专家系统研究现状与展望_杨兴
继电保护专家系统的研究与开发
继电保护专家系统的研究与开发杨(成都电业局四J[摘要】对继电保护专家系统的研究与开发进行简要的介绍和分析．【关键词】继电保护专家系统E SO D PR中圈分类号：T B4文献标识码：A文章编号：1071-7597(2∞8)1210035'-01一、专纛系统的友■专家系统就是对传统人工智能问题中智能程序设计的一个非常成功的近似解决方法。
专家系统的先驱斯坦福大学的E dw ar d Fei genba um教授把专家系统定义为。
一种智能的计算机程序，它运用知识和推理过程来解决只有专家才能解决的复杂问题”。
专家系统的理论基础涉及诸多学科，其中一个主要的理论基础是认知科学．认知科学研究人类如何认知、处理信息，如何解决问题。
在20世纪50年代后期至60年代，开发人员编写了大量的以通用问题求解为目标的程序，其中晟著名的是通用问题求解器(G ener al P r ob l em Sol ve r)。
N e w el l和Si m on证明的最重要结果之一是大部分问题的求解或认知可以用I F……T H EN类型的产生式规则表达，并将人类问题求解模型归纳为：长期记忆(规则)、短期记忆(工作内存)、认知处理器(推理机)，这三者是现代基于规则的专家系统的基础。
20世纪60年代中期，人工智能的主要目标是依赖少量知识和功能强大的推理方法来实现智能系统．开发人员希望利用通用问题求解器解决大量的问题，而非针对某一特定领域。
直到20世纪70年代，人们才意识到领域知识才是建造具有人类专家水平的问题求解器的关键。
虽然推理方法很重要，但研究表明．专家并不是首先依赖推理来求解问题的。
事实上，推理只是起到辅助的作用，人类专家主要依赖他们多年所积累的大量启发式知识和经验。
只有当专家不能用他们的专家知识去求解问题时，他们才去推理。
早期的基于推理开发问题求解器的尝试表明，完全依赖推理是行不通的。
人们在确定领域知识是构建现实问题求解器的关键之后，基于知识的专家系统随即获得了成功。
液流电池模拟仿真研究现状与展望
液流电池模拟仿真研究现状与展望液流电池作为一种典型长时储能电池，是可再生能源为主体的新型电力系统的重要组成部分。
液流电池技术的不断发展对工程化电堆开发和系统设计提出了更高要求，相比于传统实验测试方法周期长成本高的特点，模拟仿真技术高效而便捷，近年来在液流电池高功率电堆和大容量储能系统设计方面起到了重要作用。
本文将基于现有研究工作，重点围绕液流电池基础科学问题的模拟仿真、电堆数值模拟与动态仿真、储能系统模拟仿真与设计三个方面，对液流电池模拟仿真研究现状进行综述和分析，最后对未来液流电池模拟仿真技术的进一步发展提出了展望。
能源是人类社会赖以生存和发展的基石，工业革命以来大量化石能源的不断消耗，导致了二氧化碳的过量排放，逐步引发温室效应和世界气候的急剧变化，引发世界各国的关注。
2016年175个国家联合签署了《巴黎协定》，旨在控制温室气体排放，是对2020年后全球应对气候变化的行动作出的统一安排。
2020年，我国明确提出了2030年“碳达峰”与2060年“碳中和”的目标，而发展可再生能源和储能技术被认为是实现这一目标的重要途径之一。
以风能、太阳能为代表的可再生能源是绿色低碳能源，是我国电力系统发电侧的重要组成部分，对实现双碳目标和可持续发展具有重要作用。
然而，可再生能源的不连续性和随机性的特点，决定了其并网发电时需要匹配大规模储能，以实现安全高效的可再生能源消纳使用。
在众多大规模储能技术中，液流电池储能技术以其高安全性、长寿命、容量和功率可相互独立设计等特性，非常适用于电力系统储能应用。
液流电池技术的提出最早可追溯到20世纪70年代，NASA首次提出了以铁铬为正负极活性物质的铁铬液流电池体系，然而铁铬液流电池存在交叉污染、铬负极动力学差、易发生析氢副反应等问题，制约了其进一步发展。
针对铁铬液流电池的不足，80年代澳大利亚新南威尔士大学的Skyllas-Kazacos教授提出了以钒为正负极活性物质、硫酸为支持电解液的全钒液流电池体系。
人工智能专家系统
1 专家系统概述
1.1 专家系统的产生与发展
4. 需要进一步研究并加以解决的问题
知识的自动获取方法、深层知识的表示和利用方法、分布式 知识的处理方法以及知识的完备性等问题都是要继续探讨和研 究的。
