租房可拓策略生成系統

李承曉，李衛華

(廣東工業大學計算機學院，廣東廣州 510006)

租房可拓策略生成系統

李承曉，李衛華

(廣東工業大學計算機學院，廣東廣州 510006)

面對海量的房子出租信息，租房者所考慮的因素多而復雜，常常難以決策出最優策略.而且租房者的目標需求與現有出租房的條件常常存在差距，這便構成了租房矛盾問題.為此，引入專門解決不相容問題的可拓策略生成方法和借助計算機技術來構建租房策略生成系統，最終輔助租房者作出租房決策.實驗結果表明，該系統能智能化地生成滿足或者接近租房者需求的租房策略.

可拓學;可拓變換;策略生成;租房

人們在現實生活中會遇到許多矛盾問題.例如，想花較少的錢租到合適的房子，常常是一個矛盾問題.矛盾問題的求解依賴于策略的生成，但在決策科學中，決策理論很少研究矛盾問題的策略生成，所以矛盾問題的策略生成一直是國內外學者感到棘手的一個問題［1］.

國際決策科學界趨向于用純數學的思想來解決最優方法的選擇和決策，方法是構建數學模型，依據是運籌學.其不足在于難以為現實問題(特別是矛盾問題)建立準確的數學模型，得到的決策的準確度無法預知，可信度較低.而在國內，蔡文教授原創了用形式化方法處理矛盾問題的可拓學［2］，提出應用發散和收斂的菱形思維方法來支持策略生成.結合可拓工程［3］的理論方法、決策科學和計算機技術，可以設計可拓策略生成系統(extension strategy generation system，ESGS)［4－9］，生成解決矛盾問題的策略.

依據ESGS思想，本文以租房矛盾問題為應用實例，建立由條件到目標的求解模型，通過一定的變換或者拓展方法，尋求平衡各影響因子(約束條件)的最佳點，作出較好的決策，采用較優的策略來解決租房矛盾問題，進而探討提高決策者的決策水平和提升機器智能水平的方法.

1 租房可拓策略生成方法的步驟

依據文獻［3］中可拓策略生成方法的一般步驟，以下闡述租房可拓策略生成方法的步驟.

1.1 建立問題的可拓模型及其核問題的可拓模型

假設某人打算花700元在廣州市天河區租一間15～25 m2且交通便利性等級為良好的房子(目標)，數據庫里面有最接近于這位用戶要求的出租房A的信息是:天河區、28 m2、850元、交通便利等級為良好(條件).這是一個目標和條件不相容問題，它的可拓模型可表示為

本文取出租房的所屬區域d、租金r、面積a和交通便利性t作為租房結果的評價特征，則可以建立該不相容問題核問題的可拓模型:

1.2 建立矛盾問題的判定函數——相容度函數

在可拓學中，用關聯函數來刻畫論域中的元素具有某種性質的程度.根據可拓學中關聯函數的建立方法，可以為出租房的所屬區域d、租金r、面積a和交通便利性t建立合適的關聯函數，并根據其關聯函數值來建立相容度函數，進而界定矛盾問題和非矛盾問題.

1.2.1 構建區域關聯函數

廣州市出租房分布于10個區2個縣級市.為“數量化”出租房所屬區域這一特征因素，可以取理想租房區域的中心與出租房所在區域的中心之間的距離(dAB)作為區域特征的量值.一般地，dAB越小越好(最好為0)，因此需要為區域構造最優點在區間左端點取得的初等關聯函數.

據文獻［3］的2.7.4 節，設X0=〈a，b〉，X=〈c，d〉，x0∈X0，X0?X，且有公共端點xz，對于一切x≠xz，則最優點在x0處取得的初等關聯函數為

式中:D(x，X0，X)為點x關于區間X0和X組成的區間套的位值，用于描述區間與區間以及一個點與兩個區間的位置關系;ρ(x，x0，X0)為側距，側距用于描述某指標滿足某種要求的程度.根據最滿足某種要求的點在區間X0的中點的左側或右側，側距又分為左側距和右側距，本系統適用左側距.

據文獻［3］的定義2.27，位值的計算公式:

本系統中，假定15 km為理想距離ds，彈性因子為df=1.2，那么取x=dAB，a=0，b=ds=15，c=0，d=ds·df=18，則區間套組成為X0=〈0，15〉，X=〈0，18〉，代入式(1)～(3)即可計算相應的區域關聯函數值kd.在1.1節的租房實例中，理想區域及出租房所在區域均是天河區，即x=0，從而計算得kd=1.0.

