文摘

创建一个智能位置感知服务在目前的研究中,一个及时的服务是提供给用户在不改变用户的速度。用户,有实现的两个目标是及时到达服务位置;另一种是尽快到达目的地。考虑到两个目标同时允许动态的不确定性环境,biobjective模糊integer-nonlinear编程问题是制定和解决。为了说明该方法的适用性,一个已经完成的实验。根据实验结果,用户的等待时间使用该方法降低了61%。

1。介绍

环境情报(AmI),由欧洲委员会2001年,特性,在这一环境下环境支持人们居住在一个不引人注目的/透明的,相互联系的,适应性强的,动态的,嵌入,以及智能方法(1,2]。一个AmI系统具有以下特点。(1)与人类的感官而不是集中在基于计算机的输入和输出设备。(2)传感器/探测器是嵌入到日常用品,可以相互通信。(3)环境敏感用户的需求,甚至可以预测用户的需求或行为。

AmI事实上,一些基本的技术和系统已经被应用在我们的日常生活中,如恒温器、运动传感器,控制照明,和运动传感器与安全报警探测入侵者。AmI相关主题包括上下文感知计算、普适计算、普适计算、无处不在的计算,人类/人工智能、机器学习、基于代理软件,机器人技术。

基本上,AmI技术可分为以下类别:无处不在的计算、上下文感知、智能和自然用户系统交互。在文献中,一些研究人员已经建立了开发AmI系统的过程。例如,在库克et al。2),过程是由三个步骤组成的。(1)传感特性的用户和他们的环境。(2)推理的积累数据。(3)选择要采取的行动,将环境中的用户受益。

Garzotto和Valoriani3)详细的步骤开发一个AmI系统包括需求、规格、功能原型,beta-systems模型。总结这些研究的观点后,八个步骤程序可以作为运动分解,提出了运动分析、场景生成、法律、特权,和数据安全考虑,人类系统界面设计、数据/消息传输,数据分析和性能评价。

总之,现有的AmI方法有以下问题。(1)缺乏一个系统的程序开发AmI应用程序。(2)AmI的临床分析应用很少。这可能是因为AmI最成功的应用程序是基于大量的政府的支持。(3)一些AmI技术的有效性受到质疑。(4)在各方面没有AmI申请成功。

本研究的目标是创建一个智能位置感知服务(LAS),它可以被视为一个AmI的创新应用,无处不在的计算和移动商务。环境敏感服务(CAS)系统为用户提供相关的信息和/或服务通过用户的上下文的解释4]。拉斯维加斯是一个特殊的CAS,利用用户的位置来调整相应的服务(4]。

Krevl和Ciglarič5)提出了一个框架,用于开发基于地理位置的分布式应用程序。框架由三层客户端层、服务器和应用程序层和数据库层。Allamanis et al。6观察到小姑娘可以促进在线社交网络的创建。野蛮et al。7)设计了一个拉斯维加斯餐厅推荐系统,处理用户的位置,偏好,感情,和运输方式决策树的建议。此外,一个离散隐马尔可夫模型也是为了减少误分类决策树。张拉系统等。8]认为位置特性、社会特性和隐式模式,然后推荐在线社交团体用户可能感兴趣的。

然而,它是不容易的一个拉斯维加斯成功,因为用户的不确定性引起的变化速度,定位不准确,不稳定的网络连接,种服务准备,和其他人。处理这种不确定性,模糊和概率(随机)方法是两个主要来源;然而,模糊方法比概率方法容易实现,不依赖于严格的假设(9- - - - - -12]。在文献中,模糊的方法已经应用于各种各样的小姑娘。例如,Kotsakis和Ketselidis13)表示,一个动态环境的不确定性增加了困难解释上下文。在这种情况下,语言方面可能是一个更好的选择来描述用户的主观感受。马特奥et al。14)建立了一套模糊推理规则,帮助用户选择最合适附近的餐馆。在Anagnostopoulos说道,Hadjiefthymiades15),用户的上下文表示通过模糊变量假设模糊值,然后成为输入模糊推理规则。陈等人。16)开发了一个拉斯维加斯系统可以通知用户最好的公园站在高峰期间他们的汽车。建立了简单的模糊推理规则的建议。

