产生式系统优化算法.docVIP

产生式系统的优化算法一、 简介产生式系统的系统随着事实数目的增多，性能也跟着下降。因为在大多数的系统中，匹配过程中的连接（join）操作花费的时间与事实数目的平方成正比。另外，不当的条件排列顺序可以产生大量的中间数据，从而导致大量的join操作。为了解决这个问题，ART、YES/OPS以及其他的一些系统允许用户自己设定join结构。在没有一个专门的优化器来确定join的最佳机构时，专家系统的设计者一般都是采用手动的方式来设定join结构。本文提出了一种优化算法可以减小产生式系统中的join操作的开销。此算法并不是直接将启发式算法用在规则上，而是列举可能的join结构，从而选出最佳结构。主要的思想是采用一些有效约束条件来减少可能结构数目。引入一个代价模型（cost model）来估计在不同join结构中的进行join操作的代价。测试结果显示，采用本算法，可以产生和手动设置一样有效的程序。二、 Join拓扑结构（topological transformation）规则的条件可以有多种拓扑结构，如下图所示，条件（a, b, c, d）可以有以下四种结构，如果条件的顺序可变，则join的结构可以达到4*4！=96种。因此，可能的join结构的数目与条件的个数的指数在一个数量级上。三、 Rete算法特点Rete算法中的启发式（heuristic）特点有：3.1 约束性条件优先（place restrictive conditions first）中间数据（即tokens）所进行的操作占据了总的join操作的绝大部分。减少中间数据的方法之一就是把约束性条件先进行join操作。如下图所示，含有事实越少的alpha内存越优先3.2 将易变的规则置后（place volatile conditions last）假设有N条规则，如果添加（或删除）第一条规则对应的事实，则其余N-1个规则的节点的Join操作到要重复进行。但是，如果此事实对应的规则是第N条，那么只要进行一次join操作。为了减少join操作的次数，把易变的事实对应的规则放在放在后面。如下图所示。3.3 在规则间共享Join块（share join clusters among rules）如果某个Join块（join cluser）被N条规则共享，则相当于此join操作的代价降低到原来的1/n。为了获得更大的共享块，一般改变规则的Join结构。如下图所示。以上启发式算法是rete算法的重要特点。但是，因为不同的启发式算法之间存在冲突，因此专家系统设计者在如何设计一个更好的Join结构时往往要走很多弯路。本文提出的优化算法可以实现join结构的各种拓扑转换，同时自动估计各种结构的性能。四、 代价模型（cost model）本文引入的代价模型如下图所示：在代价模型中，每个节点n都有五个参数：Token(n), Memory(n), Test(n), Cost(n)和Ratio(n)。Token(n)指从节点n传递到其后继节点的所有tokens的数目。Memory(n)指n节点内存中平均存储的tokens数目。Test(n)指n节点总共进行的join测试数目。Cost(n)指在n节点进行的join操作所花费的代价，用一个代价函数来确定。Ration(n)是n节点上join测试成功的比例。  回复 1楼 2011-07-14 11:25 举报 | NIIT_zhu 初级粉丝 1 在系统优化时，创建不同的Join结构并且评价其性能。在开始优化前，产生式系统先运行一边，记录下每个节点的Test(n), Token(n), Memory(n)。五、 优化算法正如第三部分所述，启发式算法不能单独应用，因为它们之间可能会有冲突。同时，join结构的可能数目与节点数的指数级是一个数量级的，因此，产生——测试（generate-and-test）的方法不能解决这个问题。本文中采用不同的约束限制条件来产生可能的Join结构，极大减少了需要检测的join结构的数目。5.1 具体算法步骤是：1、 根据程序的运行确定各个规则的代价大小，按降序排列。从代价最高的规则开始优化。这样保证代价较高的规则有较大的自由度来选择Join结构。2、 在优化各个规则前，先把每个alpha节点和beta节点加入到join-list中去。3、 在优化每个节点时，从Join-list上选择两个节点，创建它们的join节点。如果在join-list没有与新创建的Join结构相同的节点，则把此节点加入到Join-list中去。4、 创建每个可能的Join结构后，从中选出最低代价的结构。5.2 约束条件上面的算法用到了下面的约