1 专家系统概述
1.2 专家系统的定义
到目前为止，有关专家系统还没有一个严格公认的形式化定义。但 人们普遍认为，专家系统是一种具有大量专门知识与经验的智能程序 系统，它能运用某个领域一个或多个专家多年积累的经验和专门知识， 模拟领域专家求解问题时的思维过程，以解决该领域中的各种复杂问 题。也就是说，专家系统具有三个方面的含义： 它是一种具有智能的程序系统。能运用专家知识和经验进行推理的 启发式程序系统。 它必须包含有大量专家水平的领域知识，并能在运行过程中不断地 对这些知识进行更新。 它能应用人工智能技术模拟人类专家求解问题的推理过程，解决那 些本来应该由领域专家才能解决的复杂问题。
1 专家系统概述
1.1 专家系统的产生与发展 1976年，专家系统MYCIN由美国斯坦福大学的E.H.Shortliffe开发 成功，其主要设计目的是为细菌感染疾病提供抗菌剂治疗建议 。 MYCIN还首次使用了目前专家系统中常用的知识库的概念，并在不确 定性的表示和处理中采用了可信度的方法。 1976 年 ， 美 国 斯 坦 福 大 学 国 际 研 究 所 人 工 智 能 研 究 中 心 的 R.O.Duda等人研制成功一个探矿专家系统ROSPECTOR，该系统把矿 床模型按计算机能解释的形式编码，随后利用这些模型进行推理，达 到勘探评价、区域资源估值、钻井井位选择的目的。 进入20世纪80年代以后，专家系统的研发开始趋于商品化。
1 专家系统概述
1.1 专家系统的产生与发展 1.产生与发展过程 1968 年世界上的第一个专家系统 DENDRAL 在美国的斯坦福 大学研发成功。DENDRAL是世界上第一例成功的专家系统，它的 出现标志着人工智能的一个新领域——专家系统的诞生。 20世纪60年代末，美国麻省理工学院开始研究用于解决复杂 微积分运算和数学推导的专家系统MACSYMA。卡内基—梅隆大学 在同一时期也开发了一个用于语音识别的专家系统 HEARSAY ，并 相继研发成功HEARSAY—II和HEARSAY—III。 1974年，匹兹堡大学研制成功内科病诊断咨询系统 INTERNIST， 并在以后对其不断完善，使之发展成专家系统CADUCEUS。
多智能体控制系统研究现状与发展趋势分析
多智能体控制系统研究现状与发展趋势分析在当今社会，人工智能技术不断地得到发展和应用，多智能体控制系统作为人工智能技术的一部分，也日益受到关注。
本文将针对多智能体控制系统的研究现状以及未来发展趋势进行分析。
一、多智能体控制系统的定义和应用多智能体控制系统是指由多个智能体组成的系统，通过相互协调和合作完成特定任务。
多智能体控制系统可以被广泛应用于诸如智能交通、机器人协作、电力系统、医疗保健等领域。
例如，在智能交通领域，多智能体控制系统可以用于交通信号灯的控制，智能交通流量调控以及交通设施的智能化。
二、多智能体控制系统的现状1.技术框架目前，多智能体控制系统的技术框架大致可以分为集中式和分布式两种。
集中式多智能体控制系统在传输数据时，需要将数据传输到集中的管理节点，这种系统的架构较为简单，但是由于数据流量过大，需要更高的硬件配置。
分布式多智能体控制系统，采用多个节点进行分布式计算，并且在任务执行时能够自动监测和协调，因此这种系统更加灵活和鲁棒。
2.算法优化多智能体控制系统中的算法优化是一个非常重要的问题。
基于多智能体控制系统的性能评价和优化问题，现有研究主要关注以下问题:1）多智能体间的协作与通信：如何保证智能体之间的协作，以及如何保证通信的安全和稳定。
2）多智能体的动态控制：如何提出一种能够响应环境变化和任务变化的控制方法。
3）多智能体的自组织和集体行为：如何实现一个可以自主学习和适应环境的系统。
三、多智能体控制系统的未来发展趋势1.机器学习与多智能体控制系统机器学习作为一种非常有前途的技术，可以与多智能体控制系统相结合。
这种结合可以使得多智能体控制系统能够更好地完成任务，并且可以适应其所面对的各种环境。
例如，在智能交通领域，机器学习可以用来预测路况、优化路线，从而提高智能交通系统的效率。
2.智能化与人工智能多智能体控制系统的发展趋势还包括智能化和人工智能。
智能化和人工智能可以提高多智能体控制系统的智能化水平，使得在不断变化的环境中能够做出适应性的决策。
