行为建模

关键词： 建模 教学研究 数学 现状

行为建模（精选七篇）

行为建模 篇1

1.1 大学生数学建模教学研究意义和现状

数学建模是一个将实际问题用数学的语言、方法,去近似刻画、建立相应数学模型并加以解决的过程。数学建模活动既丰富了学生的课外生活,又培养了学生各方面的能力,同时也促进了大学数学教学的改革。

罗李平、杨柳[1]等(2010)分析了数学建模的意义与作用,论述了数学建模教学对高等数学教学改革的促进作用,探讨了数建模教学的实施方案及开展数学建模竞赛的有效途径。陈和生[2](2010)对数学模型及建模做了简单界定,对大学生数学建模竞赛特点进行分析,并对数学建模竞赛对大学生创新能力的培养及高校教学改革的影响进行了探讨。王汉萍、迟洁茹等[3](2009)给出了数学建模的主要步骤及建模的逻辑思维方法,并总结了建模对培养学生综合能力和创新素质的作用,同时还分析了国内竞赛的一些弊端,提出了组织校内竞赛的举措。魏丽侠、王昕[4](2009)探讨了在高校中加强数学建模素质教育的意义及紧迫性,指出了目前高校大学生综合素质仍有待提高的现状,分析了数学建模中存在的问题和多种制约发展的因素,在此基础上提出了改进与完善的各种具体措施。

与我国高校的其它数学类课程相比,数学建模具有难度大、涉及面广、形式灵活,对教师和学生要求高等特点,数学建模的教学本身是一个不断探索、不断创新、不断完善和提高的过程。关于数学建模方法的教学问题尚未进行有效研究。开展数学建模方法的教学有效研究不仅能拓展和丰富数学建模教学理论,而且对数学建模教学实践具有重要的指导作用。鉴于此,我们基于对大学生数学建模的认知机制研究和多年从事高校数学建模教学的实践,提出大学数学建模方法的有效教学策略。

1.2 有效教学的理念与研究现状“有效教学”就是能

够有效地促进学生发展,有效地实现预期的教学结果的教学活动。教师有效的教育教学行为直接影响着教学效果。有效教学的核心就是教学的效益,有效的数学教学必须建立在学生的认知发展水平和已有知识经验基础之上,有效的教学活动以民主、和谐、开放、富有活力的课堂教学环境为依托,可以用最有效的方式向学习者传递知识,通过简化还原和标准化使得知识分析、分解和简化为基本的组块,使得知识更为有效地迁移。

本文拟从管理学角度出发研究大学生数学建模教学的有效教学。结合大学生数学建模教学的有效教学的评价标准,然后重点研究了数学建模“有效”教学实践四个环节。

2 研究的理论依据

2.1 有效教学的前提

大学生数学建模课堂教学的有效性需要一定的前提条件。从学生的认知准备看,需要学习数学中众多分支的基础知识,但不涉及其高深的理论与方法。从教师专业化发展水平看,这一条件可概括为:深刻理解数学建模内涵,了解学生学习特征,正确把握数学建模教学规律和原则。从教学环境看,需要多媒体教学设施、数学实验室、计算机网络与数学软件等。

数学建模以社会、经济和生产实践中经过适当简化的实际问题为研究对象,以训练思维和培养各方面能力为目的,以创新性实验和研究性学习为特征,建模过程中吸收、利用、创新了现代数学的一些新思想、新方法、新理论和新观点。学生参与数学建模及竞赛活动,感受到了数学的生机与活力,感受到了对自己各方面能力的促进,从而激发起他们学习数学的兴趣。

大学生学习行为主要有六个特征:(1)专业性,大学生学习的专业性是未来从事某一职业需要;(2)广泛性,一专多能、全面发展是时代对大学生的要求;(3)自主性,大学生学习的自主性是由大学生们强烈的自我完善愿望与开放的教育环境所决定的;(4)创造性,追求新意个性是风华正茂的大学生们的共同心理特征;(5)实践性,理论与实践相结合是认识必然规律,是大学生走向社会的重要学习环节;(6)互促性,大学生们兴趣广泛、思维开放、追求真知的认识特点促使他们形成一个个学习小团体或伙伴关系。数学建模教学迎合了大学生的众多学习特点,能够培养学生创新意识和创造能力、快速获取信息和资料的能力、快速了解和掌握新知识的技能,训练人的逻辑思维和创新思维以及培养团队合作意识和团队合作精神。

数学建模教学是大学数学教学的一个重要方面,有其自身独特的规律和原则。数学建模具有较一般数学更强的实践性,其所体现的规律和原则必须来源于数学建模教学实践,同时又能再次经受住实践的检验。

2.2 有效教学的评价标准

(1)教学目标。教学目标具体明确,符合学生实际和教学条件,具有较高的可操作性和评价性;其次,目标要有弹性和层次性,能激发学生的学习兴趣,发挥学生的主动性。(2)教学内容。教学内容应当包括知识、技能、情感三个方面。教师在传授知识时要合理安排教学内容,使学生乐于学、学得好。(3)教学过程。教学过程主要表现为合理性、针对性、启发性、生成性、和谐性。(4)教学效果。教学效果最明显的体现在能够按时完成教学任务和目标,学生学有所得、各有发展;再次学生的注意力集中、思维活跃、反映良好、师生配合默契、感情投入;最后教师个人的反思和提升。

3 大学生数学建模有效教学的实施策略

教学策略是教师为实现课堂教学目标或教学效果而采取的一系列具体的教学行为活动和方式,是教师为提高课堂教学效率而有目的的选择恰当的教学理念和方法的过程。有效教学策略,是指教师根据特定的教学内容以及学生的个性发展需要,通过有效的教学手段使学生获得的最优化发展而选择或研究制定的对策与方法。

3.1 树立“有效”计划

教师是课堂的管理者,应该精心组织课堂教学和研究教学目标。教学观念直接影响课堂教学效率。数学建模和一般数学的显著区别之一是数学建模没有严格的逻辑体系,其训练的材料还是相对零散的。系统组织数学建模教学内容是数学建模教育的首要任务。系统组织数学建模教学内容,将分散的知识体系合并到一个框架下,为教学工作指明方向,消除教学中的不确定性,减少教学中的重复和浪费。

计划是教师教学的依据。数学建模面对的问题具有多样性,计划能有效消除教学中的不确定性。计划可以消除教学中教学资源的浪费,数学建模教学涉及的学科过多,全部学习显然不现实。计划是有效教学的前提,从教学目标、教学内容、教学过程和教学效果四个方面去建立指标控制教学。

3.2“有效”组织课堂

以团队为核心组织教学。团队是现代组织中学习的基本单位。团队学习依靠的是深度汇谈,深度汇谈是一个团队的所有成员,摊出心中的假设,而进入真正一起思考的能力。深度汇谈的目的是一起思考,得出比个人思考更正确、更好的结论;而辩论是每个人都试图用自己的观点说服别人同意的过程。有效组织的几个要素:

(1)建立共同愿景。愿景可以凝聚意志力,透过共识,大家努力的方向一致,个人也乐于奉献,为取得好的成绩奋斗。

(2)强调团队学习。团队智慧应大于个人智慧的平均值,以做出正确的组织决策,透过集体思考和分析,找出个人弱点,强化团队向心力。

(3)改变心智模式。由于个人的旧思维,存在组织障碍,例如固执己见、本位主义。建模以小组为单位学习,通过标杆学习,改变心智模式,激发学生学习动力。

(4)提倡自我超越。学生愿意投入学习,专精某个方向,超越自我。

(5)系统思考。应透过搜集信息,整体理解问题,培养综观全局的思考能力,看清楚问题的本质,有助于清楚了解因果关系。

根据数学建模教学内容的阶段性,有效构建课堂组织。在基础理论教学课中主要采用讲座形式,启发性地讲一些基本概念和方法,更多的是引导学生自己去学,充分调动学生学习的积极性,充分发挥学生学习的潜能。在数学建模方法培训中广泛地采用的讨论班方式,同学自己报告、讨论、辩论,教师主要起质疑、答疑、辅导的作用。而数学建模实践中将学生基于自愿原则按特长不同自由组合,借助于资料和计算机,讨论、研究并将其结果撰写成论文,各队选出1名队长组织全队的合作分工事宜并向师生报告。教师是学生研究活动的参与者,报告会上提倡讨论、争辩,最后由师生共同评析优劣。教师为学生的研究提供支持与帮助。事实证明一个相互合作和有共同目标的团队能提出更好的数学模型或数学方法解决问题。

3.3“有效”领导课堂

教师是组织课堂教学的实施者,学生接受老师的管理。教师应当基于教学目标实施课堂教学。教学中要千方百计地调动学生强烈的求知欲望和学习热情,带着兴趣学习是教学的一个最简单有效的法则。

(1)创设情境,激发学生的学习兴趣。创设良好的活动情境,可以营造愉悦的学习氛围。把数学知识融于生活实践中,使学生在情绪上引起共鸣,发现数学奥秘。(2)利用好奇心,诱发学生的学习兴趣。如联系身边的实际,把学生熟悉的生活实际的问题引入课堂讨论、建模。

教师运用语言的策略,教师引导学生活动的策略,构建课堂教学环境的策略和运用现代技术的策略等。教师通过有效的上课策略管理课堂教学,使教学按预定教学目标实施。

3.3.1 讲授策略

数学建模方法教学所选取的现实问题应由简到繁。在数学建模课程教学的初期阶段,应主要安排初级数学建模问题,以使学生把握数学建模的基本步骤与方法,形成初步的数学建模意识。在数学建模课程学习的中期阶段,应主要安排典型数学建模问题,以使学生通过模仿或教师指导下的探究掌握数学建模基本技能和能力。在数学建模课程的后期阶段,应主要安排综合数学建模问题,以使学生通过同学间的合作尝试或独立探究获得数学建模的综合能力,深刻领悟数学建模的本质与真谛。概括起来就是讲授要“精、准、活、趣”。

