开题报告----基于半环约束的限制优化诊断.docVIP

毕业设计综合设计报告 学生姓名： 学 号： 专 业： 自动化 设计题目： 基于半环约束的限制优化诊断 指导教师： 刘兆伟 基于半环约束的限制优化诊断 整体思路 约束优化在人工智能中是中心问题。针对这个课题我构造了在点阵基础上的作为限制优化问题基于模型的诊断。我将展示基于软约束的框架工作，称之为半环约束。被良好设计的精确属性半环约束，我将展示它如何在一个框架工作中被半环限制满足问题所获取,在把诊断问题分解为树形结构和运用动态程序中，被良好定义的半环限制满足问题的精确属性允许设计一个有效的解决方法。 许多问题在人工智能中被构造成优化问题，任务是给一个变数组找一个最好的分配方式，如此，一套约束被满足。形式主义为软的约束[19，2]目的在于更加接近的实现约束优化和限制问题。这个元素可以被阐释由于重量，成本，效用，可能性，或优先权。一个一般骨架为软半环约束[2]被基于——一个半环。半环行动各自规划和联合。 技术示范基于模型诊断，在由点阵偏好结构和强约束组成的普通优化问题，能构成半环约束，全球目标函数和偏爱水平控制。它提高实际效用的半环约束，将领框架结构，不一样的概念的基于模型诊断（最小基本诊断，最小子集诊断，概率的诊断)能容易获得由选择一个合适的半环。在这个过程中，我利用基于模型诊断中的假设作为优化问题的特殊资产。 为传统约束满足问题，当地协调技术【14】提供最有效的解决问题方法。半环约束的精确属性保证了当地协调是适用的，除了它在树结构评价方案中被组织成直接协调。详述前期工作[6，7，13]， 基于树分解和即时动态程序为解决半环约束满足问题我提供了一个算法，它能用于有效计算诊断问题的大量初始解。 1各个模块简介 部分1定义在点阵下基于模型的优化限制诊断。部分2回顾C半环约束。部分3提出在点阵基础上构造优化约束框架，以C半环作为特殊诊断，在全部目标函数下定义条件。部分4提出基于树分解和动态程序的有效解决C半环的算法。部分5展示二诊断算法和三层树结构，这可被看做是基于C半环限制约束的特殊例子。 1在点阵基础上的优化限制诊断 定义1(约束系统)一个约束系统{，⊥}一个元组={x1，。。。，}一个变数组{d1，。。。，}一套精确的定义，f为返回整型值的函数={f1，。。。，}一套约束。约束f定义了一些功能允许可控变量和不可控变量的值。 例如，布尔多核线路[21]可以被构造作为一个有不同变量值的约束系统，f为返回整型值的函数，变量从 a到z在{0，1}中取值，而变量o1到a2从{G,B}中取值，如果一个变量完好，那么它正确的形式是布尔变量。如果一个元素被破坏，那么它的行为没有任何假设。这个“未知的模式”捕获约束的悬挂概念，暂且，我们假设观察值包含在一系列约束中。我们会回来研究他们如何在运行时被加入。 第1点。布尔多层例子由三输入或门和二输入与门。输入，输出值可以被直接观察出。 接下来，我们用t ↓Y表示子集变量Y来表示元组T的坐标。给一个约束系统c一个子集的变量，一个解一个元组变量，这里存在一个变量的延伸。 通过一个目标函数去定义解决方法的偏好水平，优化扩展了约束系统。 定义2(目标函数)一个目标函数u 。A中的每个子集中的元素存在最大下界和最小上界。 在诊断中，z代表了模式变量。例如，在第1点中的布尔变量z代表一系列的变量取值{o1，o2，o3，a1，a2}。诊断的不一样的概念代表不一样的目标函数和点阵。在最小取值诊断A代表一个全序的整数集价值≤U代表每个功能模块中错误模块个数在概率诊断【4】中，A基于全序在【0，1】中取值≤U联系着每个功能模块的可能取值。在最小子集诊断【15，4 】中，A基于特殊顺序是Z的子集点阵，每个不同的模块设备代表不同的错误模块功能。人能考虑更远的的例子，例如，联想一个修理费用或部分地彼此模式分配订购用户偏好。 对于第1点中的多核布尔实例，如果我们假设或门有1%失败概率，，门有。5%失败概率。 2半环限制满足问题 半环约束是一个“软”约束的构造，约束被延伸到包括一个偏好水平。半环限制满足问题归入许多其他偏爱约束 ，例如模糊限制满足问题，概率限制满足问题，或局部限制满足问题。 定义3 半环C是一个元组 。 1,A是一个配置，包括0和1. 2+操作是可交换的，关联的，幂等 3。×操作是可交换的， 4。×和+遵从分配率。 例如Sb = ({0, 1}, ∨, ∧, 0, 1)形成一个C半环，部分序列定义了偏好