船舶压载水处理系统技术研发现状及展望
强国—— 日 本和韩 国， 其次是美 国，作为造船大国向
造船强 国转 变 的中 国 ，其 拥有 的专 利量位 居第 四位 。 比较早 开始 该领 域 的技 术研 发 ，尤 其是 日本在 ２０— ｏ３ 年来 的专利 拥有 量增 幅 明显 ，在 ２０和２ ０年均 赶超 ０８ ０ ９ 日本 ，这 与韩 国造船技术 综合 实力 一度超 过 日本 成为 世界第 一造 船大 国是分 不开 的 。中 国 自２０年起 专利 ０１
５ ２
结合图３ 分析可知 ，日本 、美国和德国与其他 国家相 请量排名前ｌ位的公司 （ ０ 科研 院所 ）。由图４ 可知 日 ２０年期 间研发投人较高；韩国起步相对较晚 ， ０７ 但近 说明两者综合技术和研发实力相对较强。中国大连海 事大学跻身该列，与我国作为六个压载水风险评估示
范 国家之 一 的活动 主要 在 大连进行 有关 。大连 海事 大
、
有关专利 的基本概 念
１６年 ，每周 增 加约 ２ ０ 件 专利 ），利 用 “ａｌｓ ３ ９ ５０ ０ ｂｌ ｔ ａ ｗ ｔ ”主题 词 ，结 合ＩＣ ａｅ ｒ Ｐ 分类 号 ，查 找到截 至 ２ １年 ０２
１ 专利 优 先权 ．
专利优 先权 是指 专利 申请人 就其 发 明创 造第 一次 在某 国提 出专利 申请后 ，在 法定期 限 内，又 就相 同主
总 吨位 占世 界商船 总吨位 的２ ． ％。与Ｂ ６６ ４ ＷＭ公约 “ 占
国际专 利分类 法是 根据专 利 申请 涉及 的技术 方案 所 属 的领 域来 确定 的 ，可以利用 分类 号从宏 观上 确定 专 利 申请 的 内容 ，大 致反 映专 利涉 及 的技术 范 围。
需 要说 明 的是 ，由于从专 利提 出 申请 到专利公 开
【论文】专家系统概述及其应用人工智能毕业论文
【关键字】论文专家系统概述及其应用摘要: 人工智能(Artificial Intelligence) ，英文缩写为AI。
它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
专家系统是人工智能应用研究的主要领域。
专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
本文中介绍了人工智能的概念，分类，特点以及人工智能的研究的发展及其现状。
由此引出专家系统的基本概念及主要特点。
最后，通过查阅各种资料以及自己的理解分析，对专家系统的主要应用做具体分析。
阐述了将计算机人工智能的专家系统理念与全厚度再生机材料配置与设备自动控制系统相结合的思想，同时，具体分析了构建全厚度再生机材料配置与设备自动控制专家系统可供利用的计算机应用技术，并初步建立了该系统的模块体系。
关键词：人工智能，专家系统，全厚度再生机材料配置与设备自动控制系统Expert system outline and applicationAbstract: The artificial intelligence (Artificial Intelligence), English abbreviation is AI. It is the research, the development uses in simulating, extending and expands human's intelligence theory, the method, technical and an application system new technical science. The artificial intelligence is a computer science branch, it attempts the understanding intelligence the essence, the parallel intergrowth delivers one kind newly to be able to make the response by the human intelligence similar way the intelligent machine, this domain research