[发明专利]一种面向智能控制器的机器学习算法模块配置及自动化组装方法

权利要求书

1.一种面向智能控制器的机器学习算法模块配置及自动化组装方法，其特征在于：包括如下步骤，

特征配置依赖关系约束下的特征选取，

和/或，

非功能应用需求约束下的特征实现软件产品选取。

2.根据权利要求1所述的一种面向智能控制器的机器学习算法模块配置及自动化组装方法，其特征在于：所述的特征配置依赖关系约束下的特征选取，含有配置规则集合；所述的配置规则包括，

矛盾规则：一个矛盾规则具有如下形式：←p₁,...,p_m,not a₁,...,not a_n；当LB_h＝UB_h＝0，LB_b＝1，UB_b＝m+n，且规则中的原子均为基原子的情况下，一阶域加权规则被特例化为矛盾规则，矛盾规则的规则头为空；

和/或，必然规则：一个必然规则具有如下形式：h←；当LB_h＝UB_h＝1，LB_b＝UB_b＝0，且规则中的原子均为基原子的情况下；

和/或，选择规则：一个选择规则具有如下形式：h₁|...|h_s←p₁,...,p_m,not a₁,...,nota_n；当LB_h＝1，UB_h＝s，LB_b＝1，UB_b＝m+n，且规则中的原子均为基原子的情况下，一阶域加权规则被特例化为选择规则；

和/或，排斥规则：一个排斥规则具有如下形式：当LB_h＝UB_h＝1，LB_b＝1，UB_b＝m+n，且规则中的原子均为基原子的情况下，一阶域加权规则被特例化为排斥规则；所述的LB_x，UB_x为一阶域加权规则中的参数。

3.根据权利要求1所述的一种面向智能控制器的机器学习算法模块配置及自动化组装方法，其特征在于：所述的特征配置依赖关系约束下的特征选取含有特征配置模型规则求解算法；所述的特征配置模型规则求解算法包括，

Step1：获取规则集R中的所有必然规则，将规则头中的文字加入到扩展集A中，即令A＝A∪H(r)，R'＝R；

Step2：令A'＝A，对于规则集R'中的任一非必然规则r，令r'为其约减后所得规则，则若规则体中不存在否定文字，且肯定文字中的原子存在于A⁺中，则将规则约减后规则头中的文字加入到扩展集A中，并用约减后的规则替换原规则，即若则对于若满足a∈A⁺，令A＝A∪H(r')，R'＝R'-{r}+{r'}；若规则体中存在否定文字，且否定文字中的原子出现在A⁺中，则删除该规则，即若满足a∈A⁺，令R'＝R'-{r}；若规则体中肯定文字中的原子出现在A⁺中，否定文字中的原子不出现在A⁺中，则无论否定文字中的原子是否出现在A^-中，将规则约减后规则头中的文字加入到扩展集A中，并用约减后的规则替换原规则，即若满足a∈A⁺，对于满足则令A＝A∪H(r')，R'＝R'-{r}+{r'}；若规则头被满足，则将规则体中的文字加入到扩展集A中，并用约减后的规则替换原规则，删除规则集R'中不满足上述条件的规则；

Step3：重复Step2，直至A＝A'；

Step4：若表明没有稳定的规则求解模型，求解结束；反之，若则A⁺即为稳定的规则求解模型，否则，令R'＝R，A＝A∪{a}或A＝A∪{not a}，其中a∈Atoms(R)-Atoms(A)，重新执行Step2；

所述的P为特征配置模型对应的逻辑程序，R为P中的特征配置规则集，A为扩展集，且A⁺＝{a∈Atoms(P)|a∈A}，A^-＝{a∈Atoms(P)|not a∈A}，有A⁺∪A^-＝Atoms(A)。