Rete算法现状与挑战
RETE算法的改进与实现
技术创新中文核心期刊《微计算机信息》（管控一体化）２００６年第２２卷第１２－３期３６０元／年邮局订阅号：８２－９４６《现场总线技术应用２００例》软件时空ＲＥＴＥ算法的改进与实现ＴｈｅＩｍｐｒｏｖｅｍｅｎｔＡｎｄＩｍｐｌｅｍｅｎｔａｔｉｏｎｏｆＲＥＴＥＡｌｇｏｒｉｔｈｍ（解放军信息工程大学）闫丽萍潘正运ＹＡＮＬＩＰＩＮＧＰＡＮＺＨＥＮＧＹＵＮ摘要：本文详细描述了模式匹配算法—ＲＥＴＥ算法，深入分析了ＲＥＴＥ算法的性能，并对其进行了改进。
改进后，事实的删除过程利用了事实添加过程中的信息，使得删除过程中不需要联结测试操作与查找操作，大大提高了删除事实时的性能。
关键词：ＲＥＴＥ算法；模式匹配；业务规则中图分类号：ＴＰ３１１．５２文献标识码：ＡＡｂｓｔｒａｃｔ：ＴｈｉｓｐａｐｅｒｄｅｔａｉｌｓＲＥＴＥａｌｇｏｒｉｔｈｍ，ａｎａｌｙｚｅｓｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆＲＥＴＥａｌｇｏｒｉｔｈｍａｎｄｉｍｐｒｏｖｅｓｉｔ．Ｉｎｆｏｒｍａｔｉｏｎｏｆｆａｃｔａｄ－ｄｔｉｏｎｉｓｒｅｃｏｒｄｅｄａｎｄｉｓｕｔｌｉｚｅｄｉｎｆａｃｔｄｅｌｅｔｉｏｎ，ｗｈｉｃｈｉｍｐｒｏｖｅｓｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｆａｃｔｄｅｌｅｔｉｏｎ．ＫｅｙＷｏｒｄｓ：ＲＥＴＥＡｌｇｏｒｉｔｈｍ，ｐａｔｔｅｒｎｍａｔｃｈ，ｂｕｓｓｉｎｅｓｓｒｕｌｅ文章编号：１００８－０５７０（２００６）１２－３－０２９０－０３１引言当前，人们常用业务规则系统将业务逻辑本身和实现分离开来，以适应不断变化的业务需求。
而业务规则系统的核心之一就是业务规则引擎。
业务规则引擎将业务规则与当前系统所存在的事实进行匹配，当某个规则的条件满足时，就执行该规则的活动，从而实现业务逻辑。
业务规则引擎的匹配速度是影响系统运行速度的重要因素，Ｆｏｒｇｙ提出了快速模式匹配算法—ＲＥＴＥ算法，并在ＩＬＯＧ，ＪＥＳＳ等业务规则系统中实现。
但是ＲＥＴＥ算法存在以下不足：（１）事实的删除与事实的添加顺序相同，除了要执行与事实添加相同的计算外，还需要执行查找，开销很高；（２）ＲＥＴＥ算法使用了β存储区存储已计算的中间结果，以空间换取时间，从而加快系统的速度。
rete算法简单理解 -回复
rete算法简单理解-回复什么是rete算法？Rete算法是一种用于规则引擎的优化算法，用于高效地匹配和执行规则。
它最初由Charles Forgy于1974年提出，是一种基于网络结构的推理机制。
在传统的规则引擎中，规则是由一组条件和一组操作组成的。
当规则引擎需要执行时，它会遍历所有规则，并逐一检查条件是否满足。
这种方法在规则较少时是可行的，但当规则数量增加时，它会变得非常低效，因为每个规则都需要被逐个检查。
Rete算法解决了这个问题，通过创建一个规则网络来高效地匹配规则。
它的核心思想是将条件分解为一系列小的测试，然后将这些测试连接成一个网络。
这个网络的节点表示规则条件的测试，而连接线表示这些测试之间的关系。
为了更好地理解Rete算法的工作原理，让我们以一个简单的例子来说明。
假设我们有一个规则引擎，用于检测交通违规行为。
我们的规则包括以下条件和操作：条件1：车辆超速（速度大于80英里/小时）条件2：车辆逆行条件3：车辆闯红灯操作1：拍照取证操作2：发送警报现在，让我们看看如何使用Rete算法来匹配和执行这些规则。
首先，Rete算法会将规则分解为一系列小的测试。
在我们的例子中，条件1测试是速度大于80英里/小时的测试，条件2测试是车辆逆行的测试，条件3测试是车辆闯红灯的测试。
接下来，Rete算法会将这些测试连接成一个网络。