3.3.2 提问策略

(1)问点准确,要抓住解决问题的关键。(2)难度适宜。即对提出的问题学生经过独立思考或经教师的引导能答出来,防止过易或过难。(3)问面要大,即问题的设计要面向全体学生,照顾到各类学习水平的学生。(4)问机得当。提出的问题要与知识学习的进程一致。提问的时机应在学生似懂非懂、欲说难说之时。(5)问法灵活,教师发问要采用多种形式,多种角度;重要问题的提问要具有系列性。做到环环相扣.层层深入;问中要善于启发引导,开拓学生的思路,对学生的回答应判断迅速、准确;问后要善于归纳总结。怎样提问实际上反映了怎样引导的过程。

3.4“有效”课堂控制

课堂讲解,进行“有效”指导。课堂上教师讲什么、什么时间讲都应该讲究策略,把握一个度,讲的多了,不仅剥夺了学生的活动时间,还会使学生产生听觉疲劳,效率肯定很低。但如果完全放手让学生去讲去做,由于学生对教材的把握远不及教师,可能会在一些非重点问题上纠缠太长的时。创造机会,让学生“有效”参与。学生是学习的主体,又是自身发展的主体。课堂教学既是学生的认知过程,更是学生生命活动过程。如果学生没有经过思考和动手,并没有转化成他自己的知识。只有经过有效参与、积极思考,才能更好的内化知识。

数学建模方法教学应注重建立数学建模方法的多重联结,突出数学建模方法的一般步骤。重点阐述各步骤的含义、特点、作用及各步骤协同作用的机制及应注意的问题,并从方法层面对感知情境、理解问题、做出假设、建立模型、求模型、应用解释与评价模型等各数学建模步骤进行分析。授课采用灵活多样的方式进行,有必需的基础理论课、有建模方法的讲授、有生活中实际问题的讨论、有建模案例的实践等。

4 结论

课堂教学也是一种组织活动,本文结合管理的四个职能分别讨论了数学建模的有效教学。利用一些事先设计好问题启发,引导学生主动查阅文献资料和学习新知识,鼓励学生积极开展讨论和辩论,培养学生主动探索,求真务实的学风,培养学生从事科研工作的初步能力,培养学生团结协作的精神、形成一个生动活泼的环境和气氛,教学过程的重点是创造一个环境去诱导学生的学习欲望、培养他们的自学能力,增强他们的数学素质和创新能力。

摘要：一个大学最重要的使命,就是培养创新型人才。教学行为直接影响着教学效果,有效教学是课改的一个重要理念。数学建模竞赛是培养大学生创新思维、拼搏进取和团结协作精神的一个有效平台,是培养创新型人才的重要举措。本文主要结合数学建模培训和有效课堂教学,探讨课堂中教师的组织行为。

关键词：有效教学,组织行为,数学建模

参考文献

[1]罗李平,杨柳,高正晖.地方高师院校数学人才的创新培养与实践[J].当代教育论坛:教学版,2010(4):83-85.

[2]陈和生.大学生数学建模竞赛对大学教学的影响[J].成人教育,2010(10):91-92.

[3]王汉萍,迟洁茹,于海生,庄晓东.数学建模及竞赛与本科生创新能力的培养[J].实验技术与管理,2009,26(09):128-130,134.

[4]魏丽侠,王昕.高等学校数学建模的创新与深入[J].教育与职业,2009(11):173-174.

[5]高慎英.有效教学理想.课程.教材.教法[J].2005(8):22-25.

[6]庞坤,李秀林,李明振.大学数学建模方法的有效教学策略[J].求实,2010(s2):251-252.

[7]孙利,张文倩.构建基于有效数学活动的教学策略[J].2011(03):140-144.

基于控制论的网络行为建模研究 篇2

关键词：控制论,网络行为,建模,入侵检测

0 引言

当今,网络技术特别是因特网极大地推动了科学技术的发展、带动了人类社会的进步。随着计算机及网络的普及,网络应用正向着深度和广度两个方向不断发展,一个网络化社会的雏形已经展现在我们面前。网络在给人们带来巨大的便利的同时,也暴露出一些不容忽视的问题,网络的安全与控制问题就是其中之一。

在研究控制论概念、网络行为过程和网络安全机制的基础上,对网络行为的分类进行研究,建立网络基本行为模型,借鉴控制论的相关理论通过对简单行为模型的拼装和复用,以入侵检测系统为例,对网络行为中的典型行为(防御行为)进行部分建模,该建模方法具有一定普遍性,能推广到网络其它行为及类似系统的建模工作中,对于离散的非线性系统建模研究有一定的借鉴意义,并且对网络安全方面的理论研究和具体产品的研发工作有一定指导作用。

1 研究背景

1.1 控制论的相关概念

控制论[1](Cybernetics)一词,来自希腊语,原意为掌舵术,包含了调节、操纵、管理、指挥、监督等多方面的涵义。1948年维纳的《控制论》出版,宣告了这门科学的诞生。

控制论涉及的两个概念[2]:信息,信息是人思维过程的结果,对于同一事件或过程的变化,不同的人、不同的技术手段从中得到的信息量可以是不一样的;系统,系统是控制论研究的对象,它是为同一目的而相互联系、相互影响、相互制约的事物及过程的有组织分层次地结合在一起的整体。控制论的特点[3]包括系统的整体性,系统的可观测性、可控制性和稳定性[4],系统依靠信息进行控制,系统必须可模型化等。控制论通过对系统运动规律的认识,能动地运用有关的信息并施加控制作用以影响系统运行行为,使之达到人类预定的目标[5]。

1.2 传统行为建模方法

行为模型[6]是指那些表明行为者与其环境间的相互作用的模型,或者是表明各个行为者之间的相互作用的模型。控制论的概念,在建立行为模型时是很有用的,其中最有价值的是间接串联耦合的概念,特别是间接反馈耦合的概念。因为二者描述了控制论系统中较为复杂和典型的系统。传统的行为建模方法解除包括有限状态机和Petri网等。

1.3 控制论的行为构成

控制论的行为观认为:行为是实体对象随时间推移而产生的自身状态的变迁,它是实体对象内在规律和能力在外部干扰下的表现。当实体对象受到外部环境的作用时,它的行为既可能仍按照某种自主行为状态模式连续地运行,也可能进入激活行为状态模式,根据自身的状态、特性和外部干扰的属性特征,做出适应的反应。外部干扰不是对象行为的直接驱动力,而只是导致对象行为状态发生改变的一种因素,对象行为状态的改变完全取决于对象本身。实体对象对外部刺激的反应不是行为的全部,而只是行为的一部分。

1.3.1 能观测性及感受器

能观测性的定义:通过对输出量的有限时间的量测,确定系统内部状态的可能性,就是能观恻性的概念。根据系统转移阵的性质,在系统无输入作用时,任意时刻的状态,都可以由初始状态得到。即有x(t)=ϕ(t,t0)x0。因此,系统的能观测性,只需确定初始状态x0,有如下定义:

设有线性系统∑(A,C),即x=A(t)x,Y=C(t)x,有初始状态x(t0)=x0,对输出Y(t)在一段时间t∈[t0,tα]的观测,能唯一地确定x0值,则称系统在时间[t0,ta]上状态能观测,若对任意的x0能观测,则称系统完全能观测。

把系统状态方程直接解出即可使定义定量化。将齐次方程的解代入到输出方程,就有

Y(t)=C(t)ϕ(t,t0)x0 (1)

因此,初始状态x0是否能由输出Y(t)表达与系统阵C(t)及ϕ(t,t0)即A(t)有关。

如果通过输出Y(t)去确定观测区间末端时刻的状态x(tα),则被称为系统的能检测性。对于连续系统,能观测性与能检测性是等价的,因为有

x(tα)=ϕ(tα,t0)x0=xα (2)

可以看出二者能通过线性变换而转换。

1.3.2 能控性、调节与控制

能控性定义:为了精确地给出能控性定义,利用状态空间的概念来讨论。设有n维线性状态空间Ω,当选定基时,即有坐标系可描述空间内的任意状态矢量x。有Ω⊂Rn及x∈Ω,如图1所示。

如在时刻t0,系统的初始状态为非零矢量x0(即原点以外的空间点),经过有限的时间ta,在外加控制u的作用之下,使状态到达原点O。换句话说,此时的状态矢量x(ta)=0,那么,此非零矢量x0∈Ω是能控的。进一步,如果x0∈Ω是可任意选定的,则不仅是x0能控,而是整个系统能控,称作系统完全能控。

1.3.3 输出及效应器

效应器定义:效应器是信息控制系统中的执行机构,是信息控制系统中的被控对象,它能将控制信息变换成被控信息。效应器是在控制信息的控制之下进行运动的。

输入与输出是一对矛盾的范畴,矛盾的双方相互区别、相互依存、相互转化。输入与输出都有着自己质的规定性,不容混淆。

2 网络行为分类研究

2.1 网络行为的相关概念

2.1.1 国内外研究现状

近年来国内外有关网络行为的研究一般是通过对大量业务数据进行分析研究,提炼出反映网络某些真实特性的数学模型。但由于网络规模不断扩大,业务类型不断增多,异构性特点越来越突出,网络数据流量具有高突发性和随机性等特点,传统的基于泊松过程的网络行为的数学模型已不能全面、准确地反映实际的网络行为。因此迫切需要进行新的思考和研究,探索新一代的网络行为学。新的理论和方法必须突破传统理论的限制,能够处理在规模和复杂性发生高数量级变化时的网络信息交换问题,适应超大规模、超高速信息网络的需要,为新一代网络的建设、控制和管理提供理论基础和技术支撑。

2.1.2 网络系统的行为概念

行为可对网络空间中的实体状态产生直接或间接影响,行为是实体所执行的有目的、可辨识和可度量的某个过程的形态或特征,是活动实体所具备的能力或功能的体现。任何实体均具有执行各种各样行为的属性特征。

所有过程都可以看作是某个或某些基本行为组合而成,行为是不可分或不必要再分的基本单元,可以看做网络运行的原子操作。行为概念的使用在网络系统中具有极其重要的方法论意义。维纳给出了行为的一个广义的定义,“行为就是一个实体相对于它的环境做出的任何变化”。控制论的方法论特点突出了行为研究的必要性和重要性。