总之,现有的系统有以下问题。(1)有相当大的不确定性在检测用户的位置。例如,检测误差可能高达20米使用手机上的全球定位系统(17];这是足以误导推荐过程。这种不确定性没有适当考虑。(2)有一个拉斯维加斯的理论和实践之间的差距。更多的重点放在服务的正确性,而不是提供服务的及时性。一些拉斯维加斯系统尝试向用户推荐最近的服务位置;然而,及时性是不同的概念,部队LAS系统与用户的速度。

创建一个智能拉斯维加斯在这项研究中,一个用户发送一个请求到系统服务器通过他/她的手机和达到推荐的服务位置完全按照所请求的服务可用;这只是(JIT)。JIT是一个传统的生产策略,减少浪费;然而,它很少被应用于AmI,无处不在的计算,或拉斯维加斯。在这项研究中,一般的方法或技术来解决这一问题是模糊数学规划,通常用于优化一个具体的目标(一个不确定的环境下18- - - - - -20.]。

与现有的方法相比,该方法具有以下创新特征。(1)一个用户的位置和速度具有高度不确定性,因此他们给出模糊数。(2)由于模糊数是用来代表一个用户的位置和速度,通过路径的时候,表示为“路径持续时间”也是一个模糊数。(3)此外,服务准备时间也给出模糊数考虑其不确定性。因为大多数的服务受到人工干预,这样的治疗应该是合理的。因此,每个服务位置的可用时间也是一个模糊数。(4)要实现两个目标。第一个是找到及时到达服务位置。另一种是尽快到达目的地。导致一个biobjective决策问题。协助决策,biobjective模糊整数非线性规划(2 o-finlp)模型是制定和解决。之间的差异提出了方法和一些现有方法总结表1。

其余本文组织如下。首先,智能拉斯维加斯的架构和操作程序详细的节2。达到服务位置及时尽快到达目的地,一个2 o-finlp问题是制定和解决部分3。为了说明该方法的适用性,一个已经完成的实验。最后,部分4本文总结和列出了一些主题为未来的调查。

2。聪明的拉斯维加斯

开发一个AmI系统的第一步是提出可用性评估的场景。聪明的场景如图1。虽然大多数的场景介绍短片,人物1仍然可以清晰地表达新系统的概念。

智能的系统架构如图2。系统中有四个主要部分:用户,沟通和请求系统,系统服务器和服务的位置。它们之间的相互作用指的是数据流图(过程图3这里简要描述。首先,沟通和请求系统建立一个无处不在的环境为用户访问系统服务器,然后服务地点。然后,系统服务器,作为第三方服务提供商,有选择地桥梁之间的差距用户和服务的位置。也就是说,只有JIT服务位置将由系统服务器代表联系用户。系统服务器,最后,可以得到一个委员会从服务位置作为奖励。

3所示。确定模糊JIT服务位置和路径

拟议的方法中使用的变量和参数定义如下。(1) :有交通网络中的节点与节点表示。(2) :有服务地点在交通网络表示服务的位置。(3) 或:连接节点的路径的长度和。,;。如果没有两个节点之间的连接。节点1和起始点和目的地,分别。此外,不允许返回路径;也就是说,如果。(4) 或:从起点到节点的距离。很明显,,。此外,是由节点连接到节点的距离吗如下: (5) 或:从起点到服务位置的距离。。(6) 或:从节点的距离到节点。很明显,。(7) 或:从节点的距离服务位置。(8) 或:服务的准备时间。手动的大部分服务准备。出于这个原因,准备时间的技能和心理和生理条件的员工,因此,可能是高度不确定的。由于这些原因,在这项研究中,服务准备时间给出了三角模糊数。(9) :定位精度。(10) 或:用户的速度。(11) :当前时间。(12) 或:服务位置的可用时间。

3.1。初步

三角模糊数在这项研究中用来表示不确定的变量。出于这个原因,介绍了一些三角模糊数算术运算(21]。

定理1(三角模糊数算术运算)。 和两个三角模糊数:

随后,我们回顾了模糊目标函数和约束转换的方法。为一个约束在这两个和三角模糊数,Klir和元22)提出以下转换方法: 转换约束的另一个常见的方法是defuzzify相关术语前比较,说,使用重心(齿轮)函数(23]: 第三种方法是评估的可能性24约束条件是满意的

定理2(可能性比较两个三角模糊数)。确保的可能性是100%,必须满足以下要求: 所需的证据很简单。

基于这些概念和定理,在下一节中,我们描述了如何计算用户和模糊的模糊速度旅行时间的路径。

3.2。模糊速度和旅行时间

根据GPS系统的检测结果,用户内经历了时间的距离是。然后,考虑到定位的不确定性模糊路径长度(,,)。模糊速度

模糊的路径旅行时间长度是 根据(3)。

3.3。o-FINLP模型

找到模糊JIT服务位置和路径,等待时间最小化:

此外,准备所需的服务无法启动服务的可用时间之前的位置。认为,修改目标函数: 另一方面,用户也需要尽快到达目的地: 因此,以下2 o-finlp问题需要解决: 酸处理 约束(14)是保证用户将在时间。二元变量用于指示是否连接节点的路径和已经被选择。

3.4。等效的问题

解决FINLP问题,它必须被转换成一个清晰的问题。首先,根据(2)~ (3), 以类似的方式, 在文献中,Loukil在内等。25)提到的五种方法用于处理多目标优化问题:同时(或帕累托)的方法,该实用程序(或妥协)的方法,目标编程(或满意的)方法,分层的方法,和互动的方法26]。在这项研究中,分层的方法和实用的方法应用于处理2 o-finlp问题。首先,优化前根据分层的方法。这样的处理是合理的,因为用户将首先遇到决策问题确定JIT服务位置,即服务位置。JIT服务位置确定后,路径时间JIT服务位置变得固定,和第二个目标降低剩余的决心从JIT服务位置到目的地的路径。

随后,应用效用的方法来处理这两个目标,我们需要定义模糊的效用目标(或变量)。在这里,我们认为一个模糊变量的去模糊化结果体现了它的效用。在拟议的方法,齿轮函数应用于defuzzify模糊变量,推导出它的效用: 第一个约束,约束(14),以同样的方式被转换: 此外,约束的可能性(14)是满意可以测量 确保的可能性是100%,必须满足以下约束: 此外,(15)= 所以 最后,2 o-finlp模型可以转化为一个两步的模型。

步骤1。 酸处理 一步1最多1目标函数模型,真正的变量,二进制变量,约束。目标函数(25)是最小化defuzzified之间的最小等待时间的价值服务的位置。约束(26),保证用户不会迟到。方程(27)是用来计算的模糊距离每个节点的起点。在一个节点的路径,只有其中一个会被选中,根据(28)。二进制中定义的变量(29日)。

步骤2。 酸处理 一步2最多1目标函数模型,真正的变量,二进制变量,约束。目标函数(30.)是最小化的defuzzified价值抵达目的地的时间。方程(31日)是用来计算的模糊距离每个节点的起点。在一个节点的路径,只有其中一个会被选中,根据(32)。二进制中定义的变量(33)。

确定模糊JIT服务位置和路径,提出了下列程序。(1)服务的位置使用步骤,计算它的JIT的路径1模型。假设的最优目标函数值的步骤1模型是。(2)找到,最大限度地减少。节点()是JIT服务位置。(3)服务位置确定剩下的路径到目的地使用步骤2模型。

3.5。一个实验

实验台中地区位于Seatwen区城市,台湾。实验区域的面积约3平方公里(见图4)。在这个图中,有三种可能的服务地点在不同places-nodes 7, 8, 9(红针的指示)。这些服务位置代表快餐店与免下车的设施。抽象路线图如图5。每条路径的长度是用三角模糊数表示。假设;。总结了三个服务位置的可用时间在表2。

作为一个例子,这一步1模型寻找模糊JIT服务位置路径1(节点7)框中所示1。最优目标函数值是6.3。即,用户只需要等待6.3分钟后他/她到达服务位置1(节点7)。这个服务位置的模糊JIT路径。同样,模糊JIT路径取得了其他服务地点,并总结在表3。显然,模糊JIT服务位置在这个实验中是服务位置3(节点9)。相应的路径。