为了简化起见，我们只考虑两个条件之间的连接。
在我们的例子中，条件1和条件2之间有一个连接线，条件1和条件3之间也有一个连接线。
然后，Rete算法会将待匹配的实际情况传入这个网络进行匹配。
假设有一辆车速度为90英里/小时，而且车辆正在逆行。
在这种情况下，Rete 算法会通过条件1测试节点，发现速度满足条件。
然后，它会通过条件2测试节点，发现车辆逆行也满足条件。
最后，Rete算法会执行与匹配规则相关的操作。
在我们的例子中，它会执行拍照取证和发送警报的操作。
通过使用Rete算法，我们可以高效地匹配和执行规则，而不需要每次都遍历所有规则。
基于Retinex理论的图像增强算法研究
ｃｏｌｏｒ ｃｏｎｓｔａｎｃｙ，ｄｙｎａｍｉｃ ｒａｎｇｅ ｃｏｍｐｒｅｓｓｉｏｎ ａｎｄ ｃｏｌｏｒ ｒｅｎｄｉｔｉｏｎ．
Ｔｈｉｓ ｔｈｅｓｉｓ ｆｉｒｓｔ ｄｉｓｃｕｓｓｅｄ ｓｅｖｅｒａｌ ｂａｓｉｃ ｉｍａｇｅ ｅｎｈａｎｃ咖钮ｔ ｍｅｔｈｏｄｓ．ａｎｄ ａｎａｌｙｚｅｄ ｔｈｅ
ｓｈｏｒｔｃｏｍｉｎｇｓ ｏｆ ｔｈｅｍ．Ｔｈｅｎ ｔｈｅ ｇｌｏｂａｌ ａｎｄ ｌｏｃａｌ Ｒｅｔｉｎｅｘ ａｌｇｏｒｉｔｈｍｓ ｗｅｆｅ ｉｎｖｅｓｔｉｇａｔｅｄ ｉｎ
…………一２３ …………。２４
图３．６．５ 彩色ｇｉｒｌ全局Ｒｅｔｈｌｃｘ增强．
图４．１．１ Ｒｅｔｉｎｅｘ框架图…………………………………………
图４．４．１．１ 高斯分布……
图４．４．１．２ 口不同的高斯分布………………
图４．６．１．１ ｇｉｒｌ图像经典Ｒｅｔｉｎｅｘ增强结果图…………………。
……。３８
图４．６．１．６ ｙｅｎｏｗｓａｎｄ图像（全局＋局部）Ｒｅｔｉｎｅｘ增强结果图……………………４０
图４．６．１．７ 增强图像的亮度趋势图……………………………………．
．．４１
图４．６．１．８ 增强图像的对比度趋势图…………
……………………………．４２
Ｖ
drools rete算法
drools rete算法Drools RETE算法是一种基于规则匹配的算法，可用于实现基于条件和事件触发的复杂决策或业务逻辑。
此算法在Drools引擎中得以应用，是Drools引擎能够支持高效的规则匹配和处理的关键。
RETE算法的原理是将规则条件分解成节点，将条件与条件之间的关系和条件与事实之间的关系构建成一个可观察和可处理的树型网络。
当事实满足条件时，Drools会通过检索该树形网络来决定哪些规则是适用的，并执行适用的规则。
这种方法避免了冗余计算，同时将匹配规则的效率提升到了一个新的水平。
RETE算法的核心是节点。
每个节点代表规则中的条件，左边是输入边，右边是输出边。
当所有的输入边的条件都被满足时，这条边将会更新到输出边。
这样，当所有的条件被满足时，整个规则就会被触发。
RETE算法的优点在于处理速度快，能够支持高效的规则处理。
同时，该算法还有以下优点。
1. 灵活性高：RETE算法可以构建任何复杂的规则结构，由于规则是使用节点表示的，这使得规则的修改变得很容易。
2. 可扩展性好：当规则发生变化或者有新的规则需要添加时，在RETE网络中添加新的节点、删除无用节点或者重用现有节点，都可以在不影响其他规则的情况下进行。
3. 节约内存：RETE算法能够有效避免重复计算，节约内存和CPU的使用。
Drools RETE算法的使用场景非常广泛。
例如，在银行业务方面，Drools RETE算法可用于准确识别客户行为模式，以及发现和防范欺诈风险。
在医疗领域，该算法也可以用于精确的医疗诊断和治疗方案的制定。
总之，在如今数据海洋的背景下，Drools RETE算法已经成为企业决策管理和业务流程自动化的需求，同时也是出现时间比较久的一种基于规则引擎技术的算法，其在各个领域都有较高的应用价值，而且在未来的发展中仍有很大的潜力。