2.2 行为的描述方法

对于复杂的网络系统来说,在系统的设计、评价、实施、管理和控制阶段,甚至整个系统生命周期,系统中行为的描述和分析以及行为的建模和仿真都是一项长期工作。对网络行为的研究可采用两种角度:一种是宏观,即把网络系统作为一个整体来看待,只研究其输入和输出而不管其内部结构和机制;第二种是微观,即研究网络系统的内部,对内部各种简单行为进行深入地剖析,然后再通过简单行为拼接的方法构建复杂行为,从个体到整体,理解网络行为的运行机制。

描述行为是描述所有复杂过程的关键,也是描述整个网络系统的关键,因此对行为的描述必须完备准确。对行为的描述一般包括以下几个方面的内容,如表1所示。

2.3 网络行为的分类

2.3.1 网络系统的内部行为

系统的内部行为[7]是指系统在输入的影响下发生了怎样的内部变化以及输入的变化与内部状态变化的对应方式。网络系统内各组成部分之间的联系,具有一般系统内元素间相互联系的几种关系类型,可以用集合论的术语加以一般描述。

若一个网络系统S的所有元素ei(i=1,2,…,n)的集合为

S={e1,e2,…,en}

该系统内元素间的所有联系可表示为集合R,则称R为该网络系统的内部关系,R的具体表示式对应着系统的各种关系类型。

若有ei,ej,且有序对(ei,ej),(ej,ei)∈R则网络系统内两个元素ei,ej之间有联系,称(ei,ej)为ei联系ej,称(ej,ei)为ei被ej联系。显然,这里所定义的元素间的联系是有顺序性或方向性的,(ei,ej)与(ej,ei)并不等价,这种顺序表示了信息流的流动方向。

2.3.2 网络系统的外部行为

通常,系统的功能可以通过系统的外部行为来体现,而外部行为就是系统与其环境间的作用,它可以由系统的输入、输出向量来描述,输入、输出向量则由一定的信息流量来表示。网络系统从其环境(包括与该系统相关的其他网络系统)中所获得的信息流量的总和,构成该系统的输入向量;该系统活动的结果又体现为转向其环境的网络信息流量,这些流量的总和构成该系统的输出向量。

从信息网络范畴来看,系统中存在的都是以各种方式组合的各种形态的信息量,这些量在各系统之内和系统之间流动着,形成网络—信息流。信息网络系统具有多种多样的行为,如入侵检测行为、访问控制行为、身份认证行为、管理行为、加密解密行为、病毒检测行为、漏洞扫描行为、网络攻击行为等等,所有这些行为都力求按系统的某种目标以某种方式执行某种功能[8]。

2.4 网络行为的框架描述

从前面对网络行为的详细分析后,可以得出,在一般网络系统中,常见的网络行为包括:

网络基本行为:封装行为、分用行为、流量控制行为、拥塞控制行为、差错控制行为、路由控制行为和传输控制行为等。

网络防御行为:结构控制行为、接入控制行为、加密行为、身份认证行为、访问控制行为、检测行为,审计行为和告警行为等。

网络攻击行为:侦测行为、渗透行为和破坏行为。侦测行为包括目标系统信息收集行为、扫描主机行为;渗透行为分为欺骗攻击行为、缓冲区溢出攻击和口令攻击行为;破坏行为包括病毒和特洛伊木马。

其中网络基本行为属于网络内部行为,网络攻击和防御行为属于网络外部行为。

3 基于控制论的入侵检测行为建模

3.1 入侵检测建模分析

3.1.1 入侵检测系统的概念

入侵检测系统[9](IDS,Intrusion Detection System)是指对(网络)系统的运行状态进行监视,发现各种攻击企图、攻击行为或者攻击结果,以保证系统资源的机密性、完整性和可用性的系统。入侵检测系统一般由四部分组成,依次为信息搜集、数据分析、入侵响应(主动响应和被动响应)、远程管理。

3.1.2 入侵检测系统的行为及属性

入侵检测系统的行为主要分为三类:采集信息、对收集到的数据进行分析、采取相应措施。

数据采集行为:数据采集包括搜集系统、网络、数据及用户活动的状态和行为。

数据分析行为:对收集到的有关系统、网络、数据及用户活动的状态和行为等信息,一般通过三种技术手段进行分析:模式匹配、统计分析和完整性分析。

入侵响应行为:①主动响应:由用户驱动或系统本身自动执行,可对入侵者采取行动如断开连接、修正系统环境或收集有用信息。②被动响应:被动响应包括告警和通知等。另外,还可以按策略配置响应,可分别采取立即、紧急、适时、本地的长期和全局的长期等行动。

3.2 入侵检测系统的行为建模

3.2.1 入侵检测系统的感受器、控制器及效应器建模

网络行为建模环境[10]主要实现网络数据采集和网络行为数据分析两大功能。

网络数据监测采集功能:选择所研究的网络环境,从网络中采集并过滤原始信息存储样板数据,数据预处理等。

网络行为数据分析功能:数据模型和形式转换,选择数据分析模型及算法,建模及比较等。

这两大功能模块互相协调工作,通过数据分析的结论帮助确定或调整系统的检测方法,同时通过检测到的样本数据确定分析的数据模型和算法。

大规模的网络行为测量主要依赖于网络测量工具和网络测量平台,是通过收集、分配和分析性能数据或包轨迹来研究具体的网络和应用,后者为网络测量工具的完整和有效性的利用提供了环境[11]。以至于可以用更加方便的方法开发和分析大规模的网络规则和网络应用。

为更好的描述入侵检测系统的形式化模型,更好地表示间接串联耦合和间接反馈耦合,在建模过程中,将要使用下列符号:

①R—(或R1,R2,…)—感受器。

②E—(或E1,E2,…)—效应器。

③N—(或N1,N2,…)—控制器。

④IR—观察工具(可以看做增强型的感受器)。

⑤IE—执行工具(可以看做增强型的效应器)。

⑥IN—智慧工具(可以看做增强型的控制器)。

⑦Obj—行动的对象。

①入侵检测系统的感受器建模

入侵检测系统的感受器主要对应于入侵检测系统组成中的数据采集行为,数据采集是入侵检测的基础,入侵检测的效率在很大程度上依赖于所采集信息的可靠性和正确性。

按照控制论系统的构成,入侵检测系统的数据采集行为属于感受器部分。但对数据采集行为进行细分,可以将其详细划分为一个完整的控制论系统,即包括感受器,控制器和效应器三个部分的输入、反馈和输出系统。模型如图2所示。

模型中存在一个自我耦合 ),和一个反馈耦合 ),其中 )为R的输入。四个系统中的每一个系统,不但在串联耦合中都有输入和输出,而且也有从模型以外来的输入和到模型以外去的输出。这就指明在模型中的各个系统的行动是不确定的(系统R,N,E所传递的信息具有不确定性,而且在系统Obj中,也有产生不可预见的行为的可能性)。

②入侵检测系统的控制器建模

数据分析部分从数据采集接收输入后进行分析,模型如图3所示。

③入侵检测系统的效应器建模

经数据分析行为处理过的信息最终由效应器做出响应,并对控制论系统中的感受器部分进行负反馈。模型如图4所示。

3.2.2 入侵检测系统行为建模的效果评估

通过对入侵检测系统的数据采集行为,数据分析行为及入侵响应行为的基于控制论建模,从另一个角度来描述网络行为,可以使对网络行为的研究和分析得到新的理论支持,因此说是很有意义的。

从建模结果上来看,网络入侵行为符合一个典型的控制论系统,并且可以在感受器、控制器和效应器内部进行进一步的细分。对于其它的网络行为,可以用相似的方法进行建模,但可能存在不能完全按控制论三部分进行功能划分或耦合和反馈不明显现象,对于此种网络行为也可以用控制论的方法进行建模,或者可以与其它网络行为结合,从更高的层次进行建模,并不影响对行为模型的理解和研究。

在对模型进行仿真时,可以将具体实现按照控制论模式进行组织,这样可以使仿真系统具有明晰的架构和良好的可复用性,通过拼接将能够对复杂的网络行为和多行为之间的相互作用进行模拟和仿真。

4 结束语

控制论是系统研究中最接近实际应用的学科分支,特别具有改造世界的品格。而将控制论应用于网络安全领域,指导网络行为建模,具有一定创新性。由于入侵检测行为是网络行为中的典型行为,且兼有控制论的感受器、控制器和效应器的特性,因此本文仅针对网络防御行为中的入侵检测行为进行了基于控制论的行为建模分析,其它网络行为的建模与入侵检测行为类似。在今后工作中,可以对于其它网络行为进行全面、系统的分析与建模(包括形式化与非形式化模型),在其中总结和挖掘规律,将有助于整个理论体系的完善。

参考文献

[1]N.维纳.控制论[M].北京:科学出版社,1985:17-30.

[2]列尔涅尔.控制论基础[M].北京:科学出版社,1980:273-278.

[3]W.R.艾什比.控制论导论[M].北京:科学出版社,1965:163-197.

[4]H.格林尼斯基.控制论简述[M].北京:科学出版社,1963:48-71.

[5]陆志军.控制论若干范畴的哲学审视[J].江西社会科学,2004,4(2):15-16.

[6]熊光楞,彭毅.先进仿真技术与仿真环境[M].北京:国防工业出版社,1997.

[7]卢昱.协同式网络对抗[M].北京:国防工业出版社,2003.

[8]孟洛明.多层多重视点的网络管理环境模型[D].国家自然科学基金重大研究计划“网络与信息安全”2002年度学术交流论文集,2003.

[9]徐超汉.计算机网络安全与数据完整性技术[M].电子工业出版社,1999.

[10]柴震川,刘东林,帅典勋,等.网络行为建模环境的实现及网络混沌性状分析[J].通信学报,2002,9(2):138-142.

