基于案例推理的航次决策方法研究

摘要： 航次决策的能力是竞争取胜的关键，简单地做出决策很有可能给企业带来巨大的经济损失。而历史方案中蕴含了大量的经验性知识，将其合理地应用于当前决策中可以提高航次决策的准确性。本文遵循基于案例推理理论的核心思想，首先分析航次决策过程，构建航次决策案例库及索引。其次设计有效的案例推理算法，对航次决策模型的三类经验型输入进行推理。然后利用获得的所有输入求解航次决策模型获取最优的航次决策方案。最后，将研究的基于案例推理的航次决策方法与Uniwell(H.K.)公司的实际应用相结合，分析验证方法的有效性。

Abstract: Capability of voyage decision is the key to competition victory. Simple decision may bring about huge economic losses to enterprises. Rational use of plentiful experiential knowledge among large numbers of historical cases can improve the accuracy of voyage decision-making. Following the theory of CBR, the paper focuses on the research of CBR-based voyage decision method. Firstly, it analyzes the voyage decision-making process and builds case base and the index. Secondly, it designs effective algorithm of case reasoning, deducing 3 types of experiential input of the voyage decision model. Thirdly, it solves the model to obtain the optimal scheme utilizing all the input above. Finally, it integrates the CBR-based voyage decision method and the application of Uniwell(H.K.), analyzing and ensuring the validity of the decision method by implementing the operation data.

关键词： 基于案例推理；远洋运输；航次决策

Key words: Case-based Reasoning；ocean shipping；voyage decision

中图分类号：U69文献标识码：A文章编号：1006-4311（2011）05-0204-03

0引言

世界经济全球化给远洋运输事业的发展带来了极大契机。但时至今日，全球航运市场已趋于饱和，日益激烈的竞争形势促使船舶运营者们通过各种途径不断地降低运输成本，航次决策的能力是竞争取胜的关键。当前的决策者依据头脑中的经验值人工简单地给出决策输入，缺乏合理的规则和科学的依据，效率不高，很有可能给企业带来巨大的经济损失。而大量的历史方案中蕴含了大量的经验性知识，将其合理地应用于当前决策中可以有效提高航次决策的准确性。

基于上述问题，本文提出一种基于案例推理的航次决策方法。基于案例的推理技术（CBR：Case-based Reasoning）[1]是通过访问知识库中过去同类问题的求解从而获得当前问题解决方案的一种推理模式。当前CBR研究存在研究方向分散、复用单个案例而摒弃相同或相近案例、注重技术堆砌未真正实现完整推理、只针对文字型案例等问题[2-7]。本文针对远洋运输领域的特定需求对案例推理技术扩展，首先构建航次决策案例库及索引。其次设计有效的案例推理算法，对航次决策模型的三类经验型输入进行推理。然后利用获得的所有输入求解航次决策模型获取最优的航次决策方案。文末将该方法与Uniwell（H.K.）公司的实际应用相结合，通过实际业务数据的操作，分析，验证了决策方法的有效性。

1航次决策案例库构建

航次决策过程就是基于航次租船和航次期租方式下，决策主体船舶承租人在获得基本船货匹配信息的前提下，针对某一航次涉及的所有相关因素做出决策并输入已有的航次决策数学模型，求解获得较关键指标因素的取值，用来分析当前的航次，并获得最优航次方案的过程。

航次决策案例主要由以下三部分组成[8]：一是问题或情境描述，对应内容是船货匹配方式，船舶货物名称，装货卸货港口等决定整个航次计划基本走向的关键属性；二是解决方案描述，包含了在基本航次计划确定基础上需要进一步确定的细节属性值；三是结果描述，即航次方案指标的统计测算和考核。航次决策案例本质上由船舶属性、货物属性及其它各属性与对应的取值构成，属于层次明确条理清晰的结构性知识。而框架表示法最突出的特点是善于表示结构性知识[9]，其数据结构和问题求解过程与人类的思维和问题求解过程相似。因此，本文选用框架表示法表示航次决策案例。具体来说，最顶层的框架即为航次决策案例框架，其构成如表1所示。

