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(jì)算機(jī)應(yīng)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(xué)亂CAD工程中心；b電氣工程學(xué)院，成都610031)摘要：針對(duì)具有模糊性、缺乏系統(tǒng)性和主題性的新產(chǎn)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(jìn)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(gè)性化要求、

2、特征及相應(yīng)的模糊量值結(jié)合起來建立其形式化模糊物元模型，應(yīng)用模糊物元優(yōu)化方法將客戶多需求優(yōu)化問題轉(zhuǎn)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(yīng)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(jìn)性。最后將該算法應(yīng)用于某型號(hào)汽車外觀造型設(shè)計(jì)的客戶創(chuàng)意挖掘中，有效指導(dǎo)了產(chǎn)品創(chuàng)新的實(shí)施。關(guān)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(hào)：TP391文獻(xiàn)標(biāo)志碼：A文章編號(hào)：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(gè)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(chǎn)模式?？蛻舻膫€(gè)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(chǎn)品使用中形成的對(duì)產(chǎn)品的一系列獨(dú)特認(rèn)識(shí)，蘊(yùn)涵著大量的創(chuàng)新性思維，市場(chǎng)準(zhǔn)確性高、

9、適用性強(qiáng)，對(duì)企業(yè)開發(fā)新產(chǎn)品具有很好的啟發(fā)和市場(chǎng)導(dǎo)向作用。然而創(chuàng)意過程是一個(gè)思維發(fā)散的過程，具有模糊性和不確定性等特點(diǎn)。因此如何對(duì)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(jìn)行挖掘是企業(yè)產(chǎn)品創(chuàng)新開發(fā)和快速應(yīng)市的關(guān)鍵。文獻(xiàn)[2]以利潤最大化以及滿足客戶需求為目標(biāo)，提出一個(gè)多目標(biāo)規(guī)劃模型，對(duì)眾多客戶的需求進(jìn)行最優(yōu)選擇，進(jìn)行有效的生產(chǎn)指派。文獻(xiàn)[3]建立了客戶傾向模型，通過關(guān)聯(lián)分析法量化市場(chǎng)調(diào)研和客戶需求，采用最大樹模糊聚類法進(jìn)行基于屬性

10、重要度的客戶群體劃分和市場(chǎng)細(xì)分，獲取客戶群體消費(fèi)傾向，為客戶需求的工程特征轉(zhuǎn)換、進(jìn)行產(chǎn)品族規(guī)劃提供數(shù)學(xué)準(zhǔn)備和數(shù)據(jù)支持。然而，針對(duì)新產(chǎn)品開發(fā)前端客戶提出的具有模糊性和不確定性的個(gè)性化需求，現(xiàn)有挖掘算法的數(shù)學(xué)模型大多具有一定的局限性，常忽略實(shí)際應(yīng)用中存在的模糊定性化信息，無法運(yùn)用形式化工具從定性和定量?jī)蓚€(gè)角度描述問題，并且其收斂速度難以適應(yīng)產(chǎn)品開發(fā)過程客戶個(gè)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(yīng)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(chǎn)品使用過程中，形成了對(duì)產(chǎn)品一系列獨(dú)特的認(rèn)識(shí)。為了追求產(chǎn)品的最大化效用，他們會(huì)對(duì)產(chǎn)品的各項(xiàng)屬性，如產(chǎn)品的功能、效用、樣式、特色、品牌、價(jià)格、服務(wù)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(diǎn)便是創(chuàng)意的雛形。然而有些要求和希望所表達(dá)的指標(biāo)往往相互矛盾，并且一些目標(biāo)函數(shù)只能由模糊定性的評(píng)語給出。此外，即使各需求

12、目標(biāo)函數(shù)能用常規(guī)數(shù)學(xué)函數(shù)表達(dá)，其最優(yōu)點(diǎn)往往不是同一點(diǎn)，很難使各項(xiàng)需求同時(shí)達(dá)到最優(yōu)。為了解決客戶創(chuàng)意多目標(biāo)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(xiàng)目：國家“863／CIMS”主題資助項(xiàng)目(2006AA04Z112)；四川省科技攻關(guān)計(jì)劃資助項(xiàng)目(07GG012001)作者簡(jiǎn)介：陰艷超(1977一)，女，博士研究生，主要研究方向?yàn)閰f(xié)同設(shè)計(jì)技術(shù)、網(wǎng)絡(luò)化制造(yinye@163corn)；孫林夫(

13、1963)，男，浙江紹興人，教授，博導(dǎo)，主要研究方向?yàn)橹悄蹸AD技術(shù)、協(xié)同設(shè)計(jì)技術(shù)、網(wǎng)絡(luò)化制造；郭成(1978一)，男，河南人，博士研究生，主要研究方向?yàn)橹悄芸刂频?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(gè)搜索空間R中隨機(jī)產(chǎn)生m個(gè)粒的位置(t)和速度(t)，組成初始微粒群體。設(shè)定最大進(jìn)化代數(shù)，當(dāng)前進(jìn)化代數(shù)t=1；設(shè)定加速度常數(shù)c、c。b)對(duì)于每個(gè)粒子，計(jì)算其在每一維空間的適應(yīng)值(i=1，2，，