基于Agent的行为建模方法研究 篇3

关键词：实体,Agent,反应行为,慎思行为,行为建模

1 基于Agent的行为建模概念框架

在一个具体的作战系统中,将组成系统的每个实体抽象为相应的Agent,构成一个多Agent系统,根据这些Agent的行为方式不同可以将它们划分为指挥Agent和执行Agent,指挥Agent以慎思行为为主,执行Agent以反应行为为主。指挥Agent的慎思行为过程主要模拟指挥人员指挥控制决策过程,实现特定环境下对执行Agent物理行为的控制;等级式Agent多系统框架如图1所示。

1.1 反应式行为

在Agent结构体系中,Agent的反应行为由Agent结构所表现出来,在Agent结构体系中没有符号对世界模型进行表示,所以不存在进行符号的复杂推理过程,也没有相应的思维方式和一定的认知水平,所以Agent结构的反应式行为适合对战场进行描述。Agent结构体系的反应式行为原理如图2所示:

1.2 慎思式行为

慎思式行为也是Agent结构体系中的一种,慎思Agent结构体系是对Agent慎思行为进行描述的,在慎思Agent结构中,主要有两个问题需要解决:

(1)问题转换。所谓问题转换指的是用符号来表示现实世界,所以需要对现实世界的因素与符号之间进行转换。这一问题的解决主要是为了表示Agent系统感知到的信息,为后续的推理操作和最后的决策提供理论依据。

(2)推理问题的表示。推理问题的表示是慎思Agent结构中需要解决的又一个问题。指的是利用符号对现实世界的实体物质进行描述的方法和过程,同时将对这些信息数据的推理过程表示出来,并且得到有效的结果。推理问题的表示主要是为了进行表示知识、规划工作等操作。

慎思Agent反应行为方式能够依据自身对现场环境状态的感知,利用演绎方法对后续所要采取的行为进行规划,因此慎思Agent反应式行为的智能性要高于Agent反应行为。

2 Agent反应式行为建模方法

2.1 有限状态机在Agent行为模型中的应用

反应式Agent可以在作战环境下根据自身状态和战场环境的改变自主地进行推理和决策,并实时地做出反应。在仿真系统中,其行为模型的实现我们采用有限状态机(Finite State Machine,FSM)方法。

2.2 Agent的反应式行为模式

大部分仿真系统中实体的交互最终都是依靠消息的传递来实现的,这里在研究Agnet的行为模式时,采用消息流的传递来实现。如果Agent结构体系收到其他的Agent所发送的数据信息或者触发事件时,它会自动依照目前自身的状态,对处理规则进行选择,使之可以与目前的状态相匹配,同时将当前的环境信息发送给其他Agent结构系统。Agent的行为模式如图3所示。

3 Agent慎思式行为建模方法

3.1 态势理解

态势理解指的是对环境的地形、地势等物理特征,战场的可通视区域等环境知识以及时序关系的环境信息进行表示,同时态势理解还需将战术、过程、规划、决策等信息提供给Agent结构体系中的慎思行为,以便Agent的慎思行为进行问题的求解操作。另外,态势题解可以利用一定的推理方法对当前环境中的隐含信息进行获取,能够实时掌握战场的态势,而且态势理解可以表示出行动的计划,以此实现可以对军事计划的标准结构进行重新定义的目的,但是在计划的进行过程中必须要对Agent的慎思行为所修改的数据进行支持,才能取得有效的效果。

3.2 规划与决策

计划指的是Agent所执行的一种行动序列,主要是为了达到某些特定的目的。在Agent的规划和决策中主要包括:制定多种计划方案、评估和选择计划、执行计划并对其进行实时跟踪、重新制定计划等。因为想要实现Agent的目标,我们就需要根据实际情况对虚拟战场下属单位进行军事计划的制定,同时应该制定多种不同的方案,并对这些方案进行评估,从中选取最优的方案进行执行操作。在执行操作的过程中应该对其进行实时的跟踪观察,时刻掌握计划执行的情况,而且为了可以使计划顺利的得以实行,我们应该根据计划的实际操作过程进行协调操作,对计划执行中的形势,对计划结果的期望进行预测,同时能够根据实际的执行情况采取一些辅助手段,例如:可以根据实际情况修改目前行动计划中的一些行为特征,增加或者删减目前行动计划中的内容,使行动计划的设计处在最合理的状态内,如果对于一些重大问题和失误的出现,我们则需要进行计划的重新制定。

一般来说,我们所使用的规划方法是对客观、确定的任务环境进行处理,但是在实际的战场中却包含着大量的不确定因素,因此我们在对Agent任务进行分类时经常将其分为两类任务,一类是非对抗性任务,另一类是对抗性任务。其中非对抗性任务指的是只对我军的实体情况和自然条件对作战任务的影响,不需要对敌军的行动进行考虑。而对抗性任务指的是在我方与敌军进行对抗的过程中,要对一些可预见性的条件进行预测并将其放在执行计划中,以此来提高行动计划对作战环境的适应能力,从而达到良好的作战效果。

指挥员和指挥机构在战场上拥有绝对的指挥决策权,下级作战部队和作战单元只能完全服从上级的指挥,在上级的指挥和协调下工作,这里对指挥员和指挥机构的行为采用慎思式结构建模,对作战部队和作战单元的行为用反应式结构建模,体现了军队等级式结构组织特点,充分利用了Agent自主性、灵活性和智能性,符合实际战场作战的规律。

参考文献

[1]李宏亮.基于Agent的复杂系统分布仿真[D].长沙:国防科技大学,2001.

[2]史忠植.智能主体及其应用[M].北京科学出版社,2000.

[3]胡晓峰,罗批,司光压,张国春,等.战争复杂系统建模与仿真[M].北京:国防大学出版社.

[4]曹军海,张和明,熊光楞.多Agent仿真中Agent行为的形式化描述方法[J].系统仿真学报,Vol.16No.11,Nov,2004:2398-2400.

基于认知体系的自适应行为建模方法 篇4

然而,传统自适应行为建模方法将适应性过程限制在有限范围内,并需要进行预先规划。但环境的不确定性、不可预知性和复杂性,迫切要求自适应具有预见性。特别是在在机器人应用领域,国内外学者和研究机构提出了基于模糊算法、模糊神经网络算法、遗传算法、进化神经网络算法等自适应行为建模方法[4,5,6],一些建立在认知体系结构之上[7,8,9]。SOAR(state operator and result)[10,11,12,13]相对于其他方法不仅提供了通用的描述规则和推理引擎,同时还提供了规划、学习等高级功能,能帮助用户高效地实现行为建模。

本文将SOAR认知体系引入到移动机器人[14,15,16]自适应行为建模研究当中,通过SOAR的规则系统、认知决策处理能力建立了自适应行为模型,文中介绍了SOAR的基本架构、推理机制等,然后在此基础上建立自适应行为模型,实现了移动机器人的自适应行为模型,取得了较好的仿真效果。

1 认知体系

1.1 SOAR简介

认知体系是将人的认知思维信息处理过程利用软件实现的系统,是从感知输入到复杂问题求解的过程,是研究人脑和心智工作机制的前沿尖端学科,引起了全世界科学家的广泛关注。

SOAR是由美国密歇根大学人工智能实验室开发的一种用于构造通用智能系统的体系架构,是目前最先进的认知体系,代表了人类认知的最高水平。SOAR的设计思想是基于这样的一个假设:任何一个有确定目标的行为可以分解为针对某一状态(state)下的一系列算子(operator)选择和算子应用的过程。在此,目标可以被描述成一个所求解问题的期望结果,状态(state)则表示所求解问题的状态,算子(operator)则被用来将一个状态转换成另外一个状态,通常可理解为一个动作。解决问题时,SOAR重复如下过程:提出算子、选择算子和应用算子,直到达到所求解的问题目标。

SOAR是不断将操作符应用到当前状态实现状态转移直到达到目标状态的过程。因此,问题空间建模和操作符建模是实现自适应行为建模的最基本部分,SOAR之所以能成为目前与人类问题处理方式最接近的认知体系,是因为在SOAR中除了可以进行问题空间和操作符的设计外,还能够实现冲突消解和进行自学习,是一种能够同时利用反应式和慎思式方式进行问题处理的模型。

1.2 SOAR进行决策推理的步骤

SOAR认知系统是一种基于状态、操作符和规则进行问题处理的系统。规则以产生式的形式存在,其中包含问题解决知识,可以直接被使用者访问,并且使用Rete算法快速有效的进行匹配,采用反向推理的策略,用四个循环阶段控制扫描规则:

Step1:匹配。自顶向下顺序扫描知识库中的规则,搜索满足当前状态条件的规则,确定匹配目标;

Step2:选择。当有多条规则匹配当前状态时,根据之前指定的优先级准则,选择优先级最高的规则;

Step3:触发。激活被选择的规则,调用该规则的所有动作指令;

Step4:动作。通过输出模块将动作指令输出给外部执行机构,完成相应的动作。

SOAR认知架构由各种内存记忆模块、问题处理模块、学习模块和感知输入、动作输出接口组成。其中内存记忆模块包括长期记忆和工作记忆两部分。长期记忆又是由程序性记忆(存放产生式规则)、语义性记忆(事实对象)、情景性记忆(经历的情景)组成,工作记忆既可以以存放当前问题的状态信息,又是认知决策处理中心。决策处理时,输入模块接收外部感知信息,感知输入信息对当前状态进行描述和细分;根据当前状态信息匹配满足条件的规则,提出候选操作;根据操作符的优先级从候选中选出合适的操作符,应用已选操作符触发动作执行规则,输出执行指令,改变环境状态,完成一个决策执行周期。循环进行从感知输入到决策输出的过程,直到达到目标状态。状态信息以标识符^属性-值(identifier^attribute value)三元组的形式表示成工作内存元素存储在工作内存中。认知处理部分与记忆模块进行知识交互,完成状态创建、决策制定、规划和学习等任务。

1.3 SOAR子目标产生机制

当问题处在动态多变的环境时,可能会遇到方案之外的新问题,如果没有足够的知识,系统会一直处于死锁状态,无法完成任务。因此,能否进行冲突消解和是否具有学习能力将是检验一个系统是否具有智能的重要标准。

当系统处于死锁状态时,SOAR会自动产生子目标状态进行冲突消解,子状态将继承父状态的所有信息,并添加有助于问题解决的新属性,比如冲突的类型,和冲突的原因等。认知体系将根据这些信息,通过解决相关子目标来实现最终任务。SOAR中的组块学习机制会将子目标的解决过程进行总结,并以规则的形式存储到产生式内存中,当遇到类似情况时,直接触发规则进行处理。冲突时子目标和组块的使用体现了SOAR从慎思到反应式的问题处理方式的转变,提高了问题处理效率。

