的等价类) , 如果满足

B- (X) 称为X的B上近似。B- (X) 与B- (X) 相减得BNB

称为X的B边界区域。在此基础上定义X的B正域和B负域, 分别用posB (X) 和negB (X) 表示

posB (X) 为依属性子集B, U中所有一定能归入集合X的元素构成的集合;negB (X) 为依属性子集B, U中所有不能确定一定归入集合X的元素构成的集合。

特征选择与提取实质上就是1个属性约简问题。对等价关系族R, 存在r∈R, 若

则称r为R中可省略的, 否则称r为R中不可省略的, ind (R) 表示集合中元素关于R不可分辨关系。对于属性子集 , 若存在Q=P-r, , 使得ind (Q) =ind (P) , 且Q为最小子集, 则称Q为P的1个约简, 记为red (P) 。简化集red (P) 的交集称为P的核, 记为core (P) =∩red (P) 。令P和S为U的2个等价类, U关于S的商集U|S={X1, X2, …, Xn}, S的P正域为

若存在r∈R有posP (S) =posP-{r} (S) , 则称r为P中可省略的, P-{r}为S的相对约简。

在对决策表进行约简前, 需要对其进行离散化处理, 传统的离散化处理方法容易丢失信息, 且离散化结果的质量亦没有保障, 采用有监督的离散化方法如最小信息熵法[14]可以在一定程度上解决这些问题。采用启发式贪心算法进行属性约简, 其构造为:

如果属性a中的a (xi) ≠a (xj) , 那么a (xi, xj) =1, 否则a (xi, xj) =0。

2.2 实验设计

2.2.1 实验设备

城市道路环境下, 运用动态人车环境信息采集系统, (如图4所示, 有SG299-GPS非接触多功能测试仪, BTM300-905-200激光测距传感器, 高清摄像头, Minivcap监控系统, 高清摄像机, 笔记本电脑等) 。采集实验数据并处理, 提取驾驶倾向性动态特征数据。此外, 所用软件有SPSS17.0, 会声会影10.0等。

2.2.2 实验内容

设计实验获得驾驶人性格、生理节律等标准数据 (通过心理问卷测试、生理节律推算等方法[15]获取) , 通过加权计算对驾驶人倾向性进行动态预判, 确定实验过程中驾驶人倾向性类型。考虑到血压、心率等指标测量的侵入性较强, 影响驾驶人操作行为, 本次选取可通过非接触测量获得的驾驶人反应时间, 包括视觉反应时间、选择反应时间、辨别反应时间和操作反应时间。行驶实验涉及城市3车道环境下八种车辆编组关系, 运用动态人车环境信息采集系统采集实验数据。

2.2.3 实验条件及对象

实验选取天气晴朗、路面干燥的实验条件, 时间是正常工作日的上午08:30~10:30时, 道路交通状况繁忙, 但未达到拥堵状态。实验样本容量为50名, 男性驾驶人41名, 女性驾驶人9名, 年龄分布在27~58岁之间, 平均年龄34.6周岁, 驾龄分布在3~22年之间, 平均驾龄8.16年。

2.2.4 实验地点及道路状况

选取山东理工大学东门—南京路—联通路—世纪路—张周路—南京路—山东理工大学东门为实验路线, 见图5。交通状态为非自由流, 天气及道路状况良好。实验过程中, 50名驾驶人沿实验路线循环行驶, 每名驾驶人可被采集到多组数据。

2.2.5 实验数据

实验采集数据分为生理特征和车辆运动特征。部分生理特征数据见表1。

实验可获得的车辆运动特征见表2。

通过采集驾驶人换道过程中的可插车间隙, 获取每位驾驶人的期望插车间隙 (本次实验取每位驾驶人插车间隙的平均值) ;然后根据实验过程采集到的驾驶人实际插车间隙和期望插车间隙作比较:当实际插车间隙小于期望插车间隙时, 定义为冒险换道;当实际插车间隙大于期望插车间隙时, 定义为保守换道;当实际插车间隙等于期望插车间隙时, 属于正常换道, 不记录在内 (或者冒险换道和保守换道各增加1次) 。部分车辆运动特征数据见表3。

