敬石开，刘继红，王 宽，周竞涛

（1．北京理工大学 机械与车辆学院，北京 100081；2．北京航空航天大学 机械工程及自动化学院，北京 100191；3．西北工业大学 现代设计与集成制造技术教育部重点实验室，陕西 西安 710072）

0 引言

设计理性指设计过程中设计者深层次的设计意图、设计依据和设计决策等思维信息及其逻辑关系，是对设计对象不断演进过程的描述［1－2］。有效重用已有设计理性对引导设计者的思维，进而提升设计效率与设计质量均有重要的作用［3］。对于设计理性知识的重用过程主要包括：①搜索出相似的问题或设计实例；②识别设计理性模型中可重用的部分；③借鉴检索得到的知识，根据新需求完成设计任务［4］。由此，包括①和②两过程的设计理性检索成为设计理性知识重用中最重要的一步［5］。

早期的设计理性研究和设计理性系统主要集中在理性知识的表达与获取方面，较少关注理性知识的检索重用。这一阶段重用的主要策略为以设计者主导设计理性回溯，即设计者由检索得到的节点开始，根据已有的链接遍历设计理性模型。包括REMAP/MM，PHIDIAS，Dred以及 Compendium 等理性系统均采用基于关键词匹配的检索方法［5］，将匹配结果在图形化的设计理性模型中高亮显示以返回给用户，供用户回溯和重用。近年来，越来越多的设计理性系统开始关注理性知识的检索过程，并通过为原有系统设计专门的检索插件或用户界面，以支持有效的检索操作。Zhang［6］等针对设计理性模型缺乏语义表达的问题，建立了基于本体的设计理性语义表达模型ISAA（Issue，Solution，Artifact and Argument Model），因为ISAA在表达上已经可以显性地指明元素间的语义关系，所以可支持基于语义的检索重用，也成为Zhang等下一步研究的重点。基于Dred，Wang等［7］针对设计理性模型以结构化的形式存在、元素彼此间存在确定的从属关系的特点，提出对于设计理性模型的结构化检索方法，从而提高了检索效果。然而，过分追求节点间的从属关系影响到了检索的查全率；Kim［4］等认为设计人员在检索时最常问的问题为“如果…，则…”和“为什么…”，基于这一认识，通过对自然语言处理和监督式机器学习技术，对设计理性进行语义规则标注，用户可以通过预先定义的关系进行语义检索。Liang等［8］在ISAL（issue，solution and artifact layer model）模型的基础上开发了设计理性检索工具，以支持多种查询方式，如按照时间或创建人查询；提供了对查询结果的分析功能，通过分析可以发现某种产品存在的主要问题或技术发展趋势。然而该方法只能按照系统预先定义好的类别和角度进行筛选、展示和分析，检索结果与基于关键词的检索并无区别。

总之，对于设计理性检索的研究仍处于初期［9－10］。上文提到的相关检索方法在知识重用过程中主要存在如下问题：检索结果以节点记录（下文统称为“结果节点”）列表的形式展现给用户，对应每条节点记录的内容为该节点的详细属性或该节点所在的完整设计理性模型实例。对于前者，由于设计理性模型是对设计过程的记录，单一的元素节点没有结合设计过程中的上下文信息，即它包含的知识并不完整，使得设计者很难理解和重用。而对于完整的实例，其结构通常十分复杂，知识含量过大，体现在由大量的节点与关系组成，而对设计者真正需要的往往只是部分模型，设计者还需要花费大量的时间遍历并提取对自己有用的部分，从而影响了设计重用的效率。因此，单一的节点或完整的实例均给设计者理解和重用理性知识造成了困难。

