《专家系统研究现状及展望》由会员分享，可在线阅读，更多相关《专家系统研究现状及展望（3页珍藏版）》请在装配图网上搜索。
1、专家系统研究现状及展望
摘要：总结了自2000年以来专家系统在国内外的发展及应用情况，并根据知识表示方法的不同，对专家系统在各个领域的应用进行分类。结果显示：近五年来，伴随网络时代的到来及蓬勃发展，国内外专家系统发展迅速，一些新技术已经应用于专家系统，尤其是XML和Web技术的应用，为专家系统的研究注入新的活力。同时对目前专家系统存在的一些问题以及今后的研究和发展进行了探讨。
关键词：专家系统； 知识表示； 规则； 案例； 神经元； 万维网
中图分类号：TP339文献标志码：A
文章编号：1001-3695(2007)12-0
2、001-05
专家系统将人类专家的知识和经验以知识库的形式存入计算机，并模仿人类专家解决问题的推理方式和思维过程，运用知识库对现实中的问题作出判断和决策。具体地说，就是知识工程师通过知识获取手段，将领域专家解决特定问题的知识，采用某种知识表示技术编辑成或自动生成某种特定表示形式存放在知识库中；然后用户通过数据采集系统或人机交互接口输入信息、数据与命令，并借助数据库等，运用推理机构控制知识库和整个系统工作得到问题的求解结果。专家系统的技术基础是人工智能的知识表示和问题求解技术，一般由知识库、推理引擎、专家知识获取工具以及人机交互接口四个部分组成。它具有知识与控制程序分离的架构、具有
3、弹性与易扩充维护的特性、良好的人机界面等优点，可被应用于构建整个自动化系统中每一个知识密集的环节，以辅助人的脑力决策工作。专家系统成功应用的意义不仅在于它减轻了人类专家的重复性脑力劳动、推广和保存专家经验知识，其潜在的巨大经济效益，也使人们意识到它的广阔前景。从20世纪60年代中期起步至今,专家系统得到迅速发展,如今专家系统已经渗透到社会科技生活的各个领域，如农业生产、医疗诊断、地质勘探、智能决策、实时监控、教学和军事等，促进了国民经济发展，为社会带来巨大的经济效益。本文按照知识表示的不同对专家系统进行介绍，具体包括：基于规则的系统及应用；基于案例的系统及应用；基于XML的系统及应用；基于混合
4、知识表示的系统及应用。近年来，由于Web技术发展迅速，利用专家系统技术构建基于Web的系统有利于分布式专家系统的实施。对基于Web的专家系统应用进行了较详细的论述；最后就专家系统发展现状进行了综合分析及展望。
1基于规则专家系统的研究及其应用现状
基于规则的专家系统使用一套包含在知识库内的规则，对工作存储器内的具体问题和数据（事实）进行处理，通过推理机推断出新的信息。因此从某种程度来说，基于规则的专家系统就是基于知识的专家系统。近年来，国内外基于规则专家系统有很多成功的范例。
1）国外基于规则的专家系统
国外对专家系统的研究与开发相对时间较长，目前已经有
5、上万个专家系统投入使用。另外还有许多系统正在试验阶段。2000年以来研制的专家系统中，比较成功的有：意大利的T.Biagetti等人开发的预测及智能监测专家系统PROMISE(prognostic and intelligent monitoring expert system)[1]；英国的John Martin等人开发出水下自治机动车轨道生成系统[2]；埃及??S.A.Ahmed等人开发的水资源回收利用最佳方案选择DDS（决策支持系统）[3] ；英国H.S.Neap等人开发的COMBO系统[4] 。这些专家系统，规则的形式基本采用产生式规则，并提供了较完善的知识库建立和管理功能。其他国外基
6、于规则专家系统应用如表1所示。
2）国内基于规则的专家系统
国内基于知识专家系统的研究近年来也有很多，如Li Lian??fa等人开发的灾难保险定价中空间决策支持系统（SDSS）。该系统与GIS一起使用，将人工智能与空间统计学成功结合，弥补了后者的不足。该系统使用CLIPS专家系统外壳开发。传统基于规则的系统只是简单的声明性知识；而SDSS系统知识库中还包括程序性知识，并且支持模糊推理。目前该系统在广东省台风保险定价中已得到应用[13]。白凤双等人开发的鞍山钢铁公司十号高炉热风炉优化控制系统也取得了显著成果[14]。马品仲提出的城市突发事件应急系统也是基于知识的专家系统的应
7、用实例，为减少社会经济损失作出了巨大贡献[15]。国内其他基于规则专家系统应用如表2所示。
2基于案例的专家系统及其应用
基于案例推理(case??based reasoning, CBR)是近年来人工智能领域中兴起的一项基于经验知识进行推理的技术。它的基本原理是，当人们在解决新问题时，常常依据过去积累下来的类似情况的处理方法，并通过对其适当修改求得新问题的解决方案。与基于规则的推理模式不同的是，它不必像基于规则的推理那样，每一次都需要从头开始，而是通过一些特征值访问案例库中的同类案例（源案例）进行适配和修正，从而获得当前问题（目标案例）的解。CBR解决了存在于传统
8、的基于规则系统中的知识获取瓶颈问题，对于解决复杂领域或知识不完备领域的问题更为有效。
1）国外基于案例的专家系统
国外有很多学者和学术团体致力于基于案例知识表示的理论与方法研究。比较知名的学者如Roger Shank、Janet Kolodner、Bruce Poter和David Wilsond等；学术团体主要有德国政府资助的Kaiserslautern大学的Michael Richter与Klaus Dieter Althoff等人组成的人工智能和知识系统研究小组、麻萨诸塞州立大学的Edwina Rissland研究小组，以及美国海军人工智能实验室的智能辅助决策研究小组等[23
9、]。在应用方面，国外其他成功的CBR系统如Inference 的CBR2、Isoft 的Recall、Cognitive System Inc. 的REMIND、Esteem Software Inc. 的ESTEEM以及TechInno 的CBR??WORKS等，均已达到了商业应用程度。国外其他基于案例的专家系统应用情况如表3所示。
2）国内基于案例的专家系统
相对于国外，国内真正运用到生产或商业化的CBR系统还很少，目前主要集中在大学和科研院所的研究应用中。值得提出的是中国人民大学徐夫田等人开发的税收案例分析系统。该系统基于案例推理技术和应用XML来表示及搜索范例，应用数据仓库构建税收案例分析系统。利用基于案例推理技术，大大提高了系统的智能性和实际功能，在实际应用中产生了较好的经济效益和社会效益[29]。胡良明等人提出了基于案例推理的自行火炮故障诊断专家系统[30]。杨瑾等人研究了基于案例的供应商选择决策支持系统[31]。杭小树研究的基于案例推理的农作物病虫害预报专家系统等[32]。此外，一些大学如中国科技大学、华中科技大学、吉林大学等也曾对CBR进行过研究应用。其中，中国科学院的史忠植、熊范纶以及吉林大学的刘大有在这方面的研究应用颇为突出。国内其他CBR专家系统应用情况如表4所示。
专家系统研究现状及展望