1.2.2 構建租金關聯函數

一般地，在其他租房因素都符合要求的情況下，用戶付的房子租金越小越好(最好為0，最多不超過用戶的輸入租金rin).因此，需要為租金構造正域為有限區域的簡單關聯函數.據文獻［3］的2.7.6節，正域為有限區間X=〈a，b〉，M∈X時，簡單關聯函數計算公式為:

本系統中，取x=ra(出租房子的實際租金)，正域區間為X=〈0，rin〉，M=0，且kr最大值在M點取得.在 1.1 節的租房實例中，x=850，a=0，b=750，M=0，計算得kr=0.21.

1.2.3 構建面積關聯函數

一般地，在其他租房因素都符合用戶需求情況下，出租房面積越大越好.因此，為面積構造正域為無限區域的簡單關聯函數.據文獻［3］的2.7.6節，正域為無限區間X=〈a，+∞〉，M∈X時，簡單關聯函數計算公式為:

本系統中，假如用戶輸入的面積區間是［ainL，ainR］，那么ainL為可接受的最小房子面積，ainR為理想房子面積，故可取a=ainL，M=ainR，x=aa(出租房子的實際面積)，即可計算出相應的面積關聯函數值ka，其中，ka最大值在M點取得.在1.1節的租房實例中，x=28，a=15，M=25，計算得ka=0.81.

1.2.4 構建交通便利性關聯函數

本系統中，交通便利性特征用優秀、良好、一般和較差來描述，量值分別取2、1、0和－1，則可建立如下離散關聯函數:

式中:(優秀，良好)表示用戶輸入交通便利等級為良好，實際房子交通便利等級為優秀，其他類推.當k(x)=－1時，將構成租房矛盾.在1.1節的租房實例中，輸入交通便利性為良好，出租房交通便利性也為良好，所以可計算得kt=1.

1.2.5 構建相容度函數

在租房問題中，出租房的所屬區域d、租金r、面積a和交通便利性t等4個衡量指標的關聯度都大于0時，該出租房才符合用戶需求.因此可建立租房問題P的相容度函數為:KP=kd∧kr∧ka∧kt.

根據以上的分析結果:KP=kd∧kr∧ka∧kt=1.0×(－0.21)×0.81×1＜0，說明上述問題為不相容問題，因而需對其進行可拓變換.

1.3 拓展分析與可拓變換運算

顯然，造成相容度函數小于0的原因是租金關聯函數值kr=－0.21＜0，如果對租金進行擴大變換，比如引入租金擴大因子re=1.3，則針對這位租房者的輸入g=［房子，租金，［400，700］］，變換后的目標房子信息為

此時，條件房子L=［出租房A，租金，850］包含于目標房子g'，代入數據可計算得k'r=0.07＞0，即有K'P=kd∧k'r∧ka∧kr＞0，條件房子L便成為滿足該租房者需求的房源.

另一種做法是，假設基礎庫里面具有另一房源:

對區域進行置換變換(即使kd=1＞0)，因為越秀區與天河區相鄰(許多人可以接受在越秀區居住而在天河區上班)，根據1.2節構造的關聯函數計算得到k'd=0.47，kr=0.23，ka=0.5，kt=2，有K″P=k'd∧kr∧ka∧kr＞0，所以房源L1也是這位租房者需要的房源.

類似地，當區域不相容時，可以對區域進行置換變換;當面積不相容時，可以進行擴縮變換;當交通便利性不相容時，可以進行交通便利性置換變換;當區域、租金、面積和交通便利性中的兩者、三者或四者都不相容時，分別對這兩者、三者、四者同時進行可拓變換.

當然，這是對不相容問題的目標進行變換，也可以對條件進行可拓變換(一般地，僅能變換租金和交通，出租房子所處區域、面積不可變).由于篇幅有限，在此不作贅述，具體方法請參考文獻［3］.

1.4 評價策略的優秀程度

本租房系統的評價條件取地區、租金、面積和交通便利性共4個，據用戶輸入對應的權系數，據文獻［3］的3.5節的優度評價方法，便可計算出租房策略的優度，以便用戶選擇和采用租房策略，具體做法見本文第3.2節.