其中，航行情况，燃油消耗情况，航次考核指标这三项槽值为对应的子框架，子框架内包含了更详细的槽和侧面。由于篇幅原因不一一详述。

航次决策案例的问题描述部分中的关键属性与索引特征量是一一对应的，依据实际决策需求对选取的索引特征量按照重要性进行排序，建立起索引的层次结构，并依据航次决策案例的两种船货匹配方式建立两套索引方案以区分不同的索引优先级。

2基于案例推理模型及算法

依照索引进行案例检索可以分为完全匹配和非完全匹配两种情况。完全匹配情况下，将当前新命题案例的槽值或侧面值输入，寻找主副索引值与之吻合的完全匹配案例，留待后续使用；非完全匹配情况下，依据当前船货匹配方式放宽船舶项或货物项的检索条件。最终得到目标案例集合D1。之后进行案例的再筛选，排除考核指标取值不满足决策者给定阈值要求的那部分案例，最终保留下来的案例构成的集合称为合格案例集合D2。

需要利用案例库推理得到的航次决策模型经验型输入主要分为三类，直接经验型输入部分，由经验值预测获得部分，子模型输出并进行经验修正部分。

直接经验型输入部分包括9大输入，这里仅列出港口间距部分的推理算法。

输入：确定了加油港即行驶路线已确定的合格案例集合D3，D3中案例数量为n，港口间距资料数据库

输出：港口间距输入（经验修正值）Mlo，Mod

Step1：查询港口间距资料数据库，得到港口理论间距Mlo0，Mod0

Step2：统计D3中各案例港口间距集合Dlo={dloi}，Dod={dodi}，（i=1，2…n）

Step3：Dlo=Dlo-dlo max-dlo min，=Dod-dod max-dod min

同理，计算其他船货匹配组对应的航次考核指标值，依据用户设定的阈值比较所有候选方案，给出最终最优方案。

通过以上试验证明，由当前命题给出的特征量能够推理出航次决策模型的所有经验型输入。整个推理过程由案例检索开始，环环相扣，下一环节的需求输入依赖于上一环节的推理结果，所有涉及到的推理算法均正确无误地给出了期望输出，构建的子模型也能够顺利地求解以提供航次决策模型所需的相关输入，算法的有效性得到了证明。该系统在实际运行过程中获得了船舶承租公司业务人员的一致认同。

4结束语

由于时间原因，本文设计的方案仍存在一些有待改进的地方。如目前的设计局限在船舶装载单一品种货物在单一港口装卸即不考虑多次装卸的情况，应该进一步增强推理算法的复杂性以满足实际业务的需求。相信随着相关技术研究的不断深入和应用需求的不断扩展，该航次决策支持系统一定会得到进一步的充实和完善。

参考文献：

[1]赵卫东，李旗号，盛昭瀚.基于案例推理的决策问题求解研究[J].管理科学学报，2000，4（3）：29-36.

[2]B.Porter，R.Bareiss.PROTOS：An Experiment in Knowledge Acquisition for Heuristic Classification Tasks[A]，In：Proc. of First International Meeting on Advances in Learning（IMAL）[C]，France: 159-174.

[3]D.W Aha，Ian Watson, Case-based reasoning research and development [A].In：Proceeding of ICCBR，2001.

[4]张英菊，仲秋雁，叶鑫，裘江南，曲晓飞.CBR的应急案例通用表示与存储模式[J].计算机工程.2009，35（17）：28-30.

[5]Dubois D，Esteva F，Garcia P.Fuzzy set modelling in case-based reasoning[J].International Journal of Intelligent Systems，1998，13：345-373.

[6]吴晓，种玉珍，倪红波，王海鹏.一种CBR与RBR相结合的智能家庭推理系统[J].计算机应用研究，2009，26（3）：977-979.

[7]Gavin R.Finnie，Zhaohao Sun.R5 model for case-based reasoning. Knowledge-Based System 2003，16（1）：59-65.

[8]王凯.基于案例推理的应急管理案例库构建方法研究[D].上海：上海交通大学，2009.

[9]徐宝祥，叶培华.知识表示的方法研究[J].情报科学，2007，25（5）：690-694.