规则引擎的定义及体系结构
规规则引擎的定义及其体系结构摘要随着经济的迅速发展，市场的快速变化导致商业业务规则的变化也越来越快，因此对于企业的IT部门或者IT企业来说，这就要求设计出来的应用系统能够适应这种快速变化。
然而，软件的开发周期和维护周期长，这和适应快速变化的市场需求产生了矛盾。
规则引擎的出现很好的解决了这一矛盾。
有了规则引擎，我们可将以程序代码的形式固化在应用系统中的业务逻辑分离、抽象出来，被分离的业务逻辑以业务规则形式存储在规则库中，并通过规则引擎进行执行。
本文将介绍规则引擎的定义，并将以WebSphere ILOG JRules 规则引擎为例介绍其体系结构。
关键字规则引擎业务规则业务对象模型规则执行模型规则调用目录第1章绪论1.1 规则引擎的产生背景第2章规则引擎概述2.1 业务规则2.2 规则引擎2.2.1 什么是规则引擎2.2.2 使用规则引擎的优点2.3 规则引擎运行模式第3章规则引擎的架构和工作机制3.1 规则引擎的架构原理3.2 规则引擎的工作机制第4章总结第1章绪论1.1 规则引擎的产生背景随着信息技术在企业的广泛的应用，企业IT 部门所开发和维护的应用系统也越来越复杂，而现代企业要求响应快速及灵活，他们对企业软件也有同样的要求。
企业管理者对企业级IT系统的开发有着如下的要求：一、为提高效率，管理流程必须自动化，即使现代商业规则异常复杂。
二、市场要求业务规则经常变化，IT系统必须依据业务规则的变化快速、低成本的更新。
三、为了快速、低成本的更新，业务人员应能直接管理IT系统中的规则，不需要程序开发人员参与。
因此如何使应用系统能够更快的响应的企业业务的变化已成为企业IT 发展的重要挑战之一。
另外，项目开发人员会碰到了以下问题：一、程序=算法+数据结构，有些复杂的商业规则很难推导出算法和抽象出数据模型。
二、软件工程要求从需求—>设计—>编码，然而业务规则常常在需求阶段可能还没有明确，在设计和编码后还在变化，业务规则往往嵌在系统各处代码中。
规则引擎研究之Rete算法
规则引擎研究之Rete算法1rete概述Rete算法是一种前向规则快速匹配算法，其匹配速度与规则数目无关。
Rete是拉丁文，对应英文是net，也就是网络。
Rete算法通过形成一个rete网络进行模式匹配，利用基于规则的系统的两个特征，即时间冗余性（Temporal redundancy）和结构相似性（structural similarity），提高系统模式匹配效率。
2相关概念2.1事实（fact）事实：对象之间及对象属性之间的多元关系。
为简单起见，事实用一个三元组来表示：（identifier ^attribute value），例如如下事实：w1:(B1 ^ on B2) w6:(B2 ^color blue)w2:(B1 ^ on B3) w7:(B3 ^left-of B4)w3:(B1 ^ color red) w8:(B3 ^on table)w4:(B2 ^on table) w9:(B3 ^color red)w5:(B2 ^left-of B3)2.2规则（rule）由条件和结论构成的推理语句，当存在事实满足条件时，相应结论被激活。
一条规则的一般形式如下：(name-of-this-productionLHS /*one or more conditions*/-->RHS /*one or more actions*/)其中LHS为条件部分，RHS为结论部分。
下面为一条规则的例子：(find-stack-of-two-blocks-to-the-left-of-a-red-block(^on)(^left-of)(^color red)-->...RHS...)2.3模式（patten）模式：规则的IF部分，已知事实的泛化形式，未实例化的多元关系。