以上理性知识重用中出现的问题，究其实质，是因为目前设计理性重用相关研究的重点集中在如何提高检索结果节点的准确性，没有对检索得到的节点进行必要的处理，即没有考虑检索结果的结构形式对于设计重用的影响。而对于设计理性这类过程知识，结果的结构恰恰对设计者有效理解模型所表达的知识具有重要影响。实际上，这些过程中设计者依然需要对结果节点进行人工追溯，以理解检索结果所表达的内容。基于以上分析，本文聚焦于检索结果的结构形式方面，目的是通过计算机辅助为设计者提供适合设计重用的理性知识结构。因此，在考虑设计理性节点间语义关系的基础上，本文提出设计理性片段的概念及其提取方法，通过理性片段代替离散的节点或完整模型，而作为检索的最终结果供设计重用。设计理性片段是能够独立且完整地表达某一设计过程的理性子模型，因此可以方便设计者更快捷地理解和掌握检索得到的理性知识，提高设计重用效率。设计理性片段提取方法的思路为：检索过程中引入理性元素间的语义信息，在结果节点的基础上，通过语义推理得到包含结果节点的核心最小设计理性片段；对核心最小片段进行聚类扩展，得到包含核心最小片段及其上下位信息的理性片段；将重复片段进行合并，得到最终的满足检索需求且能完整表达某一设计过程的理性片段。

1 意图驱动的设计理性模型

设计理性根据表达方式的不同可以分为基于论证的表达和意图驱动的表达。基于论证的表达以IBIS（issue－based information system）模 型 为 代表［5］，是目前设计理性研究领域最成熟的模型。但IBIS认为设计过程仅仅是一个解决问题的技术过程，建模过程建立在设计者对设计问题已有准确和充分认识的基础上。而实际上，设计问题在大多数情况下是一种病构问题，具有不明确的初始状态、不清晰的目的以及不确定的策略。因此，基于论证的设计理性表达不能充分反映设计认知、设计迭代等设计活动的典型特征。Liu［2，11，13］等提出的意图驱动的设计理性（Intent－Driven DR model，IDDR）模型能够较好地解决IBIS模型的不足，是本文研究设计理性片段提取操作的对象。

意图驱动的设计理性模型旨在对设计者为满足设计意图而利用专业技能和知识产生设计概念，进行设计决策和求解设计问题的过程进行详细和完整的记录。模型由设计意图（design intent）、设计选项（design option）、设计决策（design decision）、设计理性（justification/criteria/rules）和设计操作 （design operation）五种元素组成。元素间的关系包括：分解关系（decomposed－into〈意图，意图〉）、满足关系（achieved－by〈意图，选项〉）、决策关系（decided－by〈选项，决策〉）、依据关系（refer－to〈选项/决策，设计理性〉）、实现关系（realized－by〈决策/意图，操作〉）、推动关系（promote－to〈决策/操作，意图/操作〉）、演进关系 （return－to/evolve－to〈决策/意图，决策/意图〉）和 触 发 关 系 （remotivate－to〈操 作/决 策，意图〉），具体请参见文献［11］。

2 设计理性片段结构

IDDR在表达上比IBIS等模型更加详细和复杂，因此，从方便设计人员理解和重用的角度考虑人的认知特点，设计理性片段在结构上应满足以下原则：

原则1 独立完整性原则。设计理性片段应为相对独立的设计理性信息，具有合理的组织结构，并能完整地表达和反映某一设计过程。这一原则保证了设计者只需要理解该片段即可准确地把握其表达的知识，无需依赖过多的上下文信息。

原则2 检索需求匹配原则。设计理性重用建立在理性知识检索的基础上，作为检索结果的最终表现形式，要求设计理性片段应匹配设计者的检索需求。

原则3 知识含量适度性原则。若理性片段过于复杂或简单，则也会产生如单个节点或完整实例相同的重用问题。因此，设计理性片段的知识含量应控制在一定范围内。

针对以上原则，片段提取的思路是在检索到结果节点后，通过关系推理划分并提取设计理性片段，从而保证了原则2。对于如何保证片段知识含量适度与片段的完整性与独立性，给出如下定义：

定义1 最小长度设计理性片段（Minimum Length DR Segment，MLS）。设计理性模型中的任一元意图与其操作之间包含的所有认知元素节点及相互关系，称为一个最小长度设计理性片段。如图1所示，对应元意图SI12“分离纸币”的最小长度设计理性片段指从SI12节点至Op1之间所有的元素节点及其关系。MLS具备一定的完整性与独立性。为便于介绍片段提取算法，本文将单独的意图节点（如图1中的I1，I3）也作为MLS的一种形式。