2 租房可拓策略生成系統

根據以上對可拓策略生成方法的分析，參考文獻［10］，可以設計出如圖1的租房策略生成系統.從圖中容易看到，該系統采用了B/S體系結構，主要包括用戶界面、問題分析和建模、可拓變換、評價選優和后臺本體知識管理5個模塊.大致功能分別為:用戶界面以供用戶輸入租房目標以及變換得到的租房策略;問題分析用于界定是否為不相容問題;問題建模為不相容問題建立可拓模型;可拓變換為解決矛盾問題提供方法;評價選優用于對可拓變換所得策略進行優度評價，以便用戶采納何種租房策略;后臺本體知識管理用于維護房子信息、會員信息等本體知識.

圖1 租房策略生成系統體系結構Fig.1 General architecture of tenement-ESGS

3 核心算法的設計與實現

本系統有以下3種核心算法:可拓變換算法、評價算法、爬蟲算法，下面分別給予簡述.

3.1 可拓變換算法

可拓策略生成系統的核心是可拓變換，算法的主要思想在第1.3節已提及.可拓變換算法效率的高低直接影響了整個系統效率，所以構建高效的可拓變換算法尤為重要，而減少數據庫的訪問次數是提高系統效率的最有效方法.

本系統的操作主對象“房子信息”屬于本體知識，它以數據記錄的形式存于數據庫表中.在可拓變換過程中，需要訪問這些房子數據記錄，為提高效率，需借助緩存技術，在一次邏輯操作(可拓變換)中僅訪問數據庫表一次.因此，為本系統設計如下流程圖(圖2)所示的可拓變換算法.

圖2 租房可拓變換流程Fig.2 Flow chat of tenement extension transformation

3.2 評價算法

3.3 爬蟲程序

圖3 爬蟲程序工作流程Fig.3 Working flow chart of reptile program

本系統采用HttpClient技術［6］來實現爬蟲程序.HttpClient是Apache Jakarta Common下的子項目，提供支持HTTP協議的客戶端編程工具包.比JDK的java.net包中提供的訪問HTTP協議的基本功能要強大，使用起來更加靈活.使用HttpClient獲取網絡頁面信息并存于數據庫的算法流程如圖3.

4 實驗結果與分析

經編碼實現，得到如圖4所示的租房可拓策略生成系統主頁面，用戶可以選擇心儀的區域、預算租金、期望面積及交通便利性.例如，預算700元在天河區租20 m2、交通便利性優秀的套房，提交給系統后，系統分析判定是否為矛盾問題，如表1所示.可見策略庫里面沒有符合用戶要求的的房子.

用戶通過點擊可拓變換按鈕，以獲取其他更多的合適房子，變換結果如圖5所示.可見，經過可拓變換后，符合或者接近用戶需求的出租房有23套，這就是系統經可拓變換生成的策略房子.

用戶在短時間內很可能比較難在這23條房子策略中選出最適合自己的房子，此時用戶可以輸入區域、租金、面積和交通便利性的比重因子，進行優度評價，以找出最適合自己的房子，如圖6所示.

用戶在圖5、圖6均可點擊圖片或者策略列表鏈接到該房子的詳細信息頁面，如圖7所示.

由此可見，如果直接按照用戶的租房需求去檢索租房信息庫，很可能找不到用戶需要的房子，即產生了租房矛盾問題.但是，借助租房可拓策略生成系統，利用形式化方法描述租房矛盾問題的目標和條件，建立其核問題的模型，再用菱形思維方法對租房矛盾問題進行拓展分析，以及執行必要的可拓變換運算，能智能化地生成滿足或者接近用戶需求的租房策略.

圖4 租房可拓策略生成系統主頁面Fig.4 Home page of tenement-ESGS

表1 租房矛盾問題分析結果Tabel 1 Analysis results of rental housing contradiction

圖5 租房策略列表Fig.5 Strategies list after extension transformation

圖6 評優后的租房策略列表Fig.6 Strategies list after calculating their fitness

圖7 出租房的詳細信息Fig.7 Detailed information of a rental house

5 結束語

實驗結果表明，租房可拓策略生成系統成功地解決了租房矛盾問題，可以輔助租房者便捷地租到符合自己需求的出租房.這是繼“自助游可拓策略生成系統”之后，可拓策略生成方法在其他領域(租房應用領域)的又一次成功的應用，再一次驗證了可拓策略生成方法在解決不相容問題(矛盾問題)的普遍適用性.不同于自助游可拓策略生成系統，考慮到租房矛盾問題條件的不可變性，租房可拓策略生成系統著重于變換矛盾問題的目標.

