[论文解读] Aggregation of Composite Solutions: strategies, models, examples

Mark Sh. Levin|arXiv (Cornell University)|Nov 29, 2011

Diverse Scientific and Engineering Research参考文献 157被引用 6

一句话总结

本文提出了一套系统化框架，通过结构共识、子结构/超结构分析以及组合优化，整合复合（模块化）解决方案。该框架引入四种聚合策略——扩展、压缩、组合与新设计，利用集合、排序、树结构及形态结构中的度量与接近度度量，应用于工程、管理与信息系统领域。

ABSTRACT

The paper addresses aggregation issues for composite (modular) solutions. A systemic view point is suggested for various aggregation problems. Several solution structures are considered: sets, set morphologies, trees, etc. Mainly, the aggregation approach is targeted to set morphologies. The aggregation problems are based on basic structures as substructure, superstructure, median/consensus, and extended median/consensus. In the last case, preliminary structure is built (e.g., substructure, median/consensus) and addition of solution elements is considered while taking into account profit of the additional elements and total resource constraint. Four aggregation strategies are examined: (i) extension strategy (designing a substructure of initial solutions as "system kernel" and extension of the substructure by additional elements); (ii) compression strategy (designing a superstructure of initial solutions and deletion of some its elements); (iii) combined strategy; and (iv) new design strategy to build a new solution over an extended domain of solution elements. Numerical real-world examples (e.g., telemetry system, communication protocol, student plan, security system, Web-based information system, investment, educational courses) illustrate the suggested aggregation approach.

研究动机与目标

• 开发一种系统化方法，将多个复合解决方案聚合为统一的优化解决方案。
• 解决在资源与兼容性约束下整合多样化模块化系统所面临的挑战。
• 为复杂设计问题提供结合数学建模与专家判断的系统化框架。
• 将传统设计方法从增量改进扩展至现有模块化解决方案的全面聚合。
• 通过形式化的聚合策略，支持工程、管理与信息系统中的决策制定。

提出的方法

• 采用四层系统模型：层次树结构，组件作为叶节点，每个组件的替代设计方案，以及组件之间的兼容性约束。
• 应用接近度与度量函数比较结构解决方案：集合、排序、树结构与形态结构。
• 采用子结构与超结构策略——构建初始解决方案的共同核心（内核）或全面覆盖（超结构）。
• 引入扩展与压缩策略：在基础结构中添加高价值元件，或从超结构中移除非必要元件。
• 利用组合优化模型：0-1背包问题、多选背包问题与形态设计问题，指导聚合过程。
• 应用中位数/共识计算作为核心聚合机制，其中扩展中位数整合了资源约束与利润评估。

实验结果

研究问题

• RQ1 如何系统化地将多个模块化解决方案聚合为单一、优化的复合解决方案？
• RQ2 在资源约束下，扩展、压缩、组合或新设计策略中，哪种最有效于复合解决方案的聚合？
• RQ3 如何在不同结构类型（集合、排序、树结构、形态结构）之间定义并应用接近度与度量函数？
• RQ4 共识与中位数结构在多个解决方案中如何作为最优聚合点？
• RQ5 如何将专家判断与组合优化相结合，以提升现实应用中解决方案的质量？

主要发现

• 扩展策略能有效从初始解决方案的共性元素中构建‘系统内核’，并在资源限制下增强高利润组件。
• 压缩策略通过移除低影响组件成功缩减超结构，同时保持关键功能。
• 在复杂场景中，组合策略优于单一策略，通过平衡结构完整性与资源效率实现更优性能。
• 新设计策略通过扩展设计域并整合现有与新组件，实现新型解决方案的创建。
• 数值示例（包括ZigBee协议、遥测系统与投资规划）证明了该框架的实际适用性与鲁棒性。
• 形态结构与接近度度量的使用，使得跨领域异构解决方案类型的一致比较与聚合成为可能。