一种面向工业设计价值链的多智能体协同决策方法及系统
本发明属于工业设计智能化、人工智能协同决策与设计管理,特别涉及一种面向工业设计价值链的多智能体协同决策方法及系统。
背景技术:
1、工业设计价值链通常覆盖市场趋势识别、用户需求洞察、概念创意生成、色彩、材料与表面处理(color, material and finish,cmf)设计、结构工艺设计、仿真验证、成本与供应链评估、品牌合规评审以及上市迭代等多个环节。不同环节由产品经理、设计师、工程师、仿真人员、供应链管理人员以及市场人员共同参与,具有参与角色多、约束目标多、数据来源异构和决策链条长等特点。
2、现有工业设计智能化方法虽然能够通过多智能体、知识图谱、冲突检测、多目标评价和反馈更新等技术手段支持协同决策,但上述手段本身多属于通用技术框架。尤其是在多个角色智能体共同生成方案后,现有系统通常只能发现方案冲突或评估偏差,却难以进一步回答以下问题:究竟是哪个角色智能体的预测出了问题;问题集中在哪个评价维度;以及应当修正哪个角色智能体的哪一类参数。由于无法完成细粒度定位,现有方法往往需要重新触发全链路协商、整体调权或整批重生成,导致修正成本高、解释性弱和收敛效率低。
3、另外,工业设计项目在概念阶段、深化阶段、打样阶段和上市评审阶段的关注重点不同。如果在后续验证中发现预测与实际偏差显著,简单地整体调整全局权重并不能有效区分是用户价值判断偏差、造型创新判断偏差、制造可行性判断偏差、成本交期判断偏差还是品牌合规判断偏差,因而无法形成可复用的修正经验。
4、因此,需要一种新的面向工业设计价值链的多智能体协同决策方法及系统,使系统不仅能够生成和评估方案,而且能够在出现偏差时定位到具体角色智能体和具体评价维度,并对对应参数进行定向修正,以实现局部重生成、局部再协商和快速收敛。
技术实现思路
1、为了解决或至少缓解以上问题中的一个或多个,提供了一种新的面向工业设计价值链的多智能体协同决策方法及系统,以结构化输出和有向依赖图作为因果分析载体,以结构因果模型和反事实干预定位导致偏差的角色-维度对,以历史协同记录动态更新责任矩阵,并以修正效果反馈自适应调整参数步长,从而在保证约束的条件下实现可解释的局部重生成和局部再协商。
2、为实现上述目的,按照本发明的第一方面,提供一种面向工业设计价值链的多智能体协同决策方法,包括以下步骤:
3、s1、获取设计项目的项目初始化数据,生成项目状态对象,并在项目状态对象中为各评价维度建立实际观测结果、预测结果、证据链和价值链阶段标识;
4、s2、构建与工业设计价值链相对应的各角色智能体协同网络,并基于多源异构设计数据形成各角色智能体协同网络的共享上下文;
5、s3、各角色智能体输出结构化信息,其中决策协调智能体基于结构化信息构建冲突矩阵、角色-评价维度责任矩阵和有向依赖图,计算候选方案的评价维度综合得分、冲突惩罚、约束违反惩罚和不确定性惩罚,从满足硬约束的候选方案中得到初步推荐方案;
6、s4、计算实际观测结果与预测结果在各评价维度上的规范化偏差;当规范化偏差超过对应的预设阈值时,从角色-评价维度责任矩阵中筛选候选异常角色智能体及其异常评价维度,基于有向依赖图建立结构因果模型并执行反事实干预,将候选异常角色智能体的对应参数或输出替换为基线值,计算直接因果贡献、经下游角色智能体传递的间接因果贡献及干预结果不确定性,生成因果归因分数;
7、s5、根据因果归因分数更新角色-评价维度责任矩阵,将因果归因分数达到可信度阈值、且直接因果贡献与间接因果贡献之和的置信区间不跨越零的候选异常角色智能体确定为目标角色智能体,仅对目标角色智能体及受影响的关联角色智能体执行局部重生成和局部再协商;
8、s6、输出修正后的协同决策结果包,将包含完整因果链、责任矩阵版本、参数修正记录、步长更新记录和修正效果的记录写入纠偏模板库,供后续同类项目检索和复用。
9、进一步地,获取设计项目的项目初始化数据,生成项目状态对象,并在项目状态对象中为各评价维度建立实际观测结果、预测结果、证据链和价值链阶段标识,包括:
10、项目初始化数据包括:产品类别、目标客群、价格带、品牌定位、核心功能、使用场景、成本边界、上市节奏和法规要求;