(^on)(^left-of)(^color red)3模式匹配的一般算法规则主要由两部分组成：条件和结论，条件部分也称为左端（记为LHS, left-hand side），结论部分也称为右端（记为RHS, right-hand side）。
rete算法简单理解
rete算法简单理解
Rete算法是一种前向规则快速匹配算法，其匹配速度与规则数目无关，事实只有在满足本节点时才会继续向下沿网络传递，它通过形成一个Rete网络进行模式匹配，利用时间冗余性（Temporalredundancy）和结构相似性（structural similarity）这两个特性来提高系统模式匹配效率。
Rete算法是利用规则之间各个域的公用部分达到减少规则存储的目的，同时保存匹配过程的临时结果以加快匹配速度。
Rete算法有两个特点使其优于传统的模式匹配算法：
状态保存。
事实库的每次变化，其匹配后的状态都被保存在alpha和beta节点中。
在下一次事实库发生变化时，绝大多数的结果都不需要变化，Rete算法通过保存操作过程中的状态，避免了大量的重复计算。
节点共享。
另一个特点就是不同规则之间含有相同的模式，从而可以共享同一个节点。
Rete算法
Rete匹配方法与传统匹配方法的对比
传统方法
Rete方法
例3
• 如果加一条规则： P1： LHS C1：（年级，研二） C2：（性别，男） C3：（身材，较瘦） --> RHS 谭尧升或韩启超
P2
四、结语
• Rete算法的核心思想就是:利用基于规则的系统所具有 的时间冗余性和结构相似性 ，保存过去匹配过程中的 全部信息，以空间换取时间。
3.Rete算法 算法
RETE 算法可以分为两部分：规则编译（ rule compilation ）和运行时执行 （ runtime execution ）。Rete算法的编译结果是规则集对应的Rete网络。 Rete网络是一个事实可以在其中流动的图。Rete网络的节点包括：根节点 （root）、类型节点（typenode）、alpha节点、beta节点等。
（1）建立 ）建立Rete网络 网络
Rete网络的编译算法如下： 1) 创建根； 2) 加入规则1； a. 取出模式1，检查模式中的参数类型，如果是新类型，则加入一个类型节 点； b. 检查模式1对应的Alpha节点是否已存在，如果存在则记录下节点位置， 如果没有则将模式1作为一个Alpha节点加入到网络中，同时根据Alpha节点 的模式建立Alpha内存表； c. 重复b直到所有的模式处理完毕； d. 组合Beta节点，按照如下方式： Beta(2)左输入节点为Alpha(1)，右输入节点为Alpha(2) Beta(i)左输入节点为Beta(i-1)，右输入节点为Alpha(i) ，i>2 并将两个父节点的内存表内联成为自己的内存表； e. 重复d直到所有的Beta节点处理完毕； f. 将动作（Then部分）封装成终节点作为Beta(n)的输出节点； 3) 重复2)直到所有规则处理完毕；
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｒ ｅ ｔ ｅ Ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ： Ｃ ｕ ｒ ｒ ｅ ｎ ｔ Ｉ ｓ ｓ ｕ ｅ ｓ ａ ｎ ｄ Ｆ ｕ ｔ ｕ ｒ ｅ Ｃ ｈ ａ ｌ ｌ ｅ ｎ ｅ ｇ ｇ
ＧＵ Ｘ ｉ ａ ｏ ｄ ｏ ｎ Ｙ ａ ｎ － ＧＡＯ ｇ ｇ