2.3 特征选择

2.3.1 生理特征选择

实验中每位驾驶人共有4类反应时间数据, 从每种驾驶倾向性类型的实验数据中选取典型的30组数据, 共150组实验数据, 运用最小信息熵的方法进行离散化处理, 以及贪心算法对离散化后的决策表进行属性约简。经过反复计算, 最终优选结果为t4, 即驾驶人的操作反应时间。

2.3.2 多车道环境下车辆运动特征提取

以T3车辆编组关系为例, 对多车道环境下车辆运动特征进行提取。最终CUT (集合CUT是C, U, T3个集合的交集) 中包含的条件属性有e1, e7, e12, e13, e14, e15, e16和e17, 即前后车间距、相对速度、冒险换道频率、保守换道频率、加油频率、制动频率、加速力度和减速力度。

同样的方法对其他几种车辆编组关系下的驾驶倾向性特征数据进行提取, 最终获得8种车辆编组关系下的驾驶倾向性特征数据见表4。

2.4 验证

运用3车道不同车辆编组关系下提取的特征向量进行驾驶倾向性动态辨识和仿真验证。利用动态贝叶斯网络建立时变环境下驾驶倾向性动态辨识模型, 并将辨识结果与预判结果进行比较 (限于篇幅不再赘述) , 辨识准确率见图6。

仿真验证结果如图7所示, 模拟1为仿真过程中未动态考量驾驶倾向性的情况, 模拟2为考虑驾驶倾向性时变规律并实时用于仿真过程的情况。验证结果表明, 笔者提取的多车道复杂车辆编组关系下汽车驾驶倾向性动态特征向量适用于准确辨识驾驶人倾向性。

3 结束语

动态复杂性第8篇

1 基于动态数据挖掘的钻井复杂诊断专家系统设计

1.1 系统应用目标

钻井公司统一将该专家系统配备给各个钻井队, 作为各钻井队现场技术人员的计算机辅助工具。各钻井队会将本队所处理的钻井复杂情况或钻井事故信息向事故诊断中心发送, 钻井复杂情况专家系统在动态接收复杂情况数据流信息以后, 实时的对数据流信息进行动态挖掘分析, 挖掘出各种复杂情况的典型信息, 保存在钻井复杂情况临时案例库中, 作为对系统原知识库进行更新之用, 各个钻井队可以根据最近的知识库对发生的各种钻井复杂情况做出预测和判断, 从而找到最佳的问题解决方案。

1.2 系统模型

将动态数据挖掘技术与案例推理技术相结合, 提出了一种基于动态数据挖掘的案例推理专家系统新模型。如图1所示。

当钻井队遇到新问题时, 技术员就会通过人机接口对新问题进行描述, 汇集成目标案例, 然后通过检索器在知识库里查找是否有相似案例, 如果有相似案例则把相似案例传给技术人员, 如果没有相似案例则重新反馈给检索器, 对临时案例库进行搜索看是否有相似案例。

技术人员会根据自己的经验和知识对所搜索到的相似案例进行判定是否可用, 如果不可用则直接反馈给人机接口对问题重新进行描述;如果可用, 则对案例进行必要地修改, 然后将修改后的案例保存在临时案例库, 对案例库进行更新, 以解决类似的问题。

2 动态数据挖掘

动态数据挖掘实现过程大致如下, 首先从动态数据源中动态采集有用的数据, 进行动态的处理, 使之更能满足我们对数据的需要, 然后对处理过的数据进行挖掘分析, 得到这些数据中所隐含的必要知识, 最后重要的步骤是对挖掘的知识进行评价, 如果评价结果不能够满足要求, 则对数据进行重新挖掘, 以挖掘到能够满足需要的知识。动态数据挖掘的体系结构如下图2所示。

将其动态数据挖掘过程大致分为动态数据采集、动态数据处理、数据挖掘和挖掘评价几个部分:

1) 动态数据采集:过去的或现在的数据信息可以一次性的采集完成, 而未来的数据采用滑动窗口分步采集获得;

2) 动态数据处理:动态数据处理包括消除噪声、确实数据处理、类型转换、特征提取以及数据降维处理等;