including robot, language recognition, pattern recognition, natural language processing and expert system and so on.In this article introduced the artificial intelligence concept, the classification, thecharacteristic as well as the artificial intelligence research development and the present situation.From this draws out the expert system the basic concept and the main characteristic. Finally, through consults each kind of material as well as own understanding analysis, makes the concrete elaboration to the expert system main application. Introduced unifies the computer artificial intelligence expert system idea and the Auto-Control system plan, simultaneously, analyzed the construction to Auto-Control system specifically to be possible to supply the use the computerapplication technology, and established initially module of this expert system.Key word: Artificial intelligence, Expert system, Auto-Control Expert System目录1 引言1.1 人工智能人工智能(Artificial Intelligence) ，英文缩写为AI。
人工智能系统之专家系统
天津财经大学TIANJIN UNIVERSITY OF FINANCIALAND ECONOMY论文题目人工智能系统之专家系统学生姓名秦健应学生学号201011148所在班级计算机学科学与技术1002班院系名称理工学院信息科学与技术系总论人工智能又称机器智能，是计算机科学中的一门边缘科学。
专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。
专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。
起源与发展20世纪60年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程序，它们可以证明定理和进行逻辑推理。
但是这些通用方法无法解决大的实际问题，很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大的搜索空间也难于处理。
1965年，f.a.费根鲍姆等人在总结通用问题求解系统的成功与败经验的基础上，结合化学领域的专门知识，研制了世界上第一个专家系统dendral ，用其可以推断化学分子的结构。
20多年来，知识工程的研究，专家系统的理论和技术不断发展，应用渗透到几乎各个领域，开发了几千个的专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。
专家系统的发展已经历了3个阶段，正向第四代过渡和发展。
第一代专家系统（dendral、macsyma等）以高度专业化、求解专门问题的能力强为特点。
但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。
第二代专家系统（mycin、casnet、prospector、hearsay等）属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。
