第二章 文獻探討
2.4 智慧家庭(Smart Home)
智慧家庭概念起於1970年代的家庭自動化(Home Automation)技術，科技環 境上的不成熟使得相關技術並不被看好，被認為無法改善人類的生活，帶來效益。
直到1990年代，隨著科技進步，智慧家庭的概念[3][4][20]逐漸在歐洲受到關注與 發展，智慧家庭的目標不僅僅是單純地控制家電，而是如何聰明的運用家電協助 日常的工作。因此如何利用情境資訊提供適應性服務成為智慧家庭重要的課題。
智慧家庭是整合感測器、無線網路、無所不在的裝置並藉由背後的提供智能的運 算單元指揮調控，使居家環境貼近使用者需求，感到更舒適。[24]由多個不同領 域面像探討了家庭的概念與辦公室、普通房子的差異，Dey與Zimmerman認為房 子不過是一個可供人住的地方，而家庭是一個人可以得到照顧的地方，因此使用 者的資訊扮演了很重要的角色。
目前智慧家庭環境的研究與應用，原先以照顧居民、提供使用者舒適的生活 的角度出發，如[5][17]討論了多使用者偏好模型的建立以此作提供智慧居家服務、
[6][34]提出如何以貝式網路動態的學習多人偏好並提供情境感知的服務，[35]則 以群體決策的方法提供最適群體的智慧家庭服務。而近年人類預期能源危機的到 來，綠能意識抬頭，有許多相關研究提出，如[13]提出能源感知的智慧家庭，掌 握家庭用電情況，[32]提出了一套情境感知耗能分析節能系統給使用者節能建議，
[26]則以模糊控制調控家電的運作以達省電目的。在系統開發與架構方面亦有許 多研究已被提出，如[37]提出了智慧家庭服務的應用程式框架以加速開發流程與 彈性、[35]則討論了服務導向架構的智慧家庭網路、[22]則基於Device Profile與 網路服務提出Peer-to-peer式的智慧家庭網路架構。
綜觀目前關於智慧家庭的研究，並沒有統籌整個家庭運作的概念，是以特定 機制在一個空間下滿足使用者需求，提供舒適的服務或達成節能目標，而非以整 個家庭為單位，一併協同運作，因此本研究將提出一套兩階段機制，可以協助家 庭，聰明的統籌運用資源，在預定的節能目標下，分配有限的電力預算，盡可能
13
滿足整個家庭的使用者的需求。
14
第三章 一個能夠滿足群體需求的兩階段資源分配機制
3.1 問題定義
本論文欲解決之問題可以分解成兩個部分：第一是必頇要能快速的整合多個 使用者需求的能力；第二是必頇要有分析處理情境資訊的能力與快速對有限資源 做出優化的分配決策。第一部分可以視為一個群體決策的過程，針對個別群體進 行使用者意見的整合，一個群體中有多個方案與多個使用者，每個方案有多項對 應評估準則的屬性，各使用者有對應評估準則的偏好與偏重，利用群體決策的方 法將個別使用者對各方案之各項準則的評價整合成為群體評價，最後導引出各方 案的群體評價作為後續選擇方案作資源分配的依據，為了使擁有高效用與較多使 用者認同的方案有較高的評價，因此必頇加入使用者認同與否的考量。第二部分 的工作是從各群體取得其方案集後，考量當前情境因素後與資源限制，各從中挑 選一個方案實行，即各群體之方案集可視為多個物件群體，在限制下從每個物件 群體選出一個物件，因此可以視為一個求解多維度多重選擇背包問題的過程。因 此，必頇有一套解決方案，能在動態環境下利用情境資訊，有效率的做出符合整 體利益或整體使用者需求的資源分配決策或建議，以下將對本論文所提出之兩階 段資源分配機制作詳細說明。
15
3.2 一個能夠滿足群體需求的兩階段資源分配機制
圖 3 整體機制運作流程