定义2 设计脉络（Design Context，DC）。设计理性模型中任一意图的完整实现过程中包含的所有认知元素节点及其交互关系，称为一个设计脉络。如图2所示，对应元意图SI21“确定真空源”的设计脉络指从SI21节点至Op5之间所有的元素节点及其关系。由定义可知，设计脉络由一个或多个MLS及设计意图组成。

基于以上定义，确定设计理性片段的基本组成单元为MLS。最理想情况下，设计理性片段为设计脉络，以保证表达完整独立的设计信息。但是DC通常情况也很复杂，因此仅需要保留与结果节点语义距离较近的MLS，以满足片段知识含量的适度性原则。

3 设计理性片段提取方法

设计理性片段提取的最重要的问题是保证片段具有合适的知识含量，即片段的结构复杂度适中。片段提取方法步骤如下：

步骤1 确定核心MLS。核心MLS即结果节点所在的MLS。考虑到MLS中的起始元素为设计意图，且MLS与设计意图之间存在一对一的关系。因此，将设计意图节点作为对应MLS的语义中心，并用于表示对应的MLS，同时，将两MLS间的语义距离通过对应设计意图间的语义距离表示。具体参见3．1节。

步骤2 划分设计理性片段。以步骤1中得到的MLS为中心，通过推理扩展，将同一实例中语义距离较近的多个MLS聚合并提取为一个设计理性片段。具体参见3．2节。

步骤3 合并设计理性片段。通过步骤2形成的多个设计理性片段间可能存在重叠，影响重用的效率。通过计算两片段中MLS的重叠程度，可以合并重叠度大的片段。合并的过程是求两片段并集的过程，从而得到最终的设计理性片段集合。具体参见3．3节。

步骤4 计算检索需求匹配度。经过片段提取后的多个片段，需要计算各个片段对于检索需求的匹配程度，作为片段排序的依据。本文从片段节点中结果节点的数量、节点的元素类型以及片段的复杂程度三个方面考虑计算设计理性片段的匹配度。具体参见3．4节。

IDDR建模过程中，建立了基于Web本体语言（Ontology Web Language，OWL）的设计理性表达语言［14］，使得设计理性模型可以被计算机理解和推理。本文采用基于OWL描述逻辑的知识推理实现设计理性片段的提取。首先定义推理方向RD：〈E，PT〉；其中：E是设计理性模型中的一个节点，是推理的起始点；PT是一组关系方向〈P，n〉的集合，P是与E相关的一类关系；n指推理深度，取值－1，1或∞，当n＜0时为逆向推理，当n为∞时，推理包含从E开始P关系的传递闭包。

3．1 核心MLS确定

核心MLS确定过程分两步，首先确定结果节点的最近设计意图祖先节点，然后提取该意图节点所在的MLS。以上两步分别通过算法1与算法2实现。

算法1 最近设计意图祖先节点确定方法。

输入：节点N；

输出：最近设计意图祖先元素节点I。

步骤1 若输入节点为设计操作Op，则转步骤2；若输入节点为设计决策D，则转步骤3；若输入节点为设计选项O，则转步骤4；若输入节点为设计理性R，则转步骤5；若输入节点为设计意图I，则转步骤6。

步骤2 以Op为起始点，按照推理方向RD1＝〈Op，PT1〉 推 理，PT1＝ ｛〈p，n〉〈 realized＿by，－1〉｝。若推理结果为决策D，则转步骤3；否则，按照推理方向RD2＝〈Op，PT2〉推理，其中PT1＝｛〈p，n〉〈 promote＿to，－1〉｝，得到推理结果为一个或多个设计操作Op，依次重复步骤2。

步骤3 以D为起始点，按照推理方向RD3＝〈D，PT3〉推理，PT1＝｛〈p，n〉〈 decided＿by，－1〉｝。得到该设计决策的父设计选项节点集，任取其中某一选项O1。

步骤4 以O1为起始点，按照推理方向RD3＝〈O1，PT3〉 推 理，PT3＝ ｛〈p，n〉〈 achieved＿by，－1〉｝。提取该设计选项的父节点设计意图I，算法结束。

