03－es专家系统.ppt.ppt

* * 7.8　专家系统举例 　　无论成功与否，最后均调用clear_facts子句。即： clear_facts:-retract(xpositive(_,_)), fail. clear_facts:-retract(xnegative(_,_)), fail. clear_facts:-write(“\nPlease press the space bar to exit!”),readchar(_). 该子句中用内部谓词retract将全部的事实从动态数据库中删除，以避免影响对下一次动物的识别。 　详见教材中给出了此动物识别专家系统的示例程序． 7.8.２　系统结构 * * 7.8　专家系统举例 　详见教材中给出了此动物识别专家系统的示例程序，该专家系统采用交互方式来识别七种动物。 例如，要识别金钱豹，则有如教材中给出的一段会话…… 7.8.3　系统运行示例 * * 7.7　分布式专家系统与协同式专家系统 　协同方法： 由于单个智能体仅从局部利益出发来求得局部解,因此需要对多个智能体共同完成全局任务、求得并改进全局解的协同方法进行研究.目前,已经提出了下述三种协同方法： ⑴ 多智能体规划（Multi-agents Planning）方法； ⑵ 功能化有效协同(Functionally Effective Cooperative Approach)方法； ⑶ 谈判(Negotiation)方法。 7.7.２　协同式专家系统 * * 7.7　分布式专家系统与协同式专家系统 ⑴ 多智能体规划方法(Multi-agents Planning) :需要特别设计一个规划智能体进行整体规划,形成一多智能体问题求解方案.它描述了系统应采取的全局行动目标,并由规划智能体将其分配到各智能体,按规划要求求解,再把经过事先规划完成的各局部解综合为全局解。 ⑵ 功能化有效协同方法(Functionally Effective Cooperative Approach) :各智能体按各自功能需求,与有关智能体交换部分结果,并最终生成一个全局解. ⑶ 谈判方法(Negotiation):智能体将自己的局部解公布出去，按照事先设计的谈判协议，对相关的局部解经过裁决等综合处理后，求得全局解。 7.7.２　协同式专家系统 * * 7.7　分布式专家系统与协同式专家系统 　协同方法要考虑的问题:为支持协同工作,还应考虑： ① 让强壮的智能体不受干扰地形成自己的局部解，或者说，智能体之间的协同不是对等的，这样可以增加局部解的多样性，有利于改进全局解。 ② 让多个智能体采用不同的推理方法求解同一问题，有利于提高全局解的可信度。 ③ 把重要的任务重复分配给几个智能体来求解，这样，可以避免某些智能体求解失败而导致全局失败。 ④ 智能体应具有交换信息的选择能力，智能体的协同应使其等待的时间尽可能小。 7.7.２　协同式专家系统 * * 7.7　分布式专家系统与协同式专家系统 裁决方法：主要包括是非问题的裁决方法、评分问题的裁决方法和互补问题的裁决方法三种类型。 (1) 是非问题的裁决方法：若多个智能体对同一个是非问题产生多个局部解,则可采用下述方法对多个局部解进行裁决处理,得出全局解. ① 表决法:亦称简单多数法,即以多数智能体的解作为全局解. ② 加权平均法:根据各智能体解决该问题的权威程度赋给不同权值Wi,全局解为加权平均值. 若不能裁决,则需要辅以其它裁决方法。 7.7.２　协同式专家系统 * * 7.7　分布式专家系统与协同式专家系统 (2) 评分问题的裁决方法：若多个智能体对同一个问题产生的局部解Ai是对这个问题的评分，则可采用下述方法对多个局部解进行裁决。 ① 加权平均法。用加权平均 作为最后的评分。 ② 取中数法。先把各智能体的评分按大小排序，然后取位于中间的评分(若有奇数个评分)或者取中间2个评分的平均值(若有偶数个评分)作为最后的评分。 (3) 互补问题的裁决方法：若多个智能体的任务是互补的，即各自解决求解问题的一个部分，那么，多个局部解的综合就是全局解。全局解中某个局部解直接来自相应的“主管智能体”，无需仲裁。 7.7.２　协同式专家系统 * * 7.7　分布式专家系统与协同式专家系统 驱动方式：上述分布式专家系统中讨论了几种驱动方式，它们都可在协同式专家系统中使用。 系统结构：由多个智能体组成一个协同式专家系统，可以有以下几种结构形式： (1) 主从式； (2) 层次式； (3) 同僚式； (4)广播式； (5) 网络式。 7.7.２　协同式专家系统 * * 7.7　分布式专家系统与协同式专家系统 其