本文所提出之機制分為兩階段(圖 3)，第一階段為應用群體決策方法之方案 評價機制(圖 3 階段一)，使用者資訊包含了使用者偏好、使用者重要性，方案集 為待該群體評價之所有方案，本階段考量了不同使用者個體之重要性差異並依其 偏好建構另一項以個體認同為基礎的衡量指標，利用群體決策方法評價方案，篩 選方案為可接受方案集，為下一階段提供輸入；第二階段為一個多群體資源分配 最佳化機制(圖 3 階段二)，分為兩個步驟：首先為準備步驟，這是一個預先處理 性質的步驟，依據各群體所處之環境所收集到之情境資訊，特別是指會影響到方 案屬性之情境資訊，輔以合適的估算公式，針對各群體所提出之備選方案集，準 備下一步驟處理所需要的資訊，例如方案成本的估算；其次為多群體資源分配步 驟，同時為多個群體作方案選擇，利用一個發現 MMKP 問題近似解的演算法快 速有效的取得一組高品質的解作為所有群體的資源配置規劃。接下來的段落主要 就此機制所使用之(1)機制運作流程、(2)使用者資訊表示、(3)方案評價子機制、
(4)資源分配子機制，分別敘述如下。
16
17
表示，weight set = {VL,L,M,H,VH}。𝑤̃𝑔𝑗𝑡亦可以表示成一個模糊數如下：
𝑤̃𝑔𝑗𝑡 (𝑤𝑔𝑗𝑡1, 𝑤𝑔𝑗𝑡2, 𝑤𝑔𝑗𝑡3), 𝑗 ,2 … 𝑛; 𝑡 ,2 … 𝑘
每個使用者因其身分地位的不同，都有預先指定的重要性權重，使用者Dgt 的重要性權重𝑝𝑔𝑡表示法以語意變數(linguistic variable)表示，weight set =
{VL,L,M,H,VH}。𝑝𝑔𝑡亦可以表示成一個模糊數如下：
𝑝𝑔𝑡 (𝑝𝑔𝑡1, 𝑝𝑔𝑡2, 𝑝𝑔𝑡3), 𝑡 ,2 … 𝑘
3.2.2 階段一：方案評價子機制
圖 4 第一階段：應用群體決策方法之方案評價機制
本階段為一應用群體決策方法之方案評價機制(圖)，本論文基於[18][35]提出 之 Fuzzy TOPSIS 方法為基礎並加以修改，考量了不同使用者個體之重要性差異 並依其偏好建構另一項以個體認同為基礎的衡量指標，連同原先以效用分數為基 礎的衡量指標，以兩種指標共同評價方案，篩選可接受方案為可接受方案集，為 下一階段提供輸入，步驟如圖 3-3 所示，詳細流程分述如下：
Step1. 整合準則重要性權重，將本群體中所有使用者賦予各項準則之重要性權重
18
19
20
稍後將以決策比例為基礎來評價方案，我們可以使得擁有帶來群體高度效用 與高度認同之方案取得高評價，並且再帶來相同效用的方案中，依使用者認同的 差異分別出方案優劣。
Step6.分別計算基於兩種衡量指標的正理想解(PIS)與負理想解(NIS)。
計算基於方案準則偏好評分之正理想解(𝐶𝐼𝑆𝑔+)與負理想解(𝐶𝐼𝑆𝑔−)，i 為方案集 合的索引，j 為準則集合的索引，計算如下：
𝐶𝐼𝑆𝑔+ {𝑑𝑔1+ , 𝑑𝑔2+ … 𝑑𝑔𝑛+ }6 {𝑚𝑎𝑥𝑖∈𝐼𝑑𝑔𝑖𝑗| 𝑗 ∈ 𝐽} (16) 𝐶𝐼𝑆𝑔− {𝑑𝑔1− , 𝑑𝑔2− … 𝑑𝑔𝑛− } {𝑚𝑖𝑛𝑖∈𝐼𝑑𝑔𝑖𝑗| 𝑗 ∈ 𝐽} (17) 計算基於方案準則認同之正理想解(𝐴𝐼𝑆𝑔+)與負理想解(𝐴𝐼𝑆𝑔−)，i 為方案集合 的索引，j 為準則集合的索引，計算如下：
𝐴𝐼𝑆𝑔+ {𝑎𝑝𝑝𝑔1+ , 𝑎𝑝𝑝𝑔2+ … 𝑎𝑝𝑝𝑔𝑛+ } {𝑚𝑎𝑥𝑖∈𝐼𝑎𝑝𝑝𝑔𝑖𝑗| 𝑗 ∈ 𝐽} (18) 𝐴𝐼𝑆𝑔− {𝑎𝑝𝑝𝑔1− , 𝑎𝑝𝑝𝑔2− … 𝑎𝑝𝑝𝑔𝑛− } {𝑚𝑖𝑛𝑖∈𝐼𝑎𝑝𝑝𝑔𝑖𝑗| 𝑗 ∈ 𝐽} (19) Step7.測量各方案與 PIS、NIS 的距離。
利用先前(step.6)取得之決定對於準則 Cj的兩衡量指標決策比例係數𝜃𝑔𝑗，決 定兩種衡量指標所佔之決策比重，加總兩指標與理想解之距離，依此方法分別計 算各方案與 PIS、NIS 的距離。
𝑑𝑖𝑠𝑡𝑔𝑖+ √∑𝑛𝑗=1𝑊𝑔𝑗(𝜃𝑔𝑗(𝑑𝑔𝑖𝑗− 𝑑𝑔𝑗+ )2+ − 𝜃𝑔𝑗 (𝑎𝑝𝑝𝑔𝑖𝑗− 𝑎𝑝𝑝𝑔𝑗+)2) (20)
𝑑𝑖𝑠𝑡𝑔𝑖− √∑𝑛𝑗=1𝑊𝑔𝑗(𝜃𝑔𝑗(𝑑𝑔𝑖𝑗− 𝑑𝑔𝑗− )2+ − 𝜃𝑔𝑗 (𝑎𝑝𝑝𝑔𝑖𝑗− 𝑎𝑝𝑝𝑔𝑗−)2) (21) Step8.計算方案的相對接近度係數𝑅𝐶𝐶𝑔𝑖(relative closeness coefficient)並依排序所 在位置決定是否為可接受方案。
𝑅𝐶𝐶𝑔𝑖 𝑑𝑖 𝑡𝑑𝑖 𝑡𝑔𝑖−
𝑔𝑖++𝑑𝑖 𝑡𝑔𝑖− (22) 可接受方案指標𝐴𝑐𝑐𝑔𝑖如下：
𝐴𝑐𝑐𝑔𝑖 { , 𝑖𝑓 𝑅𝐶𝐶𝑔𝑖排序不在前𝜕%
, 𝑖𝑓 𝑅𝐶𝐶𝑔𝑖排序在前𝜕% (23) % < 𝜕% %
21
Step9.以群體成員權重加權，計算各方案之綜合滿意度評價𝑆𝐴𝑇𝑔𝑖。
將每個方案 Agi的相對接近係數 RCCgi以群體之總成員權重加權，為此方案 Agi之綜合評價：
𝑆𝐴𝑇𝑔𝑖 𝑅𝐶𝐶𝑔𝑖 ∑𝑘𝑡=1𝑝𝑔𝑡 (24) 有別於𝑅𝐶𝐶𝑔𝑖為方案 Agi於個別群體之決策過程所使用的方案評價，𝑆𝐴𝑇𝑔𝑖為 𝑅𝐶𝐶𝑔𝑖利用該群體成員權重加權之方案評價，用於下一階段的多群體組合最佳化 之跨團體比較，具有不同總群體權重的群體提出具有相同 RCC 之方案時，同樣 RCC 的方案可以帶給權重較大之群體的效應理應比權重較小之群體多，因此應 有較高的評價，因此利用群體權重加權才能夠反映出方案 Agi所帶來之實質效用。
所以總群體權重越大之群體其方案之加權效果越高，如此之方案評價才能適用於 第二階段作跨群體的比較，且取得較為合理之結果。
3.2.3 階段二：資源分配子機制
圖 5 群體資源分配機制
第二階段為一個多群體資源分配機制(圖 5)，分為兩個步驟：首先是一個預 先處理性質的準備步驟，依據各群體所處之環境所收集到之情境資訊，特別是指
22
會影響到方案屬性之情境資訊，輔以合適的估算公式，估計與調整各群體所提出 之方案集在資源分配運算時所需要的資訊，本研究以利用情境資訊估算方案成本 為本步驟之主要功能；其次，第二步驟為多群體方案選擇步驟，在各群體蒐集到 之可接受方案集中，應用一個發現 MMKP 問題近似解的演算法，在資源限制下，
快速有效的取得一組高品質的解，即為各群體選擇方案，作為所有群體的資源配 置規劃。分述如下：
Step1.利用情境資訊準備方案資訊
利用蒐集到的背景情境資訊，視應用領域，使用適當的公式或以合適的資料 來源，估計或修正各群體提出之可接受方案集的資訊，本研究因應研究案例提出 成本估算功能，表示如下。
𝐶𝑜𝑠𝑡𝑔𝑖 𝐶𝐸 𝐴𝑔𝑖, 𝑐𝑜𝑛𝑡𝑒𝑥𝑡𝑔 (25) 𝐶𝑜𝑠𝑡𝑔𝑖為方案𝐴𝑔𝑖的估計成本或資源耗用，由於方案實行的成本通常與當前環 境息息相關，因此本研究利用該群體之當前背景資訊𝑐𝑜𝑛𝑡𝑒𝑥𝑡𝑔與方案𝐴𝑔𝑖之內容 為參數輔以因應應用領域之適當設計的函數𝐶𝐸 𝐴𝑔𝑖, 𝑐𝑜𝑛𝑡𝑒𝑥𝑡𝑔 進行運算
Step2.有效率的進行多群體資源分配，為所有群體選取方案
此步驟目的為提供一個快速且能夠將資源作最佳化的配置的程序，因此必頇 在個群體提出之可接受方案集，依其提供之效用評價與資源耗用資訊，在各群體 之方案集中分別選擇一個方案實行，即分配資源，在短時間內為多個空間群體在 資源限制下作高效用的資源分配。一般情況下，決策組織所要分配的資源其維度 (種類)並非只有一維，而待選取的方案所需要耗用的資源也並非只有一維，因此 本步驟可以視為求解 MMKP 的程序，在多組方案集中，在多維資源限制下，分 別選取一個方案，以最大化所有選取方案之價值總和為目標。本多群體資源分配 機制使用之方法係改良自C_HEU[2]之啟發式演算法。