实例推理：基于相似案例的问题解决技术

实例推理是一种基于已存在的相似案例而通过对其进行直接重用或修改重用来解决现存一系列问题的推理技术。实例推理技术可追溯至20世纪80年代早期Schank及他的学生的研究成果中。Schank的动态记忆模型是早期实例推理系统的基础，包括Kolodner的CYRUS模型^[1]与Lebowitz的IPP模型^[2]。与实例推理相似的技术，如法律推理、记忆基础推理（基于大规模并行机器的推理）及与基于案例（CBR）相结合的推理技术也在同期出现。20世纪90年代，CBR技术在国际上广泛传播与发展。CBR技术也催生了一系列优秀的推理系统，如早期Lock-heed的CLAVIER系统。此外，CBR还广泛应用于商业领域和医疗领域。

实例推理模型主要包括：检索（Re-trieve）、重用（Reuse）、修正（Revise）和保存，如图5-4所示。

图5-4 实例推理模型

1.实例检索

实例检索指针对特定问题，从案例知识库中寻找与之相关的成功案例来解决该问题。一个完整的案例包括问题分析、解决方案及该解决方案的推理机制。实例检索的效率决定了整个实例推理系统的运行效率，而影响实例检索效率的因素主要包括知识的规范化表达方式及实例检索算法等。

知识的规范化表达指将已得到的案例相关参数通过规范化的表达语言呈现至推理机中。对于废旧机电产品再制造而言，其指将待修复的废旧零部件的基本信息转化为推理机能够识别的语言，以便实施实例检索与匹配。近年来，基于本体的知识建模技术广泛发展，构造本体被看作是改进知识工程过程、增强知识共享和重用，以及促进异构系统间互操作的重要手段。本体在机械产品智能设计领域中的应用主要表现在产品设计知识的表示、检索、重用及本体集成等方面。

常见的本体表达语言主要包括XML、OWL、RDF、CYCL等。其中，OWL在已有标准的基础上添加了大量的基于描述逻辑的语义原语，因此其具备更加高效的知识推理机制，并能够清楚地表达不同领域知识之间的关联性。(www.xing528.com)

高效的检索算法能够有效降低检索时间，从而提高检索效率。目前基本的检索算法主要包括顺序搜索、二分搜索、差值搜索、斐波那契搜索、数表搜索、分块搜索及哈希搜索等。

2.实例重用

实例重用指在进行实例检索的结果中，选取与待解决问题最为相似的实例作为该问题的参考解决方案。实例检索的结果往往不会局限于某一个相似实例，而是能够检索出与待解决问题相似的若干实例。

3.实例修正

实例修正指对于检索出的相似实例而言，其解决方案可能与待解决问题存在矛盾冲突，因此往往不能直接将检索出的相似实例所用的解决方案直接套用在待解决的问题中。这就需要对相似实例的解决方案根据待解决问题的实际情况而进行相应修正。对废旧机电产品再制造工艺决策而言，其检索出的工艺实例与当前废旧零部件的工况或修复目标存在冲突性。例如检索出的相似实例所采用的再制造修复工艺可能存在环境浪费或成本过高等情况，这就需要决策者根据实际情况，在保证其制造目标实现的前提下，采用具备绿色性或低成本的再制造修复手段。然而，对相似实例的修复是具有限制性的，范围过大的相似实例修正往往会降低实例推理系统的执行效率，此时应关注实例检索过程中存在的问题，并加以改善。

4.保存

保存指如果最终修正的解决方案能够有效解决当前存在的问题，则说明该方案是一个成功的方案，进而需要将该方案进行规范化知识建模并存储至案例知识库中，以便为今后存在的相似问题的解决方案提供参考。