3) 数据挖掘:对时间要求不强的数据, 每个时间间隔后就启动一次挖掘, 但是每次挖掘必须要在下一次挖掘启动之前完成;对于时间要求很强的数据, 要用动态挖掘技术;

4) 挖掘评价:挖掘评价是对挖掘结果的一种检测, 如果检测结果符合要求则说明挖掘的新知识是有用的, 否则就调整挖掘过程中的数据采集方法或动态数据的处理形式进行重新挖掘。

3 临时案例库动态生成

对动态接收的钻井复杂信息数据进行实时挖掘以后, 利用数据流聚类算法动态生成案例推理中的临时案例库。本文采用动态聚类算法中的c-均值法。

动态聚类c-均值法的基本思想:首先需要先对样本集进行初始划分, 即选定聚类的核心, 然后对样本进行初始分类, 初始分类后通过计算误差平方和来决定样本是否需要移动。

钻井事故信息中心在实时获得各钻井队传过来的复杂情况信息以后, 会将获得的数据信息进行分类, 按照不同的形式进行暂存如分为地质情况和钻井复杂情况。对数据进行分类暂存后, 形成各种地质情况数据块和钻井复杂情况数据块。

对数据块进行统一的数据处理以后, 使用上面所介绍的动态聚类c-均值算法进行实时动态挖掘, 然后从中获得到钻井过程中遇到复杂情况的典型信息和有用的新知识, 将这些信息保存在系统的临时案例库中。

4 知识库的更新

在获得钻井复杂情况临时案例库的同时, 在原有系统知识库的基础上, 将案例库中的钻井复杂情况数据与工作人员对问题的描述形成的目标案例的数据进行差异对比, 计算它们的相似度。如果相似度超过设定的某个阙值, 则可认为是相似的, 一方面将临时案例库中的案例传给工作人员, 另一方面对该案例进行必要地修改保存到系统的知识库, 实现对系统的及时更新。

这样不仅有效地遏制了直接添加知识库所带来的数据爆炸式增长、提高信息检索的效率, 而且可以提高知识的准确性和及时性, 减少知识库中知识的重复。

5 结论

基于动态数据挖掘的案例推理钻井复杂情况专家系统与传统的基于案例推理专家系统相比较, 不仅能使系统的案例库得到实时的更新, 并且有利于提高了系统对于解决新问题的能力。

动态数据挖掘技术使传统的基于案例推理的专家系统的知识库达到了”起死回生”的效果。将动态数据挖掘技术与案例推理技术相结合的方法有着广泛的应用前景。

摘要：传统的基于案例推理的钻井复杂诊断专家系统的知识库往往长期得不到更新呈现“死库”状态, 知识的不能及时获取和知识库的不能实时更新成了影响其发展的瓶颈。为满足实际的需求, 本文提出了一种基于动态数据挖掘的案例推理钻井复杂诊断专家系统, 该系统不断对数据进行实时挖掘产生了新的案例, 这些新的案例又组成了一个临时案例库, 从而实现了对系统原知识库的实时更新。

关键词：钻井复杂情况,动态数据挖掘,案例推理,专家系统

参考文献

[1]王宝毅, 张宝生, 费沿光, 赵日升.基于案例推理的钻井复杂情况专家系统[J].石油大学学报:自然科学版, 2005, 29 (6) :123-126.

[2]滕明鑫, 熊忠阳, 张玉芳.动态数据挖掘研究[J].计算机应用, 2008, 28 (6) :160-165.

[3]戴奇波, 倪志伟, 王超, 姜苗.基于动态数据流挖掘的案例推理及其应用[J].计算机工程与应用, 2011, 47 (19) :31-34.

[4]司开君, 毛宇光.一种新的基于数据流的数据模型[J].计算机技术与发展, 2007, 17 (1) :1-3.

[5]邓聚龙.灰色系统基本方法[M].武汉:华中理工大学出版社, 1990, 91.

本文来自 99学术网(www.99xueshu.com)，转载请保留网址和出处

【动态复杂性】相关文章：

计算复杂性08-02

组织复杂性08-02

建筑的复杂性05-22