步骤5 以R为起始点，按照推理方向RD4＝〈R，PT4〉推理，PT4＝｛〈p，n〉〈 refer＿to，－1〉｝。推理结果为节点N，转步骤1。

步骤6 提取I，算法结束。

算法2 最小长度设计理性片段提取方法。

输入：设计元意图节点I；

输出：最小长度设计理性片段MLS（I）。

步骤1 若I非元意图，则按照推理方向RD1＝〈I，PT1〉推理，PT1＝｛〈p，n〉〈 evolve＿to，∞〉｝。提取初始设计意图的演进过程，算法结束；若I为元意图，则转步骤2。

步骤2 以I为起始点，按照推理方向RD1＝〈I，PT1〉推理。提取初始设计意图的演进过程。

步骤3 若推理结果不为∅，则将I及其后各个版本的意图Ic（I，I′，…）提取存入 MLS；否则，将I提取存入MLS。对Ic中的各意图，依次进行步骤4～步骤10。

步骤4 按照推理方向RD2＝〈I，PT2〉推理，PT2＝｛〈p，n〉〈 achieved＿by，1〉｝。依次提取各设计意图对应的设计选项Oi（i＝1，2，3，…），将Oi存入MLS。

步骤5 对步骤4所得的设计选项按照推理方向RD3＝〈O，PT3〉推理，PT3＝｛〈p，n〉〈 refer＿to，1〉｝。提取对应每个设计选项的设计理性Ri（i＝1，2，3，…），存入 MLS。

步骤6 对步骤4所得的设计选项按照推理方向RD4＝〈O，PT4〉推理，其中 PT4＝｛〈p，n〉〈 decided＿by，1〉｝，提取对应每个意图的设计决策D，存入MLS。

步骤7 对步骤6所得的设计决策D按照推理方向RD5＝〈D，PT3〉推理，提取对应每个设计决策的设计理性Ri（i＝1，2，3，…），存入 MLS。

步骤8 对步骤6所得的设计决策D按照推理方向RD6＝〈D，PT1〉推理，若结果为决策D′，则将D′存入MLS，转步骤7；若推理结果为∅，则转步骤9。

步骤9 对MLS中的设计决策按照推理方向RD7＝〈D，PT5〉推理，PT5＝｛〈p，n〉〈 realized＿by，1〉｝。提取对应每个设计决策Di的设计操作Opi（i＝1，2，3，…），将Opi存入 MLS。

步骤10 对与操作Oi，按照推理方向RD8＝〈Op，PT6〉推理，PT6＝｛〈p，n〉〈 promote＿to，1〉｝。若推理结果为设计操作Opi′，则将Opi′存入S，重复步骤10；若结果为设计意图I或为∅，则输出MLS，算法结束。

算法2的流程如图2所示。

3．2 设计理性片段划分

本文借鉴基于密度聚类的思想，以核心MLS为中心，将语义距离处于阈值范围内的MLS划分为一个设计理性片段。

算法3 设计理性片段划分方法。

输入：设计意图节点集合IS＝｛I1，I2，I3，…，In｝，阈值μf、μc、μb；

输出：设计理性片段集合SS＝｛S1，S2，S3，…，Sn｝。

步骤1 取IS中的节点Ii，以Ii为中心进行前向与后向推理。通过前向推理得到语义距离D（Im，Ii）＜μf的全部设计意图的集合ISf；通过后向推理得到语义距离D（Im，Ii）＜μb的全部设计意图的集合ISb。

步骤2 对于ISf中的意图节点If，通过后向推理计算与聚类中心MLS同级的兄弟MLS且语义距离D（Im，If）＜μc的意图集合，存入ISb中。

步骤3 对ISf与ISb中的意图节点按照其层次结构依次执行算法2，得到以Ii所在MLS为中心的多MLS组成的设计理性片段。

步骤4 重复步骤1～步骤3，直到IS中的节点全部执行完成，算法结束。

算法3中，MLS间的语义相关度通过两者意图节点的语义距离表示，映射到模型中为两意图节点在模型中的最短路径所包含的边数n，改进的语义距离

式中pi表示IDDR中第i个关系的权重，主要由关系的类型确定。在进行距离计算时，涉及到的关系包括 decomposed－into，achieved－by，decided－by，realized－by，promote－to五种类型。一般而言，后四种关系的权重可保持一致，decomposed－into关系设定较小的权重。IDDR模型中，意图元素及其相互间的decomposed－into关系组成的结构称为意图树。在意图树中，意图出现的层次越高，越抽象；反之，越具体。因此，高层的decomposed－into关系距离应高于低层次的decomposed－into关系。定义其关系权重为