专家系统在煤炭开采技术中的应用与展望
设计 了矿 井 顶 板 水 害 预 测 与 防 治 专 家 系统 ，结 合 模糊 理论 完 成 了综 合 模 糊 评 判 决 策 系统［ １ 。中 国
发展带 来崭 新 的局面 。
专家 系统 的 出 现 和 发 展 ，是 科 学 进 步 的 产 物 ，也 与 以下 经 济 及 社 会 等 因 素 有 关 ：① 生 产 力 发 展 的 需要 。随着 科 技 的 煤 矿 高效 、安 全 开 采 ，以 满 足 社 会 经济 发 展 的 需 求 。② 建 立 节 约 型 社 会 的需 要 。 目前 ，我 们 提 倡 建 立 环 保 、节 约 型 和 谐 社 会 ，利
产方 案 的 提 出 ，要 合 理 、快 速 、及 时 准 确 地 为 井
第 ４期
栾 利建 等 ：专 家 系 统 在 煤 炭 开 采 技 术 中的 应 用 与 展 望
７ ９
下生产 提供 技 术 支 持 ，提 高 生 产 效 率 ，创 造 更 大
的经济 效益 。
２ 矿 山 专 家 系 统 在 国 内外 的 发 展 及 应 用 专 家 系 统 在 采 矿 方 面 的 应 用 较 早 ，这 些 包 括
ＬＵＡＮ —ｉｎ， Ｍ Ａ ｎｍｉ ， ＹＵＥ Ｚ ｏ ｇ ｗｅ Ｌｉ ａ ｊ Ｘｉ－ ｎ ｈ ｎ— ｎ
（ ｃ ｏ ｌ ｆＭｅｈ ｎｃ Ｓ ｈ ｏ ｃ ａ ｉｓ＆ Ｃｉｉ Ｅｎ ｉｅ ｒ ｇ ｈ ｎ ｉｅｓｔ ｆＭｉｉｇ ａ ｄＴｅ ｈ ｏｏ ｙ （ ｉｎ ） ｏ ｖｌ ｇｎ ｅｉ ，Ｃ ｉａＵｎｖ ｒ ｉ ｏ ｎｎ ｎ ｃ ｎ ｌｇ Ｂｅ ｉｇ ， ｎ ｙ ｊ
～一一 一～～
增大 ，从而 使得 煤 矿开 采 生 产 遇到 很 多 现实 问题 。 近年 来 ，随着 计 算 机 技 术 和 人 工 智 能 领 域 的快 速 发展 ，专家 系 统 在 煤 矿 开 采 方 面 的应 用 ，提 高 了 煤矿 开采 的 安 全 性 、高效 性 ，给 煤 矿 开 采 技 术 的
我国水土保持专家系统的研究现状和发展趋势
关 键 词 ： 家 系 统 ； 地 理 信 息 系 统 ； 决 策 支 持 系 统 ； 数 据 库 ； 水 土 保 持 专
中图分 类号 ：１６Ｓ ５ Ｓ ２ ；１７ 文献标 识 码 ： Ａ 文 章 编 号 ：０ ９２ ４ （０ ２ ０ — ０ ８０ １０ － ２ ２ ２ ０ ） ３０ ６ — ４
维普资讯
第 ｌ 第 ３期 ６卷
２０ ０ ２年 ９月
水 土 保 持 学 报
Ｊ ｕ ｎ ｌｏ ｏｌａ ｄ Ｗ ａ ｅ ｎ ｅ ｖ ｔｏ ｏ ｒ ａ ｆＳ ｉ ｎ ｔ ｒＣｏ ｓ ｒ ａｉｎ
Ｖ ０ ．１６ Ｎ Ｏ．３ １ Ｓｅ ｐ．， ００２ ２
我 国 水 土 保 持 专 家 系统 的 研 究 现 状 和 发 展 趋 势
饶 良 懿 ，余 新 晓 ，谢 宝 元 ，陈 丽 华 ，侯 旭 峰 。 ，吴 敬 东 。
（ ． 京 林 业 大 学 水 土 保 持 与 荒 漠 化 防 治 教 育 部 重 点 实 验 室 ，北 京 １ ０ ８ ； ． 京 市 水 利 科 学 研 究 所 ，北 京 １ ０ ４ ） １北 ０ ０３ ２北 ０ ０ ４
摘 要 ：对 目前 我 国 水 土 保 持 专 家 系 统 的 研 究 和 应 用 现 状 作 了 较 为 详 细 的 综 述 ， 出 当 前 研 究 中存 在 的 一 些 问 题 ， 指 并 在 分 析 了专 家 系 统 与 地 理 信 息 系 统 、 策 支 持 系 统 等 现 代 科 学 技 术 之 间 关 系 的 基 础 上 ， 出 以 智 能 专 家 系 统 技 决 指 术 为 核 心 ， 地 理 信 息 系 统 技 术 、 策 支 持 系 统 、 据 库 技 术 和 其 它 技 术 等 组 成 的 技 术 体 系 是 未 来 我 国 水 土 保 持 由 决 数
灰色系统理论应用研究的现状及展望
（，１ １ ）预测模型于 桩基工程研 究，根据某工
滔 灰系 美 ， 模 薹 盒雪薯 篓 色 ・ 度 测 篙 兰 统联预 型
色 系统 ，是指既有 已知信息 又含未 知信息的 系 １ 分析 、推断结 构的状 态。由于影响 结构振动响 统 ，是研 究分析 、建模、预测 、决策和控制 的 应的因素众多 ， 各因素之间以及各因素与振动参