随后,确定剩余路径模糊JIT服务位置到目的地的一步2模型需要解决。为此,术语代码显示在盒子里2。最优路径,。

3.6。全球解决方案的最优性

为了解决2 o-finlp问题,现有的优化方案通常使用和算法来近似最优解,不能保证全局最优的解决方案。陈、吴(27]提到强制以程序来解决这个问题,目前的研究被认为是有用的。这个概念是添加另一个约束defuzzified模型。例如,对于步骤1模型中, 在哪里最优目标函数值的步骤1模型后th一轮优化。所需的最低改进。这个过程停止如果没有改进后可以获得新一轮的重新优化。同样,对于步骤2模型中,

在前面的实验中,我们设置。后一轮的被迫重新优化,解决方案保持不变,这意味着已经是全局最优的解决方案。

3.7。比较脆的情况

比较,我们还研究了清晰的情况下,只有核心价值观(即。,values with membership equal to 1) of fuzzy variables and parameters are considered and their uncertainties are ignored. After optimization, the JIT service location is service location 1 (node 7) with a waiting time of 6. The JIT path and the remaining path are和,分别。显然,从上面的分析结果有很大的不同考虑的不确定性变量(见表4)。如果等待时间后到达服务位置相比,模糊模型取得了更好的性能。

4所示。结论

本研究创建了一个聪明的拉斯维加斯的动态环境中,在用户需要时及时的服务他/她的目的地。很明显,有两个目标用户是选择JIT服务位置;另一种是尽快到达目的地。同时为了优化这两个目标,一个2 o-finlp需要解决的问题。提议的方法的另一个特点是模糊变量的合并考虑动态因素的不确定性。为了解决2 o-finlp问题,首先两个目标,以分层的方式处理。随后,该实用程序的模糊目标函数值定义;作为比较可行的解决方案的基础。

该系统是一个通用框架,可以应用到各种服务行业,如快餐行业。例如,在台湾,快餐行业的规模已经达到220亿元到2011年。在这个行业中,汽车设施普遍用于提供实时服务给消费者。然而,消费者必须仍然在车道上等待命令,账单,准备饭菜。消除等待的问题,有些食物可以提前准备;然而,导致食品的保存问题。拟议的JIT LAS服务有望解决这两个问题。

本研究的贡献是双重的。(1)这是第一次尝试JIT的概念应用到拉斯维加斯。(2)大多数现有的模糊小姑娘使用模糊参考规则,没有优化。相比之下,本研究使用模糊数学规划优化服务位置的选择。

为了说明该方法的适用性,一个已经完成的实验。根据实验结果,(1)用户的等待时间确实是减少了拟议的方法;(2)在考虑各种参数的不确定性,推荐结果确实变得不同。然而,这种治疗的风险降低了不合适的建议。

然而,有一些限制需要得到承认和解决关于拟议的方法。(1)尽管现有的优化方案可以很容易地应用于解决发现的问题JIT服务位置,优化包的采购成本无疑会增加预算建立系统,这是不利于促进该方法。(2)此外,如果任何现有优化包的问题解决者,一个额外的接口需要开发系统服务器将接收到的数据的模型文件的优化方案,这可能并不容易。(3)理论上,JIT路径问题等价于一个受限制的最长路径问题,可能不是有效的解决问题的规模很大。幸运的是,在现实生活中,JIT路径问题大多发生在小区域。(4)此外,在实际应用中,很多用户可能同时向服务器发送请求系统,导致系统服务器上一个很大的负担。

为了解决这些困难,在将来的研究中可以开发一个算法或启发式来取代优化方案。有许多算法找到最短的或网络中最长路径,可以作为开发/启发式算法的基础。这种算法或启发式可以很容易地与其他模块在系统编程和集成服务器。然而,一个缺点的一种算法或启发式是获得不一定是全局最优的解决方案。此外,JIT的概念可以应用于其他领域的拉斯维加斯或AmI,为了提供更多的支持用户在动态环境中。

承认

本研究在经济上支持台湾的国家科学委员会。