式中：等号右侧的p表示其余四种关系的权重，取p＝1；Level（I）表示意图I所在的层次；Depth表示意图树的深度。

算法3另外需要考虑的是确定阈值μf，μc与μb。对于意图节点，通过前向推理得到的是该意图的父意图，表达该意图的背景信息。因此，前向推理μf保持在较小范围内，使设计人员对意图提出的背景有基本了解即可；对于后向推理，得到的是该意图的实现过程，可以适当增大后向推理的范围。基于以上分析，结合前期试验得出：前向推理一般取上两级父意图或前一级 MLS，对应的μf＜5、μc＜3；后向推理一般取3～5级后代MLS，相应的20＜μb＜30。

3．3 设计理性片段合并

片段由多个MLS组成，因此两片段的重叠程度定义为相同MLS分别在两个片段中所占较大的比重。即

合并的策略借鉴凝聚式聚类算法［15］，合并时应同时满足重叠度高于阈值和合并后片段复杂程度适中两个条件，具体算法为：

算法4 重复设计理性片段合并方法。

输入：设计理性片段集合SiS＝｛Si1，Si2，Si3，…，Sin｝；

输出：合并后的设计理性片段集合SoS＝｛So1，So2，So3，…，Som｝（m≤n）。

步骤1 分别计算输入任意两个片段间的重复度Rep（Si1，Si2），将重复度大于阈值μ的两个片段聚类，其余的单个片段看作只有其一个成员的类。

步骤2 判断将类中包含的两个片段合并后的复杂度C，若C＜μc，则将片段合并，作为新的输入片段。

步骤3 重复步骤1和步骤2，直到片段不再发生变化，输出最终的片段集合，算法结束。

3．4 设计理性片段检索需求匹配度计算

文献［7］指出，设计理性重用的场景主要包括两种：①设计人员面对设计问题，寻找类似问题曾经的解决方案；②针对某一设计问题的解决方案，查询是否曾经使用过类似的方案。IDDR中，设计问题通过设计意图体现，而问题的解决方案通过设计决策体现。因此，设计理性元素在检索过程中的重要程度按照设计意图、设计决策、设计理性、设计选项和设计操作依次降低，据此赋予不同的权重值。则设计理性片段S的匹配度

式中：Sim（Q，S）表示片段与检索需求的相似度，

n Sim（Q，S）＝ ∑wi，n表示片段S中共有n个结果

l＝1节点，wi表示第i个结果节点元素类型的权值。Size（S）′指片段S中除设计理性元素节点的其他所有节点数量。由式（3）可知，当两个片段与检索需求的相似度值相同时，片段结构越简单，匹配度越高，从而可以优先推荐给设计人员。

4 实例验证

本章以ATM机纸币处理机构设计过程（部分）为例，验证本文提出的片段提取方法及片段重用的有效性。图2所示为根据IDDR模型对ATM机纸币处理机构设计过程（部分）记录的图形化展示。该设计的设计意图为“ATM机纸币处理机构”（I1），为实现这一意图，设计者分析后通过decomposedinto关系将其分解为“运送纸币”（SI11）、“分离纸币”（SI12）、“识别纸币”（SI13）和“存储纸币”（SI14）四个子意图；以实现子意图SI12为例，设计者将“摩擦分离机构”（O1）或“真空吸附分离机构”（O2）两个备选方案作为选项，理性分别为“摩擦原理”（E1）和“真空原理”（E2）；通过分析权衡，选择O2作为最终决策（D1），理由为“结构简单”（C1）、“成本低”（C2）且“不易损害纸币”（C3）；针对设计决策D1画出相关草图；草图完成后进而引出意图“真空纸币分离机构设计”（I2），通过promote－to关系表达。如此往复，直至完成对整个设计过程及理性知识的结构化记录。

实例验证过程中，选择“真空发生器设计”作为检索语句，这是由于篇幅限制，图2只给出了纸币处理机构的部分设计过程，相对简单，而这一实例中对真空发生器选型过程的记录相对完整，并且有对应的上下文信息。

