管理信息系统_8.ppt

第8章 专家系统 本章要点 1.专家系统的概念及研究的主要问题 2.人工智能的概念及主要包括的内容 3.确定性推理与不确定性推理4.产生式系统的结构，推理树的构成，深度优先搜索方法 5.专家系统开发方法 8.1 专家系统概述 先进行“记忆”，再进行比较与判别、外加推理，最后取出所存与需求相关的内容完成决策,这样实现的决策系统，就是简单的专家系统。 所谓记忆，是将知识用一种符号来标记并存储的过程。 在实际决策时根据每一步判断当前的环境与数据情况，与所存储的各个记忆块进行比较，判别找出最合适的处置办法，取出相应的动作内容，再按其操作就可以自动化了。 专家系统操作简便，有极好鲁棒性，效率很高,但这种系统控制精度不很高。 推理与人工智能 最简单的推理是基于古希腊哲学家亚里士多德的三段论：如果A是B，且所有的B都是C，那么A是C。也就是说，如果我们有关于B与C的关系曲线或数据表，那么只要得到B，实际就得到A，也就得到了C。 利用布尔代数可以作更复杂的推论。 有些决策问题实际没有正确的结果，但是又必须要做某一件事情，要做一件模糊被认可的事情，需要借鉴人的思考过程、模拟人类某些智能行为的基本方法和技术来试图求解该问题。这就是人工智能。 求解问题的思维活动一般包括3个步骤：首先从记忆库中找出解决问题的办法，提出解题计划；再从记忆库中找出解决问题的计算公式、分析相关数据，按计划实施解题过程；在实施解题时要不断进行方法和目的的分析，修正计划并再求解，直到得到满意的结论。 专家系统的应用 1970年，用于诊断和治疗细菌感染性血液病的专家咨询系统MYCIN使用了知识库的概念，并采用了可信度来表示经验性知识与数据，可以进行不确定性推理，对推理结构进行解释，涉及并基本解决了知识表示、知识获取、搜索策略、不精确推理和结构等重大问题，专家系统研究开始了。 在管理决策领域，专家系统被广泛应用于各种预测与计划制定，例如资源分配、财务分析、市场营销、计划制定、生产管理、质量控制等。 8.2 专家系统基本概念 8.2.1 基本概念 1.人工智能的概念 人工智能（Artificial Intelligence，AI）主要研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。 知识是人们通过实践得到的关于客观世界的有规律性的事实、方法、规则。它是经过加工的信息，包括陈述性知识、过程性知识与控制性知识。 人工智能的基本概念 人工智能的关键问题有：（1）知识表示。（2）自然语言处理。（3）自动推理。（4）机器学习。（5）听觉与视觉。（6）控制与执行。 知识表示研究的是用计算机表示知识的可行的、有效的、通用的原则和方法，包括对知识的描述、有关的约定、表示知识的数据结构等。常用的知识表示方法有逻辑模式、产生式系统、框架、语义网络、状态空间、面向对象、连接主义等。 对于不同的知识表示与对于知识的不同使用方法，需要研究不同的搜索方法，大致可以分为无信息导引的盲目搜索与利用经验知识导引的启发式搜索。 推理的分类与机器学习 自动推理可分为演绎推理、归纳推理、反绎推理等。演绎推理是从一般到个别的推理过程，例如：A→B，B→C，那么A→C。 归纳推理是从个别到一般的推理过程，例如：A→B，C→D，那么AC→BD。 反绎推理试图从结论推得原因，例如：A→B，我们知道的是B，希望求得A。一般来讲，反绎推理是不可靠的，但因为结论是准确的，因此又被认为是最佳解释推理。 特殊的推理与机器学习 按推理过程中推出的结论是否是单调增加，推理又分为单调推理与非单调推理。单调的意思是说确定为真的判断数目随着推理的进行增加。非单调推理常在知识不完全的情况下发生，为使推理进行下去，常需要再假设、再推理，如果新知识加入后发现原来的假设不成立，就要推翻以前的假设及其之后的所有结论重新推理。 不确定问题产生原因可能是事物变化的随机性，人类知识的不完全、不可靠、不精确和不一致性，自然语言中的模糊性与歧义性等，对于这每一种原因，需要研究各自特殊的推理方法。 机器学习指机器自动记录人工操作或程序运行的过程与状态，重新组织已有的知识结构，得到新的知识或技能，不断使机器的动作符合客观世界的规律的过程。常见的机器学习方法有归纳学习、类比学习、分析学习、加强学习、遗传算法、连接学习等。 专家系统的基本概念 专家系统（Expert System，ES)是利用专家知识及知识推理等技术理解与求解问题的系统。专家知识包括专家掌握的信息与专家解决问题的方法。成功的专家系统都以启发式知识为中心，由启发式知识指导问题的求解