2 机器人自适应行为模型的构建

利用SOAR认知体系进行自适应行为建模主要包括问题空间[17]的建模、操作符建模和学习建模等几部分,在基本模块建模的基础上加上强化学习等学习机制不仅能提高问题的求解效率,还能对问题处理过程进行分析以形成较优的行为策略。最后将这种建模方法应用到移动机器人的行为选择中进行验证。要求移动机器人能在障碍物随机分布的空间中,无碰撞的从任意的初始位置到指定的目标位置。

2.1 问题空间的设计

不同任务对应不同的问题空间,问题空间是对问题任务的描述。问题空间的设计包括任务的初始状态以及期望达到的目标状态的描述。问题空间设计的合理性将影响到问题处理的复杂性。

机器人在往目标移动的过程中,由于空间中有随机分布的障碍物,而且机器人主要是对环境中的障碍物信息进行检测,因此会感知到两种不同的环境信息,有或没有障碍物。为协调不同环境状态下的信息以完成目标任务,可以在原始问题空间的基础上,利用不同的环境状态信息将问题空间分解为避障和趋向目标两个子空间,并在各自问题空间中完成各自的子任务,各子任务协调完成总目标任务。当机器人感知到周围存在障碍物并可能会阻碍其移动时,会切换到避障问题空间,执行避障子任务,如果没有检测到危险障碍物,此时机器人将在趋向目标的子问题空间中执行趋向目标任务。机器人将与环境不断交互,执行不同子任务,直到完成目标任务。

2.2 操作符建模

为能成功避开随机分布的障碍物,到达指定位置,机器人需要具有自由移动功能。而转向和移动功能是实现自由移动的必要条件,因此在本文设计的应用中,机器人需要具有转向不同方向并移动的能力。考虑机器人运动的灵活性和设计的方便性,为机器人设计了八个方向的转向运动功能,包括向前(forward)、右前(fright)、向右(right)、右后(bright)、向后(backward)、左后(bleft)、向左(left)、左前(fleft),每两个转向之间相差45°。八个运动方向的设计足以使机器人在运行空间中自由地调整运动方向。

利用2.1节中提出的问题空间分解的思想,并将合适的操作符应用到各子问题空间中,便可以实现任务分解[17]处理能力,减少问题处理的复杂度,提高执行效率。

3 强化学习[18,19]

在SOAR中,操作符的选择和应用是问题决策的关键。SOAR系统具有根据环境状态自适应选择执行动作的能力,不需要事先给定操作符执行序列。当某个状态下有多个操作符被提出时,SOAR能根据操作符的符号偏好或数值偏好从中选出最合适的操作符。

强化学习是将动作执行后从环境中获得的奖赏信号作为动作选择的依据,以取得最大期望奖赏的学习方法。它也是一种基于环境进行动作选择的方法,因此可以考虑将强化学习融入到利用认知体系建立的自适应行为建模,增加学习能力和动作选择的合理性。

值函数和回报函数是强化学习中两个重要的概念。在SOAR中,值函数以强化学习规则的形式存在,函数值(即Q值)将对应于操作符的数值偏好。这种对应关系说明了两者结合的可行性。

考虑到问题处理的实时性,每个动作执行完成后,要根据获得的奖赏更新Q值,本文将使用Sarsa方法更新每个操作符动作的Q值。

式中,s表示当前的状态,s’是下一个状态,o是当前的操作符,o’是作用到s’上的操作符,r是获得的奖赏值,α为学习速率,γ为未来奖赏折扣参数。在移动机器人应用中,取α=0.1,γ=0.9。

回报函数是动作执行后从环境中得到的立即奖赏。机器人往目标位置移动过程中,理想情况是每一次移动将更靠近目标,远离障碍物。基于上述分层任务实现的思想,针对避障和趋向目标两个子任务分别设计不同的回报函数。

在执行趋向目标任务时,如果靠近目标,则给与正奖赏,远离目标,给与负奖赏,到达目标位置时,将获得最大奖赏,回报函数设计如下:

式中,rg表示趋向目标时的奖赏,dg(t)表示t时刻机器人与目标的距离。

避障时,如果远离障碍物,则获得正奖赏;反之,受到惩罚,避障失败后将给与最大的惩罚。为了准确判断机器人与障碍物的位置关系,本文引入dmax和dmin两个参数,当机器人与障碍物的距离大于dmax,表示没有检测到障碍物,机器人处于安全状态,当距离在dmax和dmin之间时,说明检测到障碍物,需要执行避障,而当距离小于dmin,表示将要碰到障碍,避障失败。根据以上假设,在执行避障任务时,回报函数的设计如下:

式中,ro表示避障时的奖赏值,di(t)为t时刻机器人与要躲避的障碍物之间的距离。

机器人的总回报函数为避障与趋向目标任务下的回报函数加权和。定义如下:

式中,k是避障动作回报函数的权值,用来控制两种情况下的回报值在总回报中的权重。当检测到障碍物时,以r0为主,没有障碍物的情况下,只考虑rg。

4 仿真验证

仿真实验在一个有限平坦空间中进行,要求在未知的环境空间中,机器人能从初始位置自主无碰撞的到达指定位置。为有效的模拟机器人工作环境,我们将工作空间进行坐标化处理,根据每个周期机器人移动的距离,实时更新机器人当前所处的坐标位置。通过判断机器人邻近坐标位置是否有障碍物来模拟障碍物检测的过程。实现机器人与环境的不断交互,探索工作空间,进行自主认知决策。图4为机器人在未加入强化学习思想时的执行轨迹。其中红色五角星为目标位置点,黑色方框代表了空间中随机分布的障碍物,蓝色曲线表示机器人的探索轨迹。实验表明,在没有事先给出操作符执行序列的情况下,机器人能根据检测到的环境状态,自适应地选择执行动作。在运行方向上检测到障碍物后,能主动调整到没有障碍的方向上,当目标方向没有障碍物后,又能优先往目标方向移动。

强化学习的使用模拟了人类在多次执行同样问题时的自我总结反馈能力,本文在基本认知决策模型中加入强化学习思想,是任务执行过程中,能同时利用环境状态信息和获得的奖赏信号,作为动作选择的依据,减少了任务执行路线的波动范围。如果在往目标方向移动的过程中遇到障碍,则更倾向于选择左前、右前等小幅度调整运行角度的操作符,从而保证了往目标方向运行的总体趋势,减少了不必要的空间路径搜索,提高了问题的执行效率。图5显示的是在多次强化学习指导下的任务执行轨迹。

实验结果表明,使用SOAR认知体系可以自适应的进行行为选择,使机器人自主完成任务。强化学习的加入,明显提高了问题解决的效率,在一定程度上消除了问题处理过程中动作选择的盲目性。

5 结论

本文借助于认知体系进行行为建模,使系统能根据环境状态实时动态地选择执行动作,打破了传统的自适应行为需要预先规划操作符执行序列的缺点。在基本模型基础上,融入强化学习思想,优化了执行轨迹,使动作选择更具有合理性,得到了预期结果。

行为建模 篇5

为了使将来的各种业务能够在网络上高效运行,有必要事先对网络进行规划和管理。所谓的网络系统规划就是要根据用户的需求来进行网络的设计和管理,这其中包括评估系统容量、分配带宽资源、计算传输时延和端到端QoS保证等。采用基于用户行为的业务建模方法对网络中的用户与网络的交互行为进行抽象和分层建模,这样,一个复杂的过程就可以分解为若干标准步骤,以便在不同的层次上对用户的行为及其对网络产生的影响进行量化,从而在底层生成所期望的业务流。根据不同条件和情况建立合适的网络模型,从应用出发建立各种基于流量特征的业务流,从而可以为网络仿真提供正确的业务流模型。 本文基于BISANTE提出的分层业务模型,通过对用户的行为进行建模,利用OPNET实现对LEO系统中境外通信业务的分析与仿真。

1基于用户行为的分层业务模型

基于用户行为(user behavior)的分层业务模型最早由BISANTE[1,2,3]提出,主要用于对系统性能进行分析评估。所谓分层业务模型[1]实际上是将用户产生业务的过程进行分层描述。模型从上至下主要分为6层:业务产生层、会话层、应用层、命令层、服务层和资源层,如图1所示。其中业务发生层是用户模型的最上层,代表了网络中的活动用户,作用于一个网络节点或具有相同业务发生特征的一组网络节点,并以一定的业务到达速率和一定概率为用户发起一个会话层操作;会话层主要为用户发起一个或一系列应用(如Internet中的Web浏览和E-mail等),并按照一定概率和规则维持不同应用之间转换,直到最后结束;应用层由一系列命令和静默时间组成,该模型控制命令的产生和静默时间的长度、命令的类型取决于上层选择的应用,静默时间取决于仿真系统本身;命令层的作用是开始一个服务,改变服务参数和终止一个服务,该层定义的主要参数是服务的类型和服务开始的频率;服务层产生真正的业务,主要参数是业务类型和业务请求随时间的变化特性(如数据包的到达间隔等);资源层为分层模型的最底层,该层对网络节点的物理资源进行建模,如网络、内存以及I/O资源等,该层与仿真的物理资源相关。模型的建立必须自上而下,业务的产生总是从最顶层开始,较高层根据定义好的模型依次选择和激发与之相邻的下层进行相关操作,直到服务层。将业务按照一定规则封装成相应格式的分组,再交与资源层进行处理和传输。

为了便于控制和对模型进行简化,在建立用户模型的初期,可以对该分层模型中的一层或几层做简化或合并,这样有利于集中分析用户模型所描述的某些特征对网络业务流或网络性能造成的影响。而对分层模型的合并和简化不会影响其他层正常的建模与仿真。但对分层特征描述得越细致,越能得到与实际相符的用户模型,产生相应的业务流。

