《專家系統(tǒng)研究現(xiàn)狀及展望》由會(huì)員分享，可在線閱讀，更多相關(guān)《專家系統(tǒng)研究現(xiàn)狀及展望（3頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、專家系統(tǒng)研究現(xiàn)狀及展望 　　摘要：總結(jié)了自2000年以來(lái)專家系統(tǒng)在國(guó)內(nèi)外的發(fā)展及應(yīng)用情況，并根據(jù)知識(shí)表示方法的不同，對(duì)專家系統(tǒng)在各個(gè)領(lǐng)域的應(yīng)用進(jìn)行分類。結(jié)果顯示：近五年來(lái)，伴隨網(wǎng)絡(luò)時(shí)代的到來(lái)及蓬勃發(fā)展，國(guó)內(nèi)外專家系統(tǒng)發(fā)展迅速，一些新技術(shù)已經(jīng)應(yīng)用于專家系統(tǒng)，尤其是XML和Web技術(shù)的應(yīng)用，為專家系統(tǒng)的研究注入新的活力。同時(shí)對(duì)目前專家系統(tǒng)存在的一些問(wèn)題以及今后的研究和發(fā)展進(jìn)行了探討。 下載論文網(wǎng) 　　關(guān)鍵詞：專家系統(tǒng)； 知識(shí)表示； 規(guī)則； 案例； 神經(jīng)元； 萬(wàn)維網(wǎng) 　　中圖分類號(hào)：TP339文獻(xiàn)標(biāo)志碼：A 　　文章編號(hào)：1001-3695(2007

2、)12-0001-05 　　 　　專家系統(tǒng)將人類專家的知識(shí)和經(jīng)驗(yàn)以知識(shí)庫(kù)的形式存入計(jì)算機(jī)，并模仿人類專家解決問(wèn)題的推理方式和思維過(guò)程，運(yùn)用知識(shí)庫(kù)對(duì)現(xiàn)實(shí)中的問(wèn)題作出判斷和決策。具體地說(shuō)，就是知識(shí)工程師通過(guò)知識(shí)獲取手段，將領(lǐng)域?qū)＜医鉀Q特定問(wèn)題的知識(shí)，采用某種知識(shí)表示技術(shù)編輯成或自動(dòng)生成某種特定表示形式存放在知識(shí)庫(kù)中；然后用戶通過(guò)數(shù)據(jù)采集系統(tǒng)或人機(jī)交互接口輸入信息、數(shù)據(jù)與命令，并借助數(shù)據(jù)庫(kù)等，運(yùn)用推理機(jī)構(gòu)控制知識(shí)庫(kù)和整個(gè)系統(tǒng)工作得到問(wèn)題的求解結(jié)果。專家系統(tǒng)的技術(shù)基礎(chǔ)是人工智能的知識(shí)表示和問(wèn)題求解技術(shù)，一般由知識(shí)庫(kù)、推理引擎、專家知識(shí)獲取工具以及人機(jī)交互接口四個(gè)部分組成。它具有知識(shí)與控制程序分離的

3、架構(gòu)、具有彈性與易擴(kuò)充維護(hù)的特性、良好的人機(jī)界面等優(yōu)點(diǎn)，可被應(yīng)用于構(gòu)建整個(gè)自動(dòng)化系統(tǒng)中每一個(gè)知識(shí)密集的環(huán)節(jié)，以輔助人的腦力決策工作。專家系統(tǒng)成功應(yīng)用的意義不僅在于它減輕了人類專家的重復(fù)性腦力勞動(dòng)、推廣和保存專家經(jīng)驗(yàn)知識(shí)，其潛在的巨大經(jīng)濟(jì)效益，也使人們意識(shí)到它的廣闊前景。從20世紀(jì)60年代中期起步至今,專家系統(tǒng)得到迅速發(fā)展,如今專家系統(tǒng)已經(jīng)滲透到社會(huì)科技生活的各個(gè)領(lǐng)域，如農(nóng)業(yè)生產(chǎn)、醫(yī)療診斷、地質(zhì)勘探、智能決策、實(shí)時(shí)監(jiān)控、教學(xué)和軍事等，促進(jìn)了國(guó)民經(jīng)濟(jì)發(fā)展，為社會(huì)帶來(lái)巨大的經(jīng)濟(jì)效益。本文按照知識(shí)表示的不同對(duì)專家系統(tǒng)進(jìn)行介紹，具體包括：基于規(guī)則的系統(tǒng)及應(yīng)用；基于案例的系統(tǒng)及應(yīng)用；基于XML的系統(tǒng)及應(yīng)用