4．1 核心MLS确定

对于检索语句“真空发生器设计”，通过基于关键词检索得到的检索结果节点包括O3“真空发生器”、D2“选择真空发生器为真空源”、I3“真空发生器型号确定”以及Op6“确定真空发生器型号”4个。确定以上四个节点所在MLS的过程即确定其最近意图祖先节点的过程。根据算法1，确定O3，D2，I3和Op6对应的最近意图祖先节点如表1所示。

结果节点N 最近意图祖先节点I O3 SI21“真空源确定”D2 SI21“真空源确定”I3 I3“真空发生器型号确定”SI31“计算真空度”Op6EI1“确定抽出空气体积”EI2“确定工作频率”

4．2 设计理性片段划分

算法3的输入阈值为μf＝4，μc＝3和μb＝25，输入的意图结合IS＝｛SI21，I3，SI31，EI1，EI2｝。执行算法3，对于SI21：通过前向推理，Distance（SI21，I2）＝2×2/（2＋1）＝1．33，Distance（SI21，SI12）＝5．33，Distance（I2，SI24）＝Distance（I2，SI23）＝1；通过后向推理，Distance（SI21，I3）＝4，Distance（SI21，SI31）＝Distance（SI21，SI32）＝6，Distance（SI21，EI1）＝Distance（SI21，EI2）＝7．2。因此通过对SI21推理所得的意图集合为ISf＝｛I2，SI22，SI23｝，ISb＝｛I3，SI31，SI32，EI1，EI2｝。同理，IS 中各意图通过推理得到的意图集合如表2所示，由于SI31，EI1和E2无后续MLS，其对应的ISb为∅。

表2 满足条件的意图集合

输入意图 意图集合ISf 意图集合ISb SI21 I2，SI22，SI23 I3，SI31，SI32，EI1，EI2 I3 SI21 SI31，SI32，EI1，EI2 SI31 I3，SI32 EI1 SI32，I3，SI31EI2_SI32，I3，SI31

根据算法2，分别提取意图集合中各意图对应的MLS，并组合成完整的片段。以SI21为例，组成其对 应 片 段 SI21的 MLS 包 括I2，SI22，SI23，I3，SI21，SI31，SI32，EI1和EI2九个，如图3所示。最终聚合得到的片段SI21如图4所示。同理，可以提取I3，SI31，EI1和EI2对应片段。

4．3 重复设计理性片段合并

按照算法4进行重复设计理性片段的合并，计算重复度时设定阈值μ＝0．75。则Rep（SI21，I3）＝max（1，0．67）＝1，同理可以计算任意两个片段的重复度。由于图2相对简单，检索得到的结果节点相对集中，造成片段间重叠度较大，最终合并完成后得到的片段为3．2节中的片段SI21，如图4所示。

4．4 实例分析

为验证片段SI21在重用过程中的有效性，从以下三方面进行讨论：

（1）片段结构复杂性 初始模型共有66个元素节点和80个关系，而片段SI21共有32个元素节点和35个关系。显然，设计者能够更加快捷地理解复杂模型中真正有效的信息。

（2）检索结果的数量 与先前的检索结果相比，本例中的检索结果仅为一个设计理性片段，而非4个节点或实例。检索结果的数量大大降低，设计者无需查看重复的理性信息，提高了设计重用的效率。

（3）图4片段包含了真空发生器设计的完整过程，在降低模型结构复杂度的同时并没有损失该子过程的任何设计步骤，同时保留了必要的背景信息。通过该片段，设计者既可以理解之前完整的真空发生器设计过程，同时也可以了解其设计的情景信息，从而有助于设计者判断已有设计是否适用于当前的重用场景。

5 结束语

本文在已有设计理性建模研究的基础上，结合设计人员在设计重用中的具体操作过程，提出了从检索结果的结构角度出发，提高设计理性知识重用效果的方法。即为设计重用提供既满足检索需求又能完整表达某一设计过程的理性子模型——设计理性片段，作为重用的对象。设计理性片段的提取过程是在关键词检索的基础上，通过对结果节点进行基于语义的推理得到的。基于语义的设计理性片段提取为设计理性重用的研究开拓了新的思路，实现了通过计算机辅助设计者快速且准确理解和重用设计理性知识，同时也符合对过程类知识重用的特殊性。