2分层业务模型在OPNET下的实现

OPNET Technologies,Inc推出的OPNET是目前世界上最先进的网络仿真开发和应用平台,它提供了2种表示网络业务量的方式:一种是将网络的业务量作为“背景流量”引入;另一种方法则是通过设置网络业务的各种属性,生成相应的业务流。在此利用第2种方法来进行分层业务建模。

OPNET提供了Profile Definition Object、Application Definition Object和Task Definition Object[4]3种节点模型用于描述网络中用户的行为,设定用户使用的网络业务的属性,产生预期的业务流。其中Profile Definition Object用于定义网络中用户的行为(Profiles),这种行为是通过定义用户在一定时间内使用的网络业务(Applications)的种类、时间和频率来实现的。而Applications的属性则在Application Definition Object中定义。OPNET提供了2类Applications:一类为标准业务,是预先定义的常用的标准业务,当用户使用这些业务时,只需要设定其相应的参数,如起始时间、持续时间和重复频率等;另一类为用户自定义业务(Custom Application),是OPNET提供的一种通用的网络业务模型,利用这种模型可以用于定义各种网络业务。采用Custom Application可以定义网络用户所使用的业务的实现细节,这些细节被称为Task,而每个Task又可进一步划分为数据传送和请求处理等多个阶段,在OPNET中,这样的一个阶段被称作一个Phase。通过在Task Definition Object中详细设置Task和Phase的各种参数,即可以得到所要表示的业务。

将BISATNE的分层用户模型和OPNET提供的这种生成业务流的方式相对比,可以发现其中的对应关系,如表1所示。通过这种对比关系,可以利用BISANTE各层的数学模型在OPNET中设定各种参数,产生仿真所需的业务流。

3LEO系统中境外业务分析与仿真

3.1仿真背景

选取24/3/1星walker星座为仿真背景,轨道内卫星之间通过星际链路(速率为5 Mbps)相连,轨道之间没有星际链路。取一个轨道面内8颗卫星为研究对象,分别编号为:sat11,sat12,sat13,sat14,sat15,sat16,sat17和sat18。取某一时刻的静态拓扑表,假设此时sat13号卫星位于国土上空,且位于国内信关站的最短可视范围,并与其建立馈电链路(速率为15 Mbps)。在此不考虑sat11卫星覆盖区内的境内通信业务,境外通信业务通过经由其他卫星由sat11传回境内进行处理,该轨道内其他卫星覆盖区内根据用户终端类型不同分为话音用户群,短数据用户群和长报文用户群,其中话音终端采用符合G.723.1标准的编码方式,速率为5.3 kbps,呼叫到达时间间隔服从均值为1 800 s的负指数分布,双工工作模式,支持话音激活;短数据终端业务到达间隔服务均值为60 s的负指数分布,包长为100 bytes,采用随机接入的方式;长报文终端业务到达间隔服务均值为300 s的负指数分布,包长为500 bytes,采用预约方式进行接入。用户终端数量及分布如表2所示。

3.2LEO系统业务建模

仿真之前必须对仿真对象进行业务建模,在LEO系统中,其业务建模主要分为业务源建模、网络拓扑建模和协议栈建模3部分。

3.2.1 业务源建模

根据前面提供的业务特征,终端数量及分布,结合第2部分的分层建模方法,对每项业务的profile、application和task进行相关设定,描述用户产生业务的行为,从而生成底层业务流。在仿真实现过程中,话音业务视为符合G.723.1标准的声码话,采用ON/OFF模型生成;短数据业务视为分组业务,长报文业务视为预约型分组业务。

3.2.2 网络拓扑建模[5]

由于没有轨道间的星际链路,轨道内的8颗卫星可视为以环状方式连接的8个交换节点,用户群可视为具有相同业务特性的子网,子网与交换节点相联,通信终端可视为子网内的业务节点,信关站可视为目的节点。

3.2.3 协议栈建模

交换节点之间采用ATM交换体制,业务源生成的业务直接加载在ATM层,进行节点之间的交换,目的节点为内容服务器。其中11号交换节点(即sat11)与内容服务器(境内信关站)相连,速率为15 Mbps;各交换节点(即各卫星)之间以5 Mbps速率连接。

3.3仿真结果分析

考虑到静态拓扑表的更新时间,仿真时间设为10 min。通过仿真可以得出各条星际链路在系统运行过程当中的业务负载,为保证分析的有效性,选取业务负载最重的一颗卫星,即在国土上空与信关站进行通信的sat11号卫星,并对它所相联的2条星际链路的负载进行分析,仿真结果如图2所示。从图中可以看出,由于将各种用户业务产生起始时间都定100～105 s之间,因此在这个时间范围内业务负载出现一个尖峰,此时星际链路的最大负载约为1.616 Mbps。由于话音呼叫服从到达率为30 min/个的指数分布,因此在10 min内,大部分用户只产生了1次呼叫请求,随着时间的推移,数据业务请求趋于离散,业务负载呈逐渐下降的趋势。从分析中可以得知,在指定业务源特性(用户分布、用户类型、用户数目、业务特性)的情况下,通过分层建模与仿真的方法,能够得出在系统运行过程中,链路所需承受的最大负载量,为系统设计提供可靠依据。

4结束语

采用基于用户行为的BISANTE分层用户模型,通过网络级仿真软件OPNET实现对LEO系统境外通信业务的分析与仿真。这种对业务进行分层建模的方法可以通过描述用户在高层对网络的行为而产生低层的业务流量,为精确地进行网络性能评估提供了可能。

参考文献

[1]HLAVACS H,KOTSIS G.Modeling User Behavior:A Layered Approach[C].California:MASCOTS’99Proceedings,1999:218-225.

[2]CHIARAMELLAJ,FOKA R.The BISANTE Project:Source Traffic Modeling in OPNET[R].BISANTE/DEL43.Surrey:BISANTE Consortium,2000:20-25.

[3]HLAVACS H,HOTOP E,KOTSIS G.Workload Generation by Modeling User Behavior[C].Washington D.C:OPNETWORK2000Proceedings,2000:25-30.

行为建模 篇6

消费行为分析对企业的产品生产和销售具有重要指导意义。根据消费者的消费数据, 建立消费行为因素分析模型, 发现不同因素间的关系。消费行为因素分析大多依据经济学、社会学和心理学的理论[1,2,3], 具有很强的主观性。数据挖掘为消费行为因素分析建模提供了新的手段[4,5,6], 如结合聚类和关联规则挖掘算法, 为每个消费者提供购物指南;利用Clementine软件导出决策树和规则集, 指导销售人员根据消费者的外表进行营销。决策树反映条件因素和决策因素的关系, 其每一分支构成一条决策规则。对于C4.5算法实现决策树挖掘, 对连续型条件属性 (条件因素, 如年龄) 只进行一次最优二分, 无法实现多次二分 (多区间化) , 导致决策规则准确率降低。

针对消费建模分析的需要, 改进C4.5算法, 对连续型条件属性进行多次二分区间化, 以提高消费因素建模分析的精度, 并采用Web体系结构, 以Oracle为数据库, 实现了消费行为分析建模系统, 集成到北京兆信信息技术股份有限公司的消费行为分析系统中, 取得很好的应用效果。

1 决策规则挖掘

1.1 数据集形式化表示

定义1客户数据集为L= (ID, A, VID) 。ID={id1, id2, …, id|ID|}为客户集合 (|ID|为集合中元素的个数) ;A={ai|i=1, 2, …, k}为客户属性集;VID={Vai|i=1, 2, …, k}, Vai为客户属性ai的值域, 表示客户id∈ID在ai上的投影, 即ai:ID→Vai, ai (id) ∈Vai。

定义2交易数据集为K= (T, ID∪S, VS) 。其中T={t1, t2, …, t|T|}为交易集合 (|T|为集合中元素的个数) ;S={si|i=1, 2, …, k}为商品集合;ID≠Φ, S≠Φ, ID∩S=Φ;VS={Vsi|i=1, 2, …, k}, Vsi为商品si的交易量, 表示交易t∈T在si上的投影, 即si:T→Vsi, si (t) ∈Vsi。

定义3客户交易数据集CK= (T, I, V) 。其中I=ID∪A∪S, V=VID∪VS。令C⊆I, D⊆I, 并且C∩D=Φ, C∪D=I, 称C为条件属性集, D为决策属性集。C和D也分别为条件因素集和决策因素集。

定义4 CK'= (T, C∪D, V) 为客户交易数据子集。其中C⊆I, D⊆I, 并且C∩D=Φ, 决策规则DecRule为:, 其中f为不确定性因子:

且f∈[0, 1]表示决策属性集依赖于条件属性集的程度, 或条件属性集的分类能力。决策树Dec Tree={Path|Path=DecRule}, 决策树路径为决策规则, 决策树为决策规则的集合。

定义5客户交易数据集CK的划分Div T (T) ={Ti|Ti⊆T}。其满足:对于

对于属性集B⊆I, T/B为CK关于B的一个划分, 其满足:对于, 称Ti∈T/B为关于B的一个等价类, T/B称为关于B的等价类族。pi=p (Ti, B) =|Ti|/|T|为该等价类的概率, 为客户数据集关于属性集B的概率分布。

1.2 C4.5算法

对于客户交易数据集CK, T关于D的期望信息:

对于属性a∈C, T关于a的期望信息:

T关于属性a的信息增益:

信息增益刻画属性a的分类能力。Gain (a) 越大, a的分类能力越强。

T关于属性a的分裂信息:

分裂信息描述属性a划分T均匀程度。Split Infoa (CK) 越大, 在a上分布的交易T越均匀。

信息增益率:

信息增益率为规范化的信息增益。

C4.5算法是在ID3算法[7]基础上发展而来的, 其主要是针对连续型条件属性优化二分, 并采用信息增益率进行分类能力评估, 选取信息增益率大的条件属性作为决策树分支节点。其主要过程描述为:设条件属性集C=C1∪C2, C1∩C2=Φ, C1表示连续型属性集, C2表示离散属性集。设a∈C1, 对a的取值排序为Sort (a) =<a (t'1) , a (t'2) , …, a (t'|T|) >, 且t'i, t'i+1∈T, i=1, 2, …, |T|-1。断点集cuts (a) ={cuti|cuti=[a (t'i) +a (t'i+1) ]/2, a (t'i) , a (t'i+1) ∈Sort (a) }。对连续型属性a定义信息增益率为:

其中, cut∈cuts (a) , 且t'∈T, 如果a (t') ≤cut, 则a (t') 取值0;否则a (t') 取值1, 即根据断点cut对属性值进行0-1归一化。GainRatio (a, cut) 为连续型属性a关于断点cut的信息增益率。

即获得属性a的最优断点opt_cut。根据连续型属性a和断点opt_cut, T可被划分为T0, T1, 即T/{a}opt_cut={T0, T1}, 其中

决策树的分支为:

1.3 连续型属性多次二分的决策树生成算法

为了提高含有连续型属性的决策树精确性, 改进C4.5算法的不足[8], 引入CN={n (a) |n (a) ∈N, a∈C}表示a在决策树中最多可选为节点的次数集合。如果a∈C1, 则n (a) ≥1;如果a∈C2则n (a) =1。对于离散型属性在决策树中只出现一次, 而连续型属性在决策树中可多次出现, 即多次对连续型属性二分。基于连续型属性多次二分的决策树生成算法如下:

2 消费行为因素分析系统的实现

2.1 系统架构

采用Web体系结构[9,10,11], 以Oracle为数据库服务器, IIS为应用服务器, Web浏览器为客户端。逻辑上为表现层 (UI) 、业务逻辑层 (BLL) 和数据访问层 (DAL) 。如图1所示。

其中, UI层接受用户的输入并传给BLL层, 接收BLL层返回的结果并显示于界面, 该层通过aspx页面实现界面控件, 在对应的aspx.cs页面实现控件事件;BLL层实现具体的业务, 可完成复杂的逻辑运算, 实现决策树生成;DAL层通过数据库访问类 (Db Helper Ora) 连接数据库, 调用数据库中的存储过程, 将存储过程执行结果传给BLL层处理。此外, 将BLL层的方法包装成Web Service, 供UI层调用, 并方便其他系统与本系统的对接。

2.2 系统设计与实现

消费行为因素分析按流程分为用户输入、数据库操作、决策树生成、结果处理四大块 (如图2所示) 。

(1) 用户输入:用户输入包括时间段输入、属性确定和属性选择最大次数。时间段输入缺省设置为所有时间, 属性选择最大次数缺省设置为一次。条件属性和决策属性必须选定。该模块在UI层。

①时间段输入:采用Text Box控件绑定My97Date Picker日期控件, 用户可直接在Text Box中输入日期, 也可在My97Date Picker上勾选日期。My97Date Picker自带日期格式纠错功能。

②属性确定:用两个List Box控件显示所有消费行为属性。左侧的List Box为可用属性, 右侧List Box为选定属性。添加四个按钮, 分别实现全选、单选、删除、全部删除的功能。

③属性选择最大次数确定:用Text Box接收输入的数字, 并建立方法to Int By String () 对Text Box中的内容进行检测, 确保其为数字并转换成Int类型。

时间和属性经过BLL层传入DAL层的数据库访问类DbHelper Ora, 属性选择最大次数传入决策树生成类Decision Tree。

(2) 数据库操作:包括提取已有规则和提取用于生成决策树的数据。该模块在DAL层, 通过Db Helper Ora类的Run Procedure方法调用Oracle数据库中的存储过程。

①提取已有规则:如果决策树已生成并保存于数据库中, 则从数据库中提取规则。Db Helper Ora接收到输入后, 通过Run Procedure方法执行存储过程sp_getRules。该存储过程根据用户输入条件取出规则, 返回结果并存入Data Set。如果数据库中有相应规则, 则Data Set不为空, 进入结果处理中的规则显示;否则提取用于生成决策树的数据。

②提取用于生成决策树的数据:如果决策树是首次生成, 则提取用于生成决策树的数据。Db Helper Ora类通过Run Procedure方法调用存储过程sp_select Data。该存储过程完成两个功能:数据的预处理[12], 包括含缺值记录的剔除和数据格式的转换 (如生日转换成年龄, 由Date Time转换成Number类型) 以及部分连续型属性的离散化 (如按照企业的需求对月收入进行离散化) ;另一功能是提取数据集CK, 按照属性集I的取值进行分组, 提取统计结果 (而非每一条记录) 以减少参与构建决策树的记录数目。在存储过程中通过分组查询 (group by) 和行数统计 (count (*) ) 实现。

(3) 决策树生成:采用连续型属性多次二分的决策树生成算法生成决策树。该功能集成为BLL层的类Decision Tree, 其方法如图3所示。

①read Data方法接收CK, 转换成样本集合samples并传给create Tree方法。

②create Tree方法接收samples, 把所有属性最大选择次数存入集合CN中。把samples和CN作为参数调用create Node方法, 得到决策树的根节点并传给generateRules方法, 或者传给树显示模块用于界面显示。

③create Node方法使用系统提供的Tree Node类实例化节点, 递归创建节点生成决策树。该方法调用is Same Target Attribute方法判断决策属性值是否相同。当所有条件属性都不可分割时, 调用most Common Target Attribute方法求最大可能的决策属性值;当条件属性可分割时, 如果是离散属性, 则通过get Gain方法计算信息增益, 通过get GainRatio方法计算增益率。其中, get Gain方法调用entropy方法计算期望信息, get GainRatio方法调用get Split Info方法计算分裂信息。如果是连续型属性, 则通过get Gain And GainRatio Of Decimal Type方法求最佳分割点并计算信息增益和增益率。

④generateRules方法接收决策树的根节点, 然后遍历整棵决策树形成从决策树根节点到任一叶子节点的if-then规则。其通过getRules方法形成一条规则, 递归调用getRules遍历决策树形成所有规则。对于连续型属性分裂n次, 生成规则时对连续型属性的取值进行合并。

(4) 结果处理:包括树显示、规则显示和规则存储。

①树显示:在UI层接收create Tree方法产生的根节点, 使用Tree View控件加载根节点。Tree View控件会遍历显示完整的决策树。

②规则显示:在UI层接收generateRules方法传来的规则, 使用Table控件以列表的形式显示规则。

③规则存储:在DAL层接收generateRules方法产生的规则, 把分析时间、属性及规则传入Db Helper Ora类, 并通过RunProcedure方法调用存储过程sp_insertRules存储规则。

3 运行效果及分析

通过浏览器登录北京兆信消费行为分析系统, 进入消费行为因素分析页面, 显示消费者关联的所有数据表字段 (如图4所示) 。数据库中共有516 799条购买记录。

在界面上填入分析时间段、属性选择最大次数并选择因素。点击分析按钮, 得到决策树 (部分子树如图5, 图6所示) ,

其中收入已预处理为离散化数据。决策树上每条路径对应一条决策规则。

从决策树上可获取如下信息:

(1) 从根节点到叶节点构成了消费行为的属性及其取值的联系, 也就是决定消费行为的因素之间联系。如:月收入>5000, 注册方式为Web自助, 年龄≤33, 性别为男性的消费者购买金钻奶粉有24 203人, 购买其他有5 236人, 且购买金钻奶粉者占82.21%。

(2) 节点位置反映属性 (因素) 的重要性。越靠近根节点, 属性重要性越大。如在选择购买金钻或金装奶粉时, 消费者月收入是最重要的影响因素, 而消费者性别的重要性最低。

(3) 连续型属性最大可分割次数影响决策规则的精度。随着连续型属性二分次数增加, 决策规则确定性提高。如图6所示, 年龄最多进行2次分割, 可得决策规则:月收入5 000元以上, 注册方式为门店, 年龄≤25岁, 购买金钻奶粉有3 082人, 购买其他有0人, 且购买金钻奶粉者占100%。月收入5 000元以上, 注册方式为门店, 年龄在25~33岁, 性别为男性的消费者购买金钻奶粉有3 338人, 购买其他有766人, 且购买金钻奶粉者占81.34%。月收入5 000元以上, 注册方式为门店, 年龄在25~33岁, 性别为女性的消费者购买金装奶粉有14 107人, 购买其他有1 531人, 且购买金装奶粉者占90.21%。综合分析, 月收入5 000元以上, 门店注册, 年龄≤33岁, 规则精度为 (3 028+3 338+14 107) / (3 082+0+3 338+766+14 107+1 531) =89.70%。图5中月收入5 000元以上, 门店注册, 年龄≤33岁, 规则精度为 (4 019+14 107) / (4 019+766+14 107+3 932) =79.42%。图6规则的精度高于图5。

4 结语

针对北京兆信信息技术股份有限公司消费行为分析系统的需要, 在Web三层体系结构基础上, 以Oracle为数据库, 采用.Net和数据库存储过程编程实现了基于决策规则的消费行为建模, 分析消费者因素 (属性) 与购买产品, 或其他因素 (决策属性) 之间的关系, 为企业的生产、促销提供辅助决策依据。在决策规则生成算法上, C4.5决策树算法能够依据连续型属性数据集进行一次二分离散化, 通过信息增益率选定分类能力强的属性, 并按属性的各个离散值形成决策树的分支节点, 直到所有记录都是同一类别或没有可再分支的属性, 前者形成决策规则精确度为100%, 后者为小于100%。对于连续型属性而言, 记录类别可能分布不均匀, 采用C4.5算法进行一次二分离散化 (寻找一个分割点) , 决策规则不确定性往往比较高。通过改进C4.5算法, 实现基于连续型条件属性多次最优二分的决策生成算法, 也就是增加连续型属性最大可分割次数N, 形成决策树中连续型属性在决策树任一分支上出现的次数均不超过N, 而且多数分支的确定性有所增强, 即使确定性有所降低也是由于该连续型属性的记录类别分布不均匀所致, 但另一分支确定性则肯定增强。总之, 通过连续型属性多次最优二分, 提高了决策规则的准确率, 在消费行为因素分析中取得了令人满意的效果。由于连续型属性多次二分算法以记录类别为启发信息, 通过“枚举+测试”获取最优二分分割点, 算法计算量大, 后续研究拟采用增量算法进行分割点的确定, 或先进行离散化后再进行决策树生成的方法, 以提高决策树生成的性能。

参考文献

[1]张亚明, 刘海鹏, 赵培卿.中美网络消费者消费行为分析[J].企业经济, 2012 (6) :123-127.