4、；基于混合知識(shí)表示的系統(tǒng)及應(yīng)用。近年來(lái)，由于Web技術(shù)發(fā)展迅速，利用專家系統(tǒng)技術(shù)構(gòu)建基于Web的系統(tǒng)有利于分布式專家系統(tǒng)的實(shí)施。對(duì)基于Web的專家系統(tǒng)應(yīng)用進(jìn)行了較詳細(xì)的論述；最后就專家系統(tǒng)發(fā)展現(xiàn)狀進(jìn)行了綜合分析及展望。 　　 　　1基于規(guī)則專家系統(tǒng)的研究及其應(yīng)用現(xiàn)狀 　　 　　基于規(guī)則的專家系統(tǒng)使用一套包含在知識(shí)庫(kù)內(nèi)的規(guī)則，對(duì)工作存儲(chǔ)器內(nèi)的具體問(wèn)題和數(shù)據(jù)（事實(shí)）進(jìn)行處理，通過(guò)推理機(jī)推斷出新的信息。因此從某種程度來(lái)說(shuō)，基于規(guī)則的專家系統(tǒng)就是基于知識(shí)的專家系統(tǒng)。近年來(lái)，國(guó)內(nèi)外基于規(guī)則專家系統(tǒng)有很多成功的范例。 　　1）國(guó)外基于規(guī)則的專家系統(tǒng) 　　國(guó)外對(duì)專家系統(tǒng)的研究與開發(fā)相對(duì)時(shí)間較長(zhǎng)，

5、目前已經(jīng)有上萬(wàn)個(gè)專家系統(tǒng)投入使用。另外還有許多系統(tǒng)正在試驗(yàn)階段。2000年以來(lái)研制的專家系統(tǒng)中，比較成功的有：意大利的T.Biagetti等人開發(fā)的預(yù)測(cè)及智能監(jiān)測(cè)專家系統(tǒng)PROMISE(prognostic and intelligent monitoring expert system)[1]；英國(guó)的John Martin等人開發(fā)出水下自治機(jī)動(dòng)車軌道生成系統(tǒng)[2]；埃及??S.A.Ahmed等人開發(fā)的水資源回收利用最佳方案選擇DDS（決策支持系統(tǒng)）[3] ；英國(guó)H.S.Neap等人開發(fā)的COMBO系統(tǒng)[4] 。這些專家系統(tǒng)，規(guī)則的形式基本采用產(chǎn)生式規(guī)則，并提供了較完善的知識(shí)庫(kù)建立和管理功能。

6、其他國(guó)外基于規(guī)則專家系統(tǒng)應(yīng)用如表1所示。 　　 　　2）國(guó)內(nèi)基于規(guī)則的專家系統(tǒng) 　　國(guó)內(nèi)基于知識(shí)專家系統(tǒng)的研究近年來(lái)也有很多，如Li Lian??fa等人開發(fā)的災(zāi)難保險(xiǎn)定價(jià)中空間決策支持系統(tǒng)（SDSS）。該系統(tǒng)與GIS一起使用，將人工智能與空間統(tǒng)計(jì)學(xué)成功結(jié)合，彌補(bǔ)了后者的不足。該系統(tǒng)使用CLIPS專家系統(tǒng)外殼開發(fā)。傳統(tǒng)基于規(guī)則的系統(tǒng)只是簡(jiǎn)單的聲明性知識(shí)；而SDSS系統(tǒng)知識(shí)庫(kù)中還包括程序性知識(shí)，并且支持模糊推理。目前該系統(tǒng)在廣東省臺(tái)風(fēng)保險(xiǎn)定價(jià)中已得到應(yīng)用[13]。白鳳雙等人開發(fā)的鞍山鋼鐵公司十號(hào)高爐熱風(fēng)爐優(yōu)化控制系統(tǒng)也取得了顯著成果[14]。馬品仲提出的城市突發(fā)事件應(yīng)急系統(tǒng)也是基于知識(shí)的專