14、m)。c)對(duì)每個(gè)微粒，比較其當(dāng)前適應(yīng)度和個(gè)體極值P。若優(yōu)于P。，則更新其個(gè)體極值；否則保持不變。d)將所有微粒的個(gè)體極值與微粒群當(dāng)前的全局極值進(jìn)行比較，選取最優(yōu)者作為當(dāng)前全局極值。e)根據(jù)式(1)更新各微粒的位置和速度。f)自適應(yīng)變異操作。根據(jù)式(2)給出的自適應(yīng)變異概率，對(duì)惰性微粒和較差微粒進(jìn)行突變操作，隨機(jī)產(chǎn)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(jìn)化產(chǎn)生。g)終止條件判斷。若不滿足終止條件，轉(zhuǎn)到步驟c

15、)；否則輸出優(yōu)化結(jié)果，算法結(jié)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(shè)置如下：C(i=1，2，，m)表示客戶創(chuàng)意；d(1≤i≤k)表示每個(gè)客戶有k個(gè)需求目標(biāo)；為最大進(jìn)化代數(shù)；￡為當(dāng)前代數(shù)；c。、c：設(shè)定為加速度常數(shù)((X))(i=1，2，，m；=1，2，，k)表示第i個(gè)客戶創(chuàng)意的第項(xiàng)需求指標(biāo)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(shí)驗(yàn)隨著經(jīng)濟(jì)的發(fā)展和社會(huì)的進(jìn)步，人們對(duì)汽車的多功能、差異化和個(gè)性化需求越來越強(qiáng)烈，及時(shí)準(zhǔn)確地挖掘客戶創(chuàng)意、預(yù)測(cè)客戶的需求變得越來越困難。本文以某型號(hào)轎車的外觀造型設(shè)計(jì)為例，在客戶的個(gè)性化需求中尋求最佳創(chuàng)意?？蛻羰紫鹊卿浽撔吞?hào)轎車的電子產(chǎn)品倉庫系統(tǒng)，通過圖形化、符號(hào)化表達(dá)提交相關(guān)建議和想法，經(jīng)過規(guī)范化和

19、分類處理后得到其個(gè)性化需求主要體現(xiàn)在車燈外形、進(jìn)風(fēng)格柵、前面分割線、側(cè)面分割線、側(cè)面輪廓線、腰線、尾部輪廓；客戶希望達(dá)到的目標(biāo)為整體形態(tài)風(fēng)格突出、各處造型突現(xiàn)美學(xué)特點(diǎn)、空氣動(dòng)力學(xué)特性好、布局合理、材質(zhì)好、人機(jī)性能好、價(jià)格合理等。為了證明AMPSO算法對(duì)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(hào)轎車的外觀造型設(shè)計(jì)為例，對(duì)本文所提AMPSO算法與PSO及遺傳算法進(jìn)行了80次比較實(shí)驗(yàn)。各算法參數(shù)設(shè)置為：算法的種群維數(shù)D=7，種群規(guī)模(

20、客戶)m=50，進(jìn)化代數(shù)t=300；標(biāo)準(zhǔn)PSO算法慣性權(quán)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(yīng)變異PSO算法變異概率計(jì)算中，=02，r=03，r=05，給定閾值s為0o1，給定次數(shù)l為15。根據(jù)客戶在生活形態(tài)、美學(xué)趨向、操作習(xí)慣和文化背景等方面偏好趨勢(shì)的不同，利用層次分析法確定客戶各項(xiàng)需求的復(fù)合權(quán)重物元：=【nQ。nnaa]在客戶對(duì)汽車外觀造型的個(gè)性化需求空間產(chǎn)生初始化種群，根據(jù)式(3)其復(fù)合模糊物

21、元形式表示為R307形態(tài)風(fēng)格美學(xué)特點(diǎn)空氣動(dòng)力學(xué)特性布局材質(zhì)人機(jī)性能價(jià)格Cl(x))2(x))3(x))(x))5(x))6(x))7(x))c2’。‘c30I(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(yīng)值函數(shù)根據(jù)F=K~／x計(jì)算。其中：K為關(guān)聯(lián)度；／x(0／zd≤1)為動(dòng)力性能模糊約束量；(0／x≤1)為燃油經(jīng)濟(jì)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(shù)條件模糊約束量。通過MATLAB編寫三種算法程序進(jìn)行創(chuàng)意優(yōu)化，最終計(jì)算結(jié)果比較如表1所示。表1實(shí)驗(yàn)結(jié)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(duì)進(jìn)風(fēng)格柵、側(cè)面輪廓線和車燈三部分的個(gè)性化需求。各算法性能比較如圖1所示。lteranm圖1最大適應(yīng)值變化曲線由圖1可以更直觀地看出：自適應(yīng)變異PSO算法較其他兩種算法更具有明顯