[2]陈晓芬.温州大学生服装消费行为分析[J].中国商贸, 2011 (34) :246-247.

[3]韩占兵.我国城镇消费者有机农产品消费行为分析[J].商业研究, 2013 (8) :184-190.

[4]刘蓉, 陈晓红.基于数据挖掘的移动通信客户消费行为分析[J].计算机应用与软件, 2006, 23 (2) :60-62.

[5]朱建平, 来升强.时态数据挖掘在手机用户消费行为分析中的应用[J].数理统计与管理, 2008, 27 (1) :42-53.

[6]张革伕, 欧阳浩男, 徐琪.决策树在基于消费者外表的服装营销中的应用[J].计算机应用, 2010, 30 (2) :1919-1929.

[7]范明, 孟小峰.数据挖掘概念与技术[M].北京:机械工业出版社, 2012.

[8]姚亚夫, 刑留涛.决策树C4.5连续属性分割阈值算法改进及其应用[J].中南大学学报:自然科学版, 2011, 42 (12) :3772-3776.

[9]代乾坤, 仲梁维, 屈年凯.基于.NET架构的产品结构及物料管理系统[J].计算机系统应用, 2012, 21 (8) :27-31.

[10]肖文..net平台开发中表现层的常用设计模式[J].计算机应用与软件, 2012, 29 (5) :231-233.

[11]呼和, 张钦, 吕克强.SynchroF LOW工作流在.NET架构系统下的典型应用[J].计算机应用, 2011, 31 (1) :209-211.

行为建模 篇7

PTC/Creo参数化设计中的分析工具———行为建模技术,用于一定的设计意图与设计约束条件下,经参数迭代运算后,从中找出合适的设计参数,并以此来驱动、适应产品的结构设计,从而使设计过程更加智能化,更有效率[1]。

对于足球建模的参数化设计,通过创建其结构单元所在的圆弧曲线截面图与阵列的5个正六边球曲面,再建立两相邻正六边球曲面相对顶点的“距离”分析特征,将其作为优化的目标与设计约束,运用行为建模技术,找到圆弧中心角的最优解[2],为快速实现足球的参数化建模提供了解决方案。

1 创建正多边球曲面

1.1 设计正六边球曲面

(1)以FRONT基准平面作为草绘平面,完成圆心位于系统原点、左端点位于RIGHT基准平面上的圆弧的绘制,圆弧的半径为“110”,中心角“20”为暂定值,斜直线作为设计的约束参照。见图1。

(2)在FRONT基准平面上绘制与图1中的圆弧等半径的半圆弧,创建半球曲面的旋转造型,其角度控制方式为“对称”,角度值为“180”,见图2。

(3)以“投影草绘”方式创建平行于TOP基准平面且过图1中的圆弧左端点的草绘平面,绘制正六边形截面图,见图3。

再以“垂直于曲面”方式,完成半球曲面上的投影曲线的设计,见图2,其中,图3所示的正六边形边线右侧端点或其几何构造圆中的PNTO,为图1中的斜直线与草绘平面的交点。

(4)完成投影曲线对半球曲面的修剪,实现正六边球曲面的设计,见图4。

1.2 阵列与闭合正六边球曲面

(1)以“几何”方式,复制图4中的正六边球曲面。

(2)选择阵列类型为“轴”,完成图5中的正六边球曲面的“复制1”特征的阵列,其中,阵列成员数为“5”,阵列成员间的角度为“72”,中心轴为图4中的右上圆弧投影曲线(非正六边球曲面中的对应边线)所在的平面(以“穿过”方式)与RIGHT基准平面相交的基准轴A_2。

从图5中可以看出,5个正六边球曲面并未依次连接形成闭合,这是由于图1中的圆弧中心角并非为20°所致。此外,在上述操作中,若不对正六边球曲面进行复制,则直接选取该面曲后,采用“轴”类型的“几何阵列”工具,也可完成正六边球曲面的阵列。

(3)选择菜单“分析”→“测量”→“距离”命令,分别选取图5中的两相邻正六边球曲面的两个相对顶点,测量的距离值为“1.964087”,见图6,并将其测量值作为特征“ANALYSIS_DISTANCE_1”予以保存,完成分析特征的创建。

(4)选择菜单“分析”→“可行性/优化”命令,系统打开“优化/可行性”对话框,接受“研究类型/名称”选项组中的“优化”单选项及其“目标”下拉列表中的“最小化”,其分析特征参数为“DISTANCE:ANALYSIS_DIS-TANCE_1”,见图8。

单击“设计约束”下的“添加”按钮,系统打开“设计约束”对话框,选择“参数”下拉列表中的分析特征参数“DISTANCE:ANALYSIS_DISTANCE_1”,并将其“值”设置为“0”,建立的设计约束条件出现在列表框中。

单击“设计变量”下的“添加尺寸”按钮,选取图1中的圆弧曲线,并将其中心角“20”送入“设计变量”列表栏中,再指定该变量的计算区间值。

选择菜单“选项”→“首选项”命令,在弹出的“首选项”对话框中,选择“运行”选项卡,在“收敛”选项组中的“收敛性百分比”文本栏中键入“0.00001”并返回至“优化/可行性”对话框中,再单击“计算”按钮,系统运算后的结果如图7所示,由此得到满足条件的圆弧中心角的最优解为“23.80018”。

若选择“研究类型/名称”选项组中的“可行性”单选项,圆弧中心角的优化结果是一样的。

1.3 设计正五边球曲面

(1)以“几何”方式,完成图9中的正六边球曲面的镜像,镜像平面为图4中的上方圆弧投影曲线或曲面边线所在的平面。

(2)利用5个正六边球曲面所形成的内侧闭合边线,完成对镜像曲面的修剪,形成正五边球曲面,见图10。

至此,通过变更图1中的圆弧半径值,图10中的5个正六边球曲面与1个正五边球曲面的几何关系恒定不变。

2 创建足球的造型单元

2.1 设计正六边足球单元

(1)选取阵列节点中的“复制1”,创建偏距值为“3”的偏移曲面及其侧曲面(勾选“选项”面板中的“创建侧曲面”复选框),并以“几何”选取方式,完成“复制1”曲面、侧曲面与偏距曲面的合并,见图11(仅显示编辑的曲面)。

(2)以“目的边”选取方式,完成合并曲面中的6条径向曲面边线上的尺寸为“5”的倒圆角,再完成偏移曲面侧的边线上的尺寸为“3”的倒圆角,见图12。

(3)以“几何”选取方式,完成图12中的闭合曲面的偏移,其偏距值为“2”,方向背离球心,实现正六边足球单元的设计,见图13。

2.2 设计正五边足球单元

参照正六边足球单元的操作方法,完成正五边足球单元的设计,见图13。

2.3 阵列正六边足球单元

创建正六边足球单元的“轴”阵列,形成足球曲面造型的基本结构单元,见图14,其中,阵列成员数为“5”,阵列成员间的角度为“72”,中心轴为图4中的右上圆弧投影曲线(非正六边球曲面中的对应边线)所在的平面(“穿过”方式)与RIGHT基准平面相交的基准轴A_3。

3 足球的参数化建模

(1)以“几何”选取方式,完成4个足球曲面造型单元的镜像,见图15,其中,镜像平面为图10中的最下方圆弧投影曲线或曲面边线所在的平面(适时切换图形的显示为“消隐”)。

(2)完成图14中的正五边足球单元的镜像,见图16,其中,镜像平面为过右下两正六边球曲面邻接边线中点的法平面,见图17。

(3)创建图15中的“镜像2”与图16中的“镜像3”的组特征“组LOCAL_GROUP”,再完成组特征“LOCAL_GROUP”的“轴”阵列,见图18,其中,阵列成员数为“5”,阵列成员间的角度为“72”,中心轴为图4中的右上圆弧投影曲线(非正六边球曲面中的对应边线)所在的平面与RIGHT基准平面相交的基准轴A_4,见图19。

(4)选取图14中的正五边足球单元特征,分别单击“复制”按钮与“选择性粘贴”按钮,在弹出的“选择性粘贴”对话框中,单击“完全从属于要改变的选项”单选项,勾选“对副本应用移动/旋转变换”复选框,确定后,再单击操控板中的“相对选定参照旋转特征”按钮,选取图中的基准轴A_1作为方向参照,输入旋转角度值为“180”,单击中键予以确定,实现正五边足球单元的复制变换,完成足球的曲面造型,见图20。

(5)添加倒圆角与偏移尺寸(共8个参数)对足球半径的关系式,实现足球建模的参数化设计。

4 结束语

足球结构单元中的圆弧中心角23.8°,是实现足球CAD参数化设计的关键。将足球曲面建模中的正六边足球单元与正五边足球单元各自适时实体化,并保存为两个零件,再以“缺省约束”方式,将其添加到组件中,通过正五边足球单元(元件)的几何中心线,阵列正六边足球单元(元件),代之曲面造型中的5个曲面单元的镜像,以“顶点”约束方式,分别添加5个对应的元件,经组特征的阵列与元件的复制变换,即可实现足球组件的参数化建模。

摘要：足球是由12个正五边形与20个正六边形皮革或其他合适的材料缝制而成,根据其空间几何结构特点,运用PTC/Creo软件的行为建模技术,优化经过正六边球曲面顶点与该曲面中心的圆弧中心角,完成正五边球曲面与足球的两曲面造型单元,通过对2次镜像的3个正六边足球单元与2个正五边足球单元的阵列,以及1个正五边足球单元的复制变换,实现足球曲面造型的参数化设计,其建模过程简单快捷、脉络清晰,为足球实体的组件设计与相关产品的加工制造,提供参考。

关键词：PTC/Creo,行为建模,优化,足球,参数化设计

参考文献

[1]黄圣杰,张益三,洪立群.Pro/ENGINEER 2001高级开发实例[M].北京:电子工业出版社,2002:471-532.

[2]孙艳萍.基于Pro/E行为建模技术的优化设计[J].机械研究与应用,2011(5):143-144.