部分确知、部分未知的为灰色系统， 灰色系统 色系统问题”， 可运用灰色系统理论来 研究。基 Ｉ
指相对于一定 的认识层次 ，关于 系统 内部的信 本 思想 为拟以完好 结构的 动态响应序列 为原始 息部分 已知 、部分 未知 ，既 信息不完全 。系统 序列 ， 以实测现有结构的动态响应序列为比较序 内部的信息是指关 于系统 因素 的信息 、关于 系 列 ， 通过计 算两 者之 间的 关联度 来分 析诊断 现 统 结构的信息和关 于系统作 用原理的信 息。 目 有结构 的损伤程 度。邓 氏灰关联度计算 仅为一
Ｅ 管 育 理
灰色系统理论应用研究的 现状及展望
周 珩 广西粮食设计 院
基 极限承载 力是 可行的 ，且 具有较高的 预测精
度 ，从而 使过去的大量荷载结 果得以利用 。（） ２
对于 强夯地基平 板载荷试验 当加 载到未 出现按
相 对变形控制法 确定所需 的沉降时 ，可 以用灰
性建立的一套全 的概念和方法。其研究 目 新 的在 行动 态预测 ．将 会使灰色 系统理论模 型达到更 后取两者小值作为特征值 。 于根据已知信息建立 数学模型 ，从 而预测系统的 佳的预测效果。 杜 悔 金 、张凯 、杨艳秋 应 用灰理 论的 Ｇ Ｍ
载 力特征值时 ，也可以用 灰色系统理论进 行预
砖 玉作 展 希 对 色论 研 起 抛 分 引蒌 用 ， 望 灰 理 的 究 到 联 的
- 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)。
收稿日期:2006-04-29;修返日期:2006-06-25 基金项目:江苏省自然科学基金资助项目(BK2004021);总装备部国防预研基金资助项目(413170203);教育部科学技术研究重点资助项目(105088)作者简介:杨兴(1981-),男,江苏镇江人,硕士研究生,主要研究方向为专家系统、人工神经网络等;朱大奇(1964-),男,安徽安庆人,教授,博士,主要研究方向为智能故障诊断与容错控制、人工神经网络及应用等(zdq367@yahoo.com.cn);桑庆兵(1973-),男,安徽明光人,讲师,主要研究方向为人工神经网络、软件开发方法学.
专家系统研究现状与展望＊杨 兴1,朱大奇1,桑庆兵2(1.江南大学控制科学与工程研究中心,江苏无锡214122;2.江南大学信息工程学院,江苏无锡214122)
摘 要:回顾了专家系统发展的历史和现状。对目前比较成熟的专家系统模型进行分析,指出各自的特点和局限性。最后对专家系统的热点进行展望并介绍了新型专家系统。关键词:专家系统;知识获取;数据挖掘;多代理系统;人工神经网络中图分类号:TP391.7 文献标志码:A 文章编号:1001-3695(2007)05-0004-06
ResearchandProspectofExpertSystemYANGXing1,ZHUDa-qi1,SANGQing-bing2(1.ResearchCentreofControlScience＆Engineering,SouthernYangtzeUniversity,WuxiJiangsu214122,China;2.SchoolofInformationEngineering,SouthernYangtzeUniversity,WuxiJiangsu214122,China)
Abstract:Thehistoryandrecentresearchofexpertsystemwasreviewed.Severalwell-researchedexpertsystemmodelswereintroducedrespectively,andtheirfeaturesandlimitationswereanalyzed.Finally,thehotspotofexpertsystemwasoverlookedandfutureresearchdirectionofexpertsystemwasdiscussed.Keywords:expertsystem;knowledgeacquisition;datamining;multi-agentsystem;artificialneuralnetwork