11、项目状态对象至少包括项目初始化数据、价值链阶段标识、关键绩效指标集合、评价维度集合、约束阈值集合、阶段优先级集合、实际观测结果及其时间戳、预测结果和证据链;
12、评价维度包括用户价值、创新性、审美一致性、制造可行性、仿真性能、成本水平、交付周期、品牌一致性和法规风险中的部分或全部。
13、进一步地,构建与工业设计价值链相对应的各角色智能体协同网络,并基于多源异构设计数据形成各角色智能体协同网络的共享上下文,包括:
14、各角色智能体包括:市场洞察智能体、用户研究智能体、概念创意智能体、色彩、材料与表面处理智能体、结构工艺智能体、仿真验证智能体、成本供应链智能体、品牌合规智能体和决策协调智能体;
15、多源异构设计数据包括用户评论、问卷、历史设计资产、工艺参数、仿真数据、供应商数据、售后数据和标准规范数据。
16、进一步地,各角色智能体输出结构化信息,其中决策协调智能体基于结构化信息构建冲突矩阵、角色-评价维度责任矩阵和有向依赖图,包括:
17、结构化信息包括候选方案或方案子片段、评价维度预测向量、约束说明、风险等级、证据链、置信度以及输出所依赖的输入变量和下游引用关系;
18、冲突矩阵用于识别审美与功能冲突、造型与制造冲突、创新性与成本冲突、材料效果与工艺约束冲突、上市周期与验证充分性冲突以及品牌表达与法规要求冲突;
19、有向依赖图由各角色智能体的输入变量、输出变量、约束说明和下游引用边构成,并与冲突矩阵关联;其中,有向依赖图的节点至少包括角色输出变量、评价维度预测向量和可观测验证变量,边表示输入依赖、约束依赖或结果引用关系。
20、进一步地,计算候选方案的评价维度综合得分、冲突惩罚、约束违反惩罚和不确定性惩罚,从满足硬约束的候选方案中得到初步推荐方案,包括:
21、按照各候选方案的结构化信息之间的约束违反程度和预测差异构建冲突矩阵;按照各角色智能体对各评价维度的主责程度或影响程度构建角色-评价维度责任矩阵;按照输入依赖、约束依赖和结果引用关系构建有向依赖图;
22、利用角色-评价维度责任矩阵和各角色智能体的置信度,对同一候选方案的评价维度预测向量进行加权融合,得到各评价维度综合得分;依据阶段优先级集合对各评价维度综合得分加权,并扣除冲突惩罚、约束违反惩罚和不确定性惩罚,得到候选方案目标函数值;剔除违反硬约束的候选方案,将目标函数值最大的剩余候选方案确定为初步推荐方案。
23、进一步地,计算实际观测结果与预测结果在各评价维度上的规范化偏差;当规范化偏差超过对应的预设阈值时,从角色-评价维度责任矩阵中筛选候选异常角色智能体及其异常评价维度,基于有向依赖图建立结构因果模型并执行反事实干预,包括:
24、预设阈值为各评价维度的允许偏差上限,存储于约束阈值集合中;
25、结构因果模型以有向依赖图的节点和边作为因果结构,以角色输出变量、评价维度预测向量和可观测验证变量作为因果变量,并以结构方程表示各节点由其父节点和外生扰动共同确定的关系;
26、针对规范化偏差超过对应预设阈值的异常评价维度,从其在有向依赖图中的祖先角色智能体中,筛选责任权重较高的角色智能体,形成候选异常角色智能体-评价维度对;反事实干预为切断候选异常角色智能体的被干预变量与其父节点之间的输入边,将被干预变量替换为基线值,保持非后代节点的事实取值不变,并依据结构方程重新计算全部后代节点的过程。
27、进一步地,将候选异常角色智能体的对应参数或输出替换为基线值,计算直接因果贡献、经下游角色智能体传递的间接因果贡献及干预结果不确定性,生成因果归因分数,包括:
28、基线值由相同项目阶段、相同产品类别且约束条件相近的历史有效记录生成,或由角色智能体的稳健基线模型输出;
29、直接因果贡献为将候选异常角色智能体的对应参数或输出替换为基线值后预测损失的下降量;间接因果贡献为反事实干预经有向依赖图传播至下游角色智能体后引起的下游预测损失变化;
30、因果归因分数由直接因果贡献、经下游角色智能体传递的间接因果贡献、反事实干预结果的不确定性和历史动态责任权重确定,其中直接因果贡献、间接因果贡献和历史动态责任权重为正向项,反事实干预结果的不确定性为惩罚项。