（ ， ， ） Ｓ ｔ ａ ｔ ｅ Ｋ ｅ Ｌ ａ ｂ ｏ ｒ ａ ｔ ｏ ｒ ｆ ｏ ｒ Ｎ ｏ ｖ ｅ ｌ Ｓ ｏ ｆ ｔ ｗ ａ ｒ ｅ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ Ｎ ａ ｎ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ Ｎ ａ ｎ ｉ ｎ ２ １ ０ ０ ９ ３， Ｃ ｈ ｉ ｎ ａ ｙ ｙ ｇ ｙ ｊ ｇ ｙ ｊ ｇ
１ 引言
随着系统逻辑的不断复杂以及环境的日渐开放和动态 变 化， 业务逻辑也由封装代码的形式逐渐转变为额外的业务规 早期的产 生 式 推 理 系 统 应 运 而 生 。 产 生 式 推 理 系 则的形式 ， 统是根据用户定 义 的 规 则 （ 产生式） 和当前系统获取的事实 （ ） 进行规则匹配并进行冲 突 消 解 ， 产生的推理结果供用 Ｆ ａ ｃ ｔ ｓ 一个产生 户或运行系统使用 的 一 种 推 理 机 制 。 如 图 １ 所 示 ， ， 式系统通常包括一组产 生 式 （ 规则） 每个产生式包括一组条 ） ） ， 件（ 和一组动作（ 当规则的所有条件都 Ｃ ｏ ｎ ｄ ｉ ｔ ｉ ｏ ｎ ｓ Ａ ｃ ｔ ｉ ｏ ｎ ｓ ） 规则的动作被加 入 到 议 程 （ 中 等 待 执 行。系 满足时 ， Ａ ｅ ｎ ｄ ａ ｇ 统包括 的 所 有 产 生 式 的 集 合 称 为 产 生 式 内 存 （ Ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｉ ｏ ｎ － ） ） 或规则库 （ 以及工作内存 （ Ｍ ｅ ｍ ｏ ｒ Ｒ ｕ ｌ ｅ Ｂ ａ ｓ ｅ Ｗ ｏ ｒ ｋ ｉ ｎ Ｍ ｅ ｍ－ ｙ ｇ ） 。 工作内存是一个 包 含 数 据 元 素 的 全 局 数 据 库 ， 每个数 ｏ ｒ ｙ ， 据元素 （ 称为 工 作 内 存 单 元 Ｗ 简称 ｏ ｒ ｋ ｉ ｎ Ｍ ｅ ｍ ｏ ｒ Ｅ ｌ ｅ ｍ ｅ ｎ ｔ ｇ ｙ 都可以被规则条件引用 ， 被规则动作创建 、 修改、 移除。 ＷＭＥ） 产生式内存是一种长期存储的表示如何执行一项任务的知 识 集合， 而工作内存一般包括任务实例执行时的临时信息或结
Байду номын сангаас
’ Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ｈ ｅ ｓ ｓ ｔ ｅ ｍ ｉ ｓ ｗ ｉ ｄ ｅ ｌ ｕ ｓ ｅ ｄ ｉ ｎ Ａ Ｉ ． Ｂ ｕ ｔ ｉ ｔ ｓ ｎ ｏ ｔ ｉ ｎ ｌ ａ ｒ ｅ ａ ｍ ｏ ｕ ｎ ｔ ｏ ｆ ｄ ａ ｔ ａ ｂ ｅ ｃ ａ ｕ ｓ ｅ ｏ ｆ ｉ ｔ ｓ ｂ ａ ｄ ｒ ｏ ｄ ｕ ｃ ｔ ｉ ｏ ｎ ｒ ａ ｃ ｔ ｉ ｃ ａ ｂ ｌ ｅ Ｔ ｙ ｙ ｇ ｐ ｐ ｍ ａ ｔ ｃ ｈ ｉ ｎ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ． Ｒ ｅ ｔ ｅ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ， ｗ ｈ ｉ ｃ ｈ ｓ ｅ ｅ ｄ ｓ ｕ ｔ ｈ ｅ ｍ ａ ｔ ｃ ｈ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ｂ ｓ ｈ ａ ｒ ｉ ｎ ｃ ｏ ｎ ｄ ｉ ｔ ｉ ｏ ｎ ｅ ｌ ｅ ｍ ｅ ｎ ｔ ｓ ａ ｎ ｄ ｒ ｅ ｓ ｅ ｒ ｖ ｉ ｎ ｇ ｙ ｇ ｐ ｐ ｙ ｙ ｇ ｇ ， ｔ ｅ ｍ ｏ ｒ ａ ｒ ｍ ａ ｔ ｃ ｈ ｉ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｈ ａ ｓ ｂ ｅ ｃ ｏ ｍ ｅ ｏ ｎ ｅ ｏ ｆ ｔ ｈ ｅ ｍ ｏ ｓ ｔ ｗ ｉ ｄ ｅ ｌ ｕ ｓ ｅ ｄ ｒ ｅ ａ ｓ ｏ ｎ ｉ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｓ ｆ ｏ ｒ ｒ ｏ ｄ ｕ ｃ ｔ ｉ ｏ ｎ ｓ ｓ ｔ ｅ ｍ ｓ ． Ｔ ｈ ｉ ｓ ｐ ｙ ｇ ｙ ｇ ｇ ｐ ｙ ， ａ ｅ ｒ ａ ｖ ｅ ｒ ｉ ｎ ｃ ｉ ｌ ｅ ｓ ｒ ｏ ｂ ｌ ｅ ｍ ｓ ｒ ｏ ｍ ｉ ｎ ｅ ｎ ｔ ａ ｓ ｕ ｒ ｖ ｅ ａ ｂ ｏ ｕ ｔ ｔ ｈ ｅ ｓ ｔ ａ ｔ ｅ ｏ ｆ ａ ｒ ｔ ａ ｎ ｄ ｆ ａ ｃ ｉ ｎ ｏ ｆ Ｒ ｅ ｔ ｅ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ． Ｍ ａ ｎ ｉ ｍ ｒ ｏ ｖ ｅ － ｐ ｐ ｇ ｐ ｐ ｐ ｐ ｙ ｇ ｇ ｙ ｐ ， ｍ ｅ ｎ ｔ ｓ ｏ ｆ Ｒ ｅ ｔ ｅ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ａ ｒ ｅ ｗ ｅ ｒ ｅ ａ ｎ ａ ｌ ｚ ｅ ｄ ａ ｎ ｄ ｃ ｏ ｍ ａ ｒ ｅ ｄ ． Ｆ ｉ ｎ ａ ｌ ｌ ｉ ｔ ｃ ｏ ｎ ｃ ｌ ｕ ｄ ｅ ｓ ｔ ｈ ｅ ｃ ｈ ａ ｌ ｌ ｅ ｎ ｅ ｓ ｔ ｈ ａ ｔ Ｒ ｅ ｔ ｅ ｆ ａ ｃ ｅ ｓ ａ ｎ ｄ ｔ ｈ ｅ ｄ ｉ － ｇ ｙ ｐ ｙ ｇ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｆ ｕ ｔ ｕ ｒ ｅ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ． Ｋ ｅ ｗ ｏ ｒ ｄ ｓ ｅ ｔ ｅ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ， Ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｉ ｏ ｎ ｒ ｅ ａ ｓ ｏ ｎ ｉ ｎ ｓ ｓ ｔ ｅ ｍ， Ｒ ｕ ｌ ｅ ｅ ｎ ｉ ｎ ｅ Ｒ ｇ ｇ ｙ ｇ ｙ 果 。 运行时系统根据当前工作内存的事实与规则集的规则 进 行匹配 ， 得到被激活的规则执行 ， 同时可能产生新的事 实 。 不 直到得到完整的推理过程与结果 。 断重复此过程 ，
摘 要 产生式规则推理 系 统因其可理解性 、 易增删 、 易修 改 等 特 点 而 被 广 泛 用 于 各 种 智 能 领 域 ， 但其规则匹配效率 不 适合 大规 模 推理 。Ｒ 使其成为 极其低 下 ， ｅ ｔ ｅ算 法 通过 规 则 条 件 共 享 和 保 存 临 时 匹 配 结 果 大 大 加 速 了 产 生 式 推 理 ， 效 率最高 的 产生式推理 算 法之一 。 但随着数据规 模的 日益 增 大 、 业务信息的频繁变更以及不完整数据和模糊逻辑的 广泛出 现 ， 对Ｒ 研究现状与面临的 问 题 进 行 综 述， Ｒ ｅ ｔ ｅ算 法 也 面临 前 所未 有的挑战 。 基 于 这些背 景 ， ｅ ｔ ｅ算 法 的 原 理 、 指出 了 Ｒ 并 对 其 进行分析 和 比 较 ， 最 后总 结了 该 算 法 面 临 的 挑 战 ， 指 ｅ ｔ ｅ算 法 的 常 用 改 进 方法 。 介绍常见 的 改 进 方法 ， 出 了 未 来的研究 方 向 。 关键词 Ｒ 产生式推理 系 统 ， 规则 引擎 ｅ ｔ ｅ算 法 ， 中图法分类号 Ｔ Ｐ １ ８ ２ 文献标识码 Ａ
第３ ９卷 第１ １期 ２ ０ １ ２年１ １月
计 算 机 科 学 Ｃ ｏ ｍ ｕ ｔ ｅ ｒ ｃ ｉ ｅ ｎ ｃ ｅ Ｓ ｐ
Ｖ ｏ ｌ ． ３ ９Ｎ ｏ ． １ １ Ｎ ｏ ｖ ２ ０ １ ２
研究现状与挑战 Ｒ ｅ ｔ ｅ算法 ：
顾小东 高 阳 （ ） 南京大学计算机软件新技术国家重点实验室 南京 ２ １ ０ ０ ９ ３