近三十年来人工智能(ArtificialIntelligence,AI)获得了迅速的发展,在很多学科领域都获得了广泛应用,并取得了丰硕成果。作为人工智能一个重要分支的专家系统(ExpertSys-tem,ES)[1]是在20世纪60年代初期产生并发展起来的一门新兴的应用科学,而且正随着计算机技术的不断发展而日臻完善和成熟。1982年美国斯坦福大学教授费根鲍姆给出了专家系统的定义:“专家系统是一种智能的计算机程序。这种程序使用知识与推理过程,求解那些需要杰出人物的专门知识才能求解的复杂问题。”一般认为,专家系统就是应用于某一专门领域,由知识工程师通过知识获取手段,将领域专家解决特定领域的知识,采用某种知识表示方法编辑或自动生成某种特定表示形式存放在知识库中;然后用户通过人机接口输入信息、数据或命令,运用推理机构控制知识库及整个系统,能像专家一样解决困难的和复杂的实际问题的计算机(软件)系统。专家系统有三个特点:①启发性,能运用专家的知识和经验进行推理和判断;②透明性,能解决本身的推理过程,回答用户提出的问题;③灵活性,能不断地增长知识,修改原有知识。1 专家系统的产生与发展专家系统按其发展过程大致可分为三个阶段[2～4],即初创期(1971年前)、成熟期(1972—1977年)和发展期(1978年至今)。1.1 初创期人工智能早期工作都是学术性的,其程序都是用来开发游戏的。尽管这些努力产生了如国际象棋、跳棋等有趣的游戏[5],但其真实目的在于在计算机编码中加入人的推理能力,
以达到更好的理解。在此阶段的另一个重要领域是计算逻辑。1957年诞生了第一个自动定理证明程序,称为逻辑理论家。20世纪60年代初,人工智能研究者便集中精力开发通用的方法和技术,通过研究一般的方法来改变知识的表示和搜索,并且使用它们来建立专用程序。到了20世纪60年代中期,知识在智能行为中的地位受到了研究者的重视,这就为以专门知识为核心求解具体问题的基于知识的专家系统的产生奠定了思想基础。1965年在美国国家航空航天局要求下,斯坦福大学成功研制了DENRAL系统[6]。DENRAL的初创工作引导人工智能
研究者意识到智能行为不仅依赖于推理方法,更依赖于其推理所用的知识。该系统具有非常丰富的化学知识,可根据质谱数据帮助化学家推断分子结构,被广泛应用于世界各地的大学及工业界的化学实验室。这个系统的完成标志着专家系统的诞生。在此之后,麻省理工学院开始研制MACSYMA系统[2]。
它作为数学家的助手使用启发式方法变换代数表达式,现经过不断扩充,能求解600多种数学问题。其中包括微积分、矩阵运算、解方程和解方程组等。同期,还有美国卡内基-梅隆大学开发的用于语音识别的专家系统HEARSAY[7]。该系统表明
计算机在理论上可按编制的程序与用户进行交谈。20世纪70年代初,匹兹堡大学的鲍波尔和内科医生合作研制了第一个用于医疗的内科病诊断咨询系统INTERNIST[8]。这些系统的研
制成功使得专家系统受到学术界及工程领域的广泛关注。
第24卷第5期2007年5月计算机应用研究
ApplicationResearchofComputersVol.24,No.5May20071.2 成熟期到20世纪70年代中期,专家系统已逐步成熟起来,其观点逐渐被人们接受,并先后出现了一批卓有成效的专家系统。其中,最具代表性的是肖特立夫等人的MYCIN系统[9]。该系统用于诊断和治疗血液感染及脑炎感染,可给出处方建议(提供抗菌剂治疗建议),不但具有很高的性能,而且具有解释功能和知识获取功能。MYCIN系统是专家系统的经典之作,它的知识表示系统用带有置信度的IF-THEN规则来表示,并使用不确定性推理方法进行推理。MYCIN由LISP语言写成,所有的规则都写成LISP表达式。它是一个面向目标求解的系统,使用反向推理方法,并利用了很多启发式信息。另一个非常成功的专家系统是PROSPCTOR系统[10]。它
用于辅助地质学家探测矿藏,是第一个取得明显经济效益的专家系统。PROSPCTOR的性能据称完全可以与地质学家相比拟。它在知识的组织上,运用了规则与语义网相结合的混合表示方式,在数据不确定和不完全的情况下,推理过程运用了一种似然推理技术。除了这些成功实例外,在这一时期另外两个影响较大的专家系统是斯坦福大学研制的AM系统和PUFF系统[8]。AM是一个用机器模拟人类归纳推理、抽象概念的专
