1、知识工程与专家系统简介,基本内容,一、基本概念与结构 二、研究现状 三、发展前景 四、专家系统实例 五、结束语,一、基本概念与结构,2.专家系统应该具备以下四个要素,3.专家系统的基本结构如图1-1,图1-1,从概念来讲，一个专家系统应具有如图1-1所示的一般结构模式。一般完整的专家系统应包括人机接口、推理机、知识库、数据库、知识获取器和解释机构六部分。,所谓知识库，就是以某种表示形式存储于计算中的知识的集合。知识库通常是以一个个文件的形式存放于外部介质上，专家系统运行时将被调入内存。知识库中的知识一般包括专家知识、领域知识和元知识。,所谓推理机，就是实现（机器）推理的程序。这里的推理，是一个
2、广义的概念，它既包括通常的逻辑推理，也包括基于产生式的操作。,其中知识库和推理机是两个最基本的模块，如图1-2。,知识库（KnowledgeBase),推理机（Inferense Engine）,图1-2,一般的专家系统是通过推理机与知识库和综合数据库的交互作用来求解领域问题的，其大致过程如下： 1）根据用户的问题对知识库进行搜索，寻找有关的知识；（匹配） 2）根据有关的知识和系统的控制策略形成解决问题的途径，从而构成一个假设方案集合； 3）对假设方案集合进行排序，并挑选其中在某些准则下为最优的假设方案；（冲突解决） 4）根据挑选的假设方案去求解具体问题；（执行） 5）如果该方案不能真正解决问
3、题，则回溯到假设方案序列中的下一个假设方案，重复求解问题； 6）循环执行上述过程，直到问题已经解决或所有可能的求解方案都不能解决问题而宣告“无解”为止。,4.专家系统的工作原理,5.专家系统与传统程序的区别,专家系统是一种智能的计算机程序，但又与一般的计算机程序不同，传统程序是以指令序列程序为核心的。程序相应于知识库,指令相应于知识。程序的执行是由编译程序和硬件共同完成的。它相当于专家系统的推理机编辑程序相应于知识获取系统。但专家系统是比传统程序高一级的程序，它与传统程序有以下三个本质差异。第一、专家系统的推理机能够根据不同的处理对象从知识库中选择不同的知识、构成不同的序列，或者说生成不同的程
4、序。第二、专家系统具有处理非确定性知识和数据的能力。因为它能够根据环境选择不同的知识序列,或者说用不同的知识组合来权衡知识的非确定性程度,这恰好符合实际问题中专家解决问题的思维方法。第三、专家系统强调依靠某一领域的高水平知识来实现高性能,而且专家系统既能用理论知识，又能应用经验知识。,6.专家系统的特点,二、研究现状,作为人工智能一个重要分支的专家系统 (ExpertSys-tem, ES)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。,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
5、、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。,专家系统模型,基于规则的专家系统（RBR）,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。如测定分子结构和原子组成的DENDRAL系统。,基于框架的专家系统,将某类对象的所有知识组织在一起的一种通用数据结构 , 而相互关联的框架连接组成框架系统,基于案例推理的专家系统（CBR）,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
6、解决新问题的方法。如CYRUS系统。,基于模糊逻辑的专家系统模糊性是指客观事物在状态及其属性方面的不分明性, 其根源是在类似事物间存在一系列过渡状态, 它们互相渗透、互相贯通, 使得彼此之间没有明显的分界线。模糊性是客观世界中某些事物本身所具有的一种不确定性, 它与随机性有着本质的区别。但是, 模糊推理知识获取困难, 尤其是征兆的模糊关系较难确定, 且系统的推理能力依赖模糊知识库, 学习能力差, 容易发生错误。,基于D-S证据理论的专家系统D-S理论具有较强的理论基础, 它能将“不知道”和“不确定”区分开来。 但它也存在明显的不足, 当证据冲突度较高时, 经过其组合规则得到的结论常常有悖于常理