下一步工作将集中在两方面：①建立描述设计理性片段的复杂度的量化指标体系和方法，在此基础上通过实验等手段研究设计人员在重用过程中适合的片段结构复杂度，以指导设计理性片段的提取操作；②将设计理性片段提取与基于语义的检索结合，即在检索过程中，通过语义手段解决基于关键词检索的不足，提高检索的效果，而在检索结果表达过程中通过片段提取为设计者提供适合重用的理性知识结构，实现两者的优势互补。

［1］ NOMAGUCHI Y，TOMIYAMA T．Design knowledge management based on a model of synthesis［C］//Proceedings of the IFIP TC5/WG5．25th Workshop on Knowledge Intensive CAD．Norwell，Mass．，USA：Kluwer Academic Publishers，2002：131－149．

［2］ SUN Zhaoyang，LIU Jihong．Representation of design intents in design thinking process model［J］．Journal of Mechanical Engineering，2009，45（8）：182－189（in Chinese）．［孙兆洋，刘继红．设计理性模型中设计意图的表达［J］．机械工程学报，2009，45（8）：182－189．］

［3］ DORST K．The core of‘design thinking’and its application［J］．Design Studies，2011，32（6）：521－532．

［4］ SANGHEE K，BRACEWELL R H，WALLACE K M．A framework for design rationale retrieval［C］//Proceedings of the 15th International Conference of Engineering Design．Castle Cary，UK：the Design Society，2011：DS35＿498．44．

［5］ REGLI W C，HU X，ATWOOD M，et al．A survey of design rationale systems：approaches，representation，capture and retrieval［J］．Engineering with Computers，2000，16（3/4）：209－235．

［6］ ZHANG Yingzhong，LUO Xiaofang，LI Jian．A semantic representation model for design rationale of products［J］．Advanced Engineering Informatics，2013，27（1）：13－26．

［7］ WANG Hongwei，JOHNSON AYMLER L，ROB H．The retrieval of structured design rationale for the re－use of design knowledge with an integrated representation［J］．Advanced Engineering Informatics，2012，26（2）：251－266．

［8］ LIANG Yan，WEN F L，LIU Ying，et al．Interactive interface design for design rationale search and retrieval［C］//Proceedings of the ASME 2010Design Engineering Technology Conference and Information in Engineering Conference．New York，N．Y．，USA：ASME，2010：308－318．

［9］ BRACEWELL R，WALLACE K，MOSS M，et al．Capturing design rationale［J］．Computer－Aided Design，2009，41（3）：173－186．

［10］ JING Shikai，LIU Jihong，HU Xujie．Design reuse oriented transformation of design rationale models［J］．Computer Integrated Manufacturing Systems，2013，19（6）：1186－1193（in Chinese）．［敬石开，刘继红，胡旭洁．面向设计重用的设计理性模型变换方法［J］．计算机集成制造系统，2013，19（6）：1186－1193．］

［11］ QIN Feiwei，LI Luye，GAO Shuming．A survey of design rationale［J］．Journal of Computer－Aided Design and Computer Graphics，2012，24（10）：47－54（in Chinese）．［秦飞巍，李路野，高曙明．设计理性研究进展［J］．计算机辅助设计与图形学报，2012，24（10）：47－54．］

［12］ LIU Jihong，HU Xujie，JIANG Hao．Modeling the evolving design rationale to achieve a shared understanding［C］//Proceeding of the 16th IEEE International Conference on Computer Supported Cooperative Work in Design．Washington，D．C．，USA：IEEE，2012：308－314．

［13］ LIU Jihong，HU Xujie．A reuse oriented representation model for capturing and formalizing the evolving design rationale［］．Artificial Intelligence for Engineering Design，Analysis and Manufacturing，2013，27（4）：401－413．

［14］ LIU Jihong，ZHANG Minqing，HU Xujie．DMML：a design thinking process modeling language［C］//Proceeding of the 12th International Conference on Computer－Aided Design and Computer Graphics．Washington，D．C．，USA：IEEE，2011：44－48．

［15］ SANGUTHEVAR R．Efficient parallel hierarchical－clustering algorithms［J］．IEEE Transactions on Parallel and Distributed Systems，2005，16（6）：497－502．