7、家系統(tǒng)的應(yīng)用實(shí)例，為減少社會(huì)經(jīng)濟(jì)損失作出了巨大貢獻(xiàn)[15]。國(guó)內(nèi)其他基于規(guī)則專家系統(tǒng)應(yīng)用如表2所示。 　　 　　2基于案例的專家系統(tǒng)及其應(yīng)用 　　 　　基于案例推理(case??based reasoning, CBR)是近年來(lái)人工智能領(lǐng)域中興起的一項(xiàng)基于經(jīng)驗(yàn)知識(shí)進(jìn)行推理的技術(shù)。它的基本原理是，當(dāng)人們?cè)诮鉀Q新問(wèn)題時(shí)，常常依據(jù)過(guò)去積累下來(lái)的類似情況的處理方法，并通過(guò)對(duì)其適當(dāng)修改求得新問(wèn)題的解決方案。與基于規(guī)則的推理模式不同的是，它不必像基于規(guī)則的推理那樣，每一次都需要從頭開始，而是通過(guò)一些特征值訪問(wèn)案例庫(kù)中的同類案例（源案例）進(jìn)行適配和修正，從而獲得當(dāng)前問(wèn)題（目標(biāo)案例）的解。CBR解決了

8、存在于傳統(tǒng)的基于規(guī)則系統(tǒng)中的知識(shí)獲取瓶頸問(wèn)題，對(duì)于解決復(fù)雜領(lǐng)域或知識(shí)不完備領(lǐng)域的問(wèn)題更為有效。 　　1）國(guó)外基于案例的專家系統(tǒng) 　　國(guó)外有很多學(xué)者和學(xué)術(shù)團(tuán)體致力于基于案例知識(shí)表示的理論與方法研究。比較知名的學(xué)者如Roger Shank、Janet Kolodner、Bruce Poter和David Wilsond等；學(xué)術(shù)團(tuán)體主要有德國(guó)政府資助的Kaiserslautern大學(xué)的Michael Richter與Klaus Dieter Althoff等人組成的人工智能和知識(shí)系統(tǒng)研究小組、麻薩諸塞州立大學(xué)的Edwina Rissland研究小組，以及美國(guó)海軍人工智能實(shí)驗(yàn)室的智能輔助決策研究小

9、組等[23]。在應(yīng)用方面，國(guó)外其他成功的CBR系統(tǒng)如Inference 的CBR2、Isoft 的Recall、Cognitive System Inc. 的REMIND、Esteem Software Inc. 的ESTEEM以及TechInno 的CBR??WORKS等，均已達(dá)到了商業(yè)應(yīng)用程度。國(guó)外其他基于案例的專家系統(tǒng)應(yīng)用情況如表3所示。 　　 　　2）國(guó)內(nèi)基于案例的專家系統(tǒng) 　　相對(duì)于國(guó)外，國(guó)內(nèi)真正運(yùn)用到生產(chǎn)或商業(yè)化的CBR系統(tǒng)還很少，目前主要集中在大學(xué)和科研院所的研究應(yīng)用中。值得提出的是中國(guó)人民大學(xué)徐夫田等人開發(fā)的稅收案例分析系統(tǒng)。該系統(tǒng)基于案例推理技術(shù)和應(yīng)用XML來(lái)表示及搜索范例，應(yīng)用數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建稅收案例分析系統(tǒng)。利用基于案例推理技術(shù)，大大提高了系統(tǒng)的智能性和實(shí)際功能，在實(shí)際應(yīng)用中產(chǎn)生了較好的經(jīng)濟(jì)效益和社會(huì)效益[29]。胡良明等人提出了基于案例推理的自行火炮故障診斷專家系統(tǒng)[30]。楊瑾等人研究了基于案例的供應(yīng)商選擇決策支持系統(tǒng)[31]。杭小樹研究的基于案例推理的農(nóng)作物病蟲害預(yù)報(bào)專家系統(tǒng)等[32]。此外，一些大學(xué)如中國(guó)科技大學(xué)、華中科技大學(xué)、吉林大學(xué)等也曾對(duì)CBR進(jìn)行過(guò)研究應(yīng)用。其中，中國(guó)科學(xué)院的史忠植、熊范綸以及吉林大學(xué)的劉大有在這方面的研究應(yīng)用頗為突出。國(guó)內(nèi)其他CBR專家系統(tǒng)應(yīng)用情況如表4所示。