7、；另外，基于D-S理论的专家系统在数据较多时，具有潜在的指数复杂度和推理链较长的缺点。,专家系统模型,专家系统模型,基于人工神经网络的专家系统,人工神经网络(ArtificialNeuralNetwork, ANN)仿效生物体信息处理系统获得柔性信息处理能力。基于神经网络的专家系统的具体应用形式可以根据实际情况选择不同的神经网络模型, 能够实现不同的用途。因此 , 基于神经网络的专家系统是目前最流行的专家系统 。,基于遗传算法的专家系统,遗传算法(GeneticAlgorithms, GA)是一种基于自然选择和基因遗传学原理的优化搜索方法。与一般的寻优方法相比, 遗传算法是一种全局优化算法;在
8、模糊推理隶属度函数形状的选取上具有更大的灵活性;由于具有隐含并行性, 可通过大规模并行计算来提高计算速度;可在没有任何先验知识和专家知识的情况下取得次优或最优解。,三、发展前景,1.专家系统的发展趋势近年来, 发展专家系统不仅要采用各种定性的模型, 而且要将各种模型综合运用, 以及运用人工智能和计算机技术的一些新思想和新技术, 如分布式和协同式。这些都是专家系统的发展趋势。,1,2,3,专家系统的开发需要领域专家和知识工程师共同努力，通用性专家系统作为一种新型专家系统, 其特点如下：,集成多种模型的专家系统，根据用户的需要，可以选择其中的任何一种或多种，形成某一类型的专家系统；,通过多种模型的
9、综合运用，提高了专家系统的准确率和效率；,经过长期使用，可以探索出针对某一问题的最佳模式（多种模型的综合运用)，获得最优的专用专家系统。,1.1 通用性专家系统,1.2 分布式专家系统,分布式专家系统具有分布处理的特征, 其主要目的在于把一个专家系统的功能经分解后分布到多个处理器上并行工作从而在整体上提高系统的处理效率。这种专家系统较强的可扩张性和灵活性,实现了开发者有效地进行交流和共享资源，极大提高了准确率和效率。 分布式专家系统作为一种新型专家系统, 其特点有： 系统数据的所有来源，分门别类地对不同数据来源的数据进行管理，同时系统的数据完整、准确、实用性强； 系统开发工具多样，开发环境与应
10、用环境分离，使开发完善过程与应用过程可以独立地异步进行； 可以同时完成多用户、多个并发请求的推理； 借助辅助数据库，对推理过程可以进行有效的控制与监测，并能整合推理结果，以多种形式反馈给用户。,一般认为，协同式专家系统是能综合若干相关领域 (或一个领域)多个方面的单一专家系统互相协作共同解决一个更广领域问题的专家系统，这样的系统亦可称之为群专家系统。,协同式专家系统作为一种新型专家系统, 其特点有：,1.3 协同式专家系统,目前已经有将分布式和协同式结合起来的专家系统,在专家系统中，对知识应用的顺序和选择过程称为控制策略，它决定着如何推理以及采用何种推理方式。正向推理和反向推理就是两种重要的控
11、制策略。下面简单介绍一个正向推理的专家系统实例,四、专家系统实例,上图所示实例中，知识库中的规则： IF 苏格拉底=TURE THEN 男人=TURE. IF 男人=TURE THEN 人类=TURE. IF 人类=TURE THEN 会死的=TURE. 解释机构：顺序规则 建议取得由来。显示： 会死的 = TRUE 应用规则: IF 人类 = TRUE THEN 会死的 = TRUE .显示: 男人 = TRUE 应用规则: IF 苏格拉底 = TRUE THEN 男人 = TRUE .,显示: 人类 = TRUE 应用规则: IF 男人 = TRUE THEN 人类 = TRUE .你说:
12、 苏格拉底 = TRUE 建议证实.,总结：推理机的工作过程如下：（1）推理机将知识库中的规则前提与这些事实进行匹配；一般是将每条规则的取出来，验证这些前提是否在数据库中，若都在，则匹配成功；不然的话，则取下一条规则进行匹配。（2）把匹配成功的规则的作为新的事实添加到综合数据库中。（3）用更新后的综合数据库中的事实，重复上面两个步骤，直到某个事实就是意想中的结论或是不再有新的事实产生为止。,五、结束语,专家系统是从20世纪末开始的重大技术之一, 是高技术的标志。专家系统的近期研究目标是建造用于代替人类进行智能管理与决策的系统，而远期目标是实现具有更新概念、更佳技术性能和更高智力水平的决策与咨询系统。总结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。我们知道随着专家系统研究的不断深入与发展, 必将进一步推动科技的发展和社会的进步。,