家系统。而PUFF是一个肺功能测试专家系统,经对多个实例进行验证,成功率达93%。诸多专家系统的成功开发,标志着专家系统逐渐走向成熟。1.3 发展期20世纪80年代初,医疗专家系统占了主流,主要原因是它属于诊断类型系统且开发比较容易。但是到了20世纪80年代中期,专家系统发展在应用上最明显的特点是出现了大量的投入商业化运行的系统,并为各行业产生了显著的经济效益。其中一个著名的例子是DEC公司与卡内基-梅隆大学合作开发的XCON-R1专家系统[2]。它用于辅助数据设备公司
(DEC)计算机系统的配置设计,每年为DEC公司节省数百万美元。专家系统的应用日益广泛,处理问题的难度和复杂度不断增大,导致了传统的专家系统无法满足较为复杂的情况,迫切需要新的方法和技术支持。从20世纪80年代后期开始,一方面随着面向对象、神经网络和模糊技术等新技术的迅速崛起,为专家系统注入了新的活力;另一方面计算机的运用也越来越普及,而且对智能化的要求也越来越高。由于这些技术发展的成熟,并成功运用到专家系统之中,使得专家系统得到更广泛的运用。在这期间开发的专家系统按其处理问题的类型可以分为解释型、预测型、诊断型、设计型、规划型、监视型、调试型、修正型、教学型和控制型[11]。其应用领域也涉及到农业、商业、化学、通信、计算机系统、医学等多个方面,并已成为人们常用的解决问题的手段之一。
2 专家系统的研究现状目前已研究的专家系统模型有很多种。其中较为流行的有基于规则的专家系统、基于案例的专家系统、基于框架的专家系统、基于模糊逻辑的专家系统、基于D-S证据理论的专家系统、基于人工神经网络的专家系统和基于遗传算法的专家系统等。
2.1 基于规则的专家系统基于规则推理(RuleBasedReasoning,RBR)的方法是根据
以往专家诊断的经验,将其归纳成规则,通过启发式经验知识进行推理。它具有明确的前提,得到确定的结果。RBR是构建专家系统最常用的方法,这主要归功于大量的成功实例和工具的出现。早期的专家系统大多数是用规则推理的方法,如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR专家系统等。在转换为机器语言时,用产生式的IF…AND(OR)…THEN…表示。因此这种系统又称为产生式专家系统。基于规则的方法容易使知识工程师与人类专家合作,易于被人类专家理解。规则库中的规则具有相同的结构,即IF…THEN…结构,这种统一的格式便于管理,同时便于推理机的设计。但它也有诸多缺点,如规则间的相互关系不明显,知识的整体形象难以把握、处理效率低、推理缺乏灵活性[12,13];对于
复杂系统难以用结构化数据来表达,如果全部用规则的形式来表达,不仅提炼规则相当困难,而且规则库将十分庞大和复杂,容易产生组合爆炸;在实时处理方面的应用也已被证明比较困难。速度是实时性能最根本的要求,而产生式系统在处理实时任务时,其搜索、匹配时间要占全部计算时间的90%。基于规则的专家系统的特点决定适合的领域为:①系统结构简单,有明确的前提和结论,问题仅仅用有限的规则即可全部包含;②问题领域不存在简洁统一的理论,知识是经验的;③问题的求解可视为一系列相对独立的操作,或从一个状态向另一个状态的转换;一个操作或转换可以被有效地表示为一条或多条产生式语句。
2.2 基于案例的专家系统基于案例推理(CaseBasedReasoning,CBR)的方法就是通过搜索曾经成功解决过的类似问题,比较新、旧问题之间的特征、发生背景等差异,重新使用或参考以前的知识和信息,达到最终解决新问题的方法。它起源于1982年美国学者RogerSchank(关于人类学习和回忆的动态存储模型的研究工作)。第一个真正意义上的基于案例的专家系统是1983年由耶鲁大学JanetKolodner教授领导开发的CYRUS系统。它以Schank的动态存储模型和问题求解的MOP(MemoryOrganizedPac-ket)理论为基础,做与旅行相关的咨询工作。这种类比推理比较符合人类的认知心理。基于案例的专家系统具有诸多优点:无须显示领域知识;无需规则提取,降低了知识获取难度;开放体系、增量式学习,案例库的覆盖度随系统的不断使用而组建增加[14]。基于案例