目前，本系統采用的測試數據(房子信息)均來自網絡，如果給會員開放發布通道(租房可拓策略生成系統已在實際中實現但未開放)，或者通過其他合法渠道取得準確可靠的房子信息;那么，此系統將為人們尋找出租房提供信息平臺，租房用戶根據系統功能將能作出最優決策，既準確又快速地找到滿足工作需要或居住要求的房子，將打破當前租房需要通過中介商的主流模式.這是下一步要做的工作重點.

由此可見，本系統具有較大的應用價值，能產生一定的社會效益和經濟效益.同時，可拓策略生成方法在具體領域的應用研究，對于探討提高決策者的決策水平和提升機器智能水平都具有重要的研究價值.

［1］陳巨龍，叢林.策略生成的可拓方法［J］.廣東工業大學學報，2001，18(1):84－87.

CHEN Julong，CONG Lin.Extension method of strategy formation［J］.Journal of Guangdong University of Technology，2001，18(1):84－87.

［2］CAI Wen.Extension theory and its application［J］.Chinese Science Bulletin，1999，44(17):1538－1548.

［3］楊春燕，蔡文.可拓工程［M］.北京:科學出版社，2007:1－344.

［4］李立希，楊春燕，李鏵文.可拓策略生成系統［M］.北京:科學出版社，2006:1－232.

［5］楊春燕.多特征不相容問題求解研究［M］//中國人工智能進展(2005).北京:北京郵電大學出版社，2005:815－819.

YANG Chunyan.Study on multi－characteristic incompatibility problems solving［M］//Progress of Artificial Intelligence in China(2005).Beijing:Beijing University of Posts and Telecommunications Press，2005:815－819.

［6］王洪偉.策略生成的物元模型［J］.系統工程理論與實踐，1999(11):55－60.

WANG Hongwei.Matter－element model on strategy development［J］.Systems Engineering—Theory ＆ Practice，1999(11):55－60.

［7］李嘉，李立希.基于可拓變換策略生成的計算機實現研究［M］//中國人工智能進展(2003).北京:北京郵電大學出版社，2003:1176－1179.

LI Jia，LI Lixi.Study on the computer realization of strategy generating based on extension transformation［M］//Progress of Artificial Intelligence in China(2003).Beijing:Beijing University of Posts and Telecommunications Press，2003:1176－1179.

［8］Apache Software Foundation.Jakarta commons HttpClient［EB/OL］. ［2010－05－28］.http://hc.apache.org/httpclient－3.x/，2001－2008.

［9］方卓君，李衛華，李承曉.自助游可拓策略生成系統的研究與實現［J］.廣東工業大學學報，2009(2):83－89.

FANG Zhuojun，LI Weihua，LI Chengxiao.Research and realization of extension strategy generating system for independent travel［J］.Journal of Guangdong University of Technology，2009(2):83－89.

［10］李承曉，李衛華，鄒仉志.旅游策略生成系統的可拓變換算法優化研究［M］//中國人工智能進展(2009).北京:北京郵電大學出版社，2009:633－637.

LI Chengxiao，LI Weihua，ZOU Zhangzhi.A research of optimizing the algorithm of extension transform based on the tour extension strategy generation system［M］//Progress of Artificical Intelligence in China(2009).Beijing:Beijing University of Posts and Telecommunications Press，2009:633－637.

李承曉，男，1985年生，碩士研究生，主要研究方向為智能軟件.

李衛華，女，1957年生，教授，碩士生導師，主要研究方向為面向Agent計算、網絡信息系統、智能軟件.發表學術論文40余篇.

Research on a tenement extension strategy generation system

LI Chengxiao，LI Weihua
(Faculty of Computer，Guangdong University of Technology，Guangzhou 510006，China)

In the face of massive amounts of house－rental information，the tenants have to consider so many complicated factors before making their decisions that they always have difficulty optimizing their decisions.In addition，there is frequently a gap between the target needs of renters and the conditions of the existing rental housing，which is the cause for the present conditions.To this end，the extension strategy generating method，which is dedicated to resolve the incompatibility and provide computer technology to build a house－renting strategy generation system and ultimately to assist tenants in making rental decisions，was introduced.Experimental results show that this system can generate strategies intelligently which meet or come close to meeting the tenants’needs.

extenics;extension transformation;strategy generation;tenement

TP311

A

1673－4785(2011)03－0272－07

10.3969/j.issn.1673－4785.2011.03.013

2010－06－01.

廣東省自然科學基金資助項目(8151009001000041).

李承曉.E－mail:ianley@163.com.