专家系统技术方案.pptVIP

6.2 分布式ES--数据驱动(1/2) b. 数据驱动 一般系统的模块功能都是根据输入,启动模块进行处理以后,给出相应的输出. 所以在分布式ES中,模块只要当它所需的所有输入数据已经具备以后即可自行启动工作; 然后,把输出结果送到相应的模块,而并不需要有其他模块来明确地命令它工作. 这种驱动方式可以发掘可能的并行处理,从而达到高效运行. 在该驱动方式下,各模块间只有互传数据或消息的联系,其他操作都局部于模块进行,因此具有面向对象方法的特征. 6.2 分布式ES--数据驱动(2/2) 值得指出的是,这种数据驱动方式可能出现不根据需求盲目产生很多暂时没用的数据,而造成“数据积压”. 为此提出了下述“请求驱动”的方式. 6.2 分布式ES--请求驱动(1/1) c. 请求驱动 这种驱动方式亦称“目的驱动”,是一种自顶向下的驱动方式. 从最顶层的目标开始,为了驱动一个目标工作可能需要先驱动若干子目标,为了驱动各个子目标,可能又要分别驱动一些子目标,如此层层驱动下去. 与此同时又按数据驱动的原则让数据(或其他条件)具备的模块进行工作,输出相应的结果并送到各自该去的模块. 这样,把对其输出结果的请求和其输入数据的齐备两个条件复合起来作为最终驱动一个模块的先决条件,这既可达到系统处理的并行性,又可避免数据驱动时由于盲目产生数据而造成“数据积压”的弊病. 6.2 分布式ES--事件驱动(1/1) d. 事件驱动 这是比数据驱动更为广义的一个概念. 模块的输入数据的齐备可认为仅仅是一种事件.此外,还可以有其他事件,例如某条件得到满足或某物理事件发生等. 采用这种事件驱动方式时,各个模块都要规定使它开始工作所必需的一个事件集合. 所谓事件驱动即是当且仅当模块的相应事件集合中所有事件都已发生时,才能驱动该模块开始工作.否则只要其中有一个事件尚未发生,模块就要等待,即使所需的输入数据已经全部齐备也不行. 由于事件的含义很广,所以事件驱动广义地包含了数据驱动与请求驱动等. 6.3 协同式ES(1/2) 6.3 协同式专家系统 当前大部分ES,在其专业领域内它是专家,但一旦越出其专业领域,系统就可能无法工作. 一般ES解题的领域面很窄,所以单个ES的应用局限性很大,很难获得满意的应用. 协同式多ES是克服一般ES的局限性的一个重要途径. 协同式ES亦可称“群ES”,表示能综合若干个相近领域的或一个领域的多个方面的子ES互相协作共同解决更广领域问题的ES,例如疑难病症需多种专科医生们的会诊,一个复杂系统(如导弹与舰船等)的设计需多种专家的合作等. 在现实世界中,对这种协同式多ES的需求是很多的. 6.3 协同式ES(2/2) 这种系统与分布式ES有些共性,因为它们都涉及多个子ES.但是,这种系统更强调子系统之间的协同合作,而不着重处理的分布和知识的分布. 所以协同式ES不像分布式ES,它并不一定要求有多处理机的硬件环境,而且一般都是在同一处理机上实现各子ES. 为了设计与建立一个协同式多ES,一般需要解决下述问题: 任务的分解 公共知识的导出 “讨论”方式 裁决问题 驱动方式 6.3 协同式ES--任务的分解(1/1) A. 任务的分解 根据领域知识,将确定的任务合理地分解成几个子任务(各子任务之间允许有一定的重叠),分别由几个子ES来完成. 应该指出,这一步十分依赖领域问题,一般主要应由领域专家来讨论决定. 6.3 协同式ES--公共知识的导出(1/1) B. 公共知识的导出 把解决各子任务所需知识的公共部分分离出来形成一个公共KB,供各子ES共享. 各子任务专用的知识则存放在各子ES的专用KB中. 这种对知识有分有合的存放方式,既避免了知识的冗余,也便于维护和修改. 6.3 协同式ES--“讨论”方式(1/1) C. “讨论”方式 目前多数系统采用黑板作为各子系统进行讨论的“园地”. 为了保证在多用户环境下黑板中数据的一致性,需要采用管理数据库的一些手段(例如并发控制等技术)来管理它,使用它,因此黑板有时也称作“中间数据库”. 有了黑板以后, 一方面,各子系统可以随时从黑板上了解其他子系统对某问题的意见,取走需要的各种信息; 另一方面,各子系统也可以随时将其意见发表在黑板上,供其他ES参考,从而达到互相交流信息和讨论问题的目的. 6.3 协同式ES--裁决问题(1/2) D. 裁决问题 这个问题的解决办法往往十分依赖于问题本身的性质.例如 若问题是一个是非选择题,则可采用表决法或称少数服从多数法,即以多数子ES的意见作为最终的裁决. 或者采用加权平均法,即不同的子系统根据其对解决该问题的权威程度给予不同的权. 若问题是一个评分问题,则可采用: 加权平均法.与前述相似. 取中数法.即先把各子系统的评分按大小排序,然后取位于正中间的