31、进一步地,根据因果归因分数更新角色-评价维度责任矩阵,将因果归因分数达到可信度阈值、且直接因果贡献与间接因果贡献之和的置信区间不跨越零的候选异常角色智能体确定为目标角色智能体,仅对目标角色智能体及受影响的关联角色智能体执行局部重生成和局部再协商,包括:
32、关联角色智能体为沿有向依赖图受目标角色智能体影响且反事实影响超过传播阈值的下游角色智能体;
33、局部重生成为仅重新计算目标角色智能体的结构化信息,并沿有向依赖图向下游传播至关联角色智能体;局部再协商为目标角色智能体与关联角色智能体之间就修正后的方案进行约束协调与方案调整;
34、可信度阈值基于历史归因置信度和样本量自适应确定;目标角色智能体的修正范围为该角色智能体在异常评价维度上的参数子集,参数子集包括检索权重、规则阈值、评分系数、惩罚系数、生成约束系数和提示约束系数中的部分或全部。
35、进一步地,输出修正后的协同决策结果包,将包含完整因果链、责任矩阵版本、参数修正记录、步长更新记录和修正效果的记录写入纠偏模板库,包括:
36、协同决策结果包包括目标方案、备选方案、各评价维度得分、冲突处置记录、目标角色定位记录、反事实干预记录、责任矩阵版本、参数修正记录、步长更新记录和推荐执行路径;
37、纠偏模板库以项目类别、项目阶段、约束模式和因果链结构作为检索键,用于在后续同类项目中检索相应的责任先验、基线值、修正参数子集、步长先验和修正策略,并在约束校验通过后复用。
38、为实现上述目的,按照本发明的第二方面,提供一种面向工业设计价值链的多智能体协同决策系统,系统包括:
39、初始化模块,用于获取设计项目的项目初始化数据,生成项目状态对象,并在项目状态对象中为各评价维度建立实际观测结果、预测结果、证据链和价值链阶段标识;
40、协同网络构建模块,用于构建与工业设计价值链相对应的各角色智能体协同网络,并基于多源异构设计数据形成各角色智能体协同网络的共享上下文;
41、结构化输出与矩阵构建模块,用于各角色智能体输出结构化信息,其中决策协调智能体基于结构化信息构建冲突矩阵、角色-评价维度责任矩阵和有向依赖图,计算候选方案的评价维度综合得分、冲突惩罚、约束违反惩罚和不确定性惩罚,从满足硬约束的候选方案中得到初步推荐方案;
42、偏差归因模块,用于计算实际观测结果与预测结果在各评价维度上的规范化偏差;当规范化偏差超过对应的预设阈值时,从角色-评价维度责任矩阵中筛选候选异常角色智能体及其异常评价维度,基于有向依赖图建立结构因果模型并执行反事实干预,将候选异常角色智能体的对应参数或输出替换为基线值,计算直接因果贡献、经下游角色智能体传递的间接因果贡献及干预结果不确定性,生成因果归因分数;
43、局部修正模块,用于根据因果归因分数更新角色-评价维度责任矩阵,将因果归因分数达到可信度阈值、且直接因果贡献与间接因果贡献之和的置信区间不跨越零的候选异常角色智能体确定为目标角色智能体,仅对目标角色智能体及受影响的关联角色智能体执行局部重生成和局部再协商;
44、结果输出模块,用于输出修正后的协同决策结果包,将包含完整因果链、责任矩阵版本、参数修正记录、步长更新记录和修正效果的记录写入纠偏模板库,供后续同类项目检索和复用。
45、采用上述技术方案后,本发明与现有技术相比具有以下有益效果:
46、本发明中,通过引入结构因果模型与反事实干预机制,能够精准区分各角色智能体在评价维度上的直接预测责任与经有向依赖图传播的间接责任,避免了传统方法中将相关性或简单线性加权误判为责任归属的缺陷;同时,通过历史协同记录在线动态更新角色-评价维度责任矩阵,并保留责任传递链与置信证据,使责任先验能够随项目类别与阶段演化积累;在此基础上,基于修正效果、过冲与约束违反反馈自适应调整步长,并结合回溯试验筛选安全步长,有效提升了收敛速度并降低了反复振荡与约束失效风险;整个过程中仅沿反事实影响超过阈值的依赖边触发局部重生成与局部再协商,将全局回滚修正转变为角色级、维度级与参数级的定向修正,显著提高了工业设计协同决策的可解释性、可复用性及方案落地一致性。
47、下面结合附图对本发明的具体实施方式作进一步详细的描述。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com