范例推理(CBR)在农业中的应用.docVIP

范例推理(CBR)在农业中的应用 　　摘要:本文主要介绍了范例推理方法的产生、原理、关键步骤、优点以及它在农业中的应用。 　　Abstract: This paper briefly introduces CBR producing, theorem, key steps, advantage and using in the agriculture. 　　关键词:农业;范例推理;应用 　　Key words: agriculture;CBR;application 　　中图分类号:S-3文献标识码:A文章编号:1006-4311(2010)27-0230-02 　　 　　0引言 　　近年来,范例推理已成为人工智能系统领域一个重要的问题求解技术和方法之一,正越来越受到国内外研究学者的普遍关注[1]。其主要原因是: 　　①传统的基于规则的系统在知识获取问题上存在困难,不能做范例的例外处理; 　　②CBR有别于其他的方法,它是一种借助先前求解问题的经验和方法,通过类比和联想来解决当前相似问题的推理技术和方法,非常类似于人类求解问题的思维方式; 　　③CBR依靠的是过去的经验,因此非常适合于需借助经验来进行决策的场合,有效地克服了传统的基于规则推理(Rtlle-Based Reasoning,RBR)系统的知识难于获取和推理的脆弱性等缺陷。范例推理作为一种计算机求解问题的方法是合理的。因为经验的保存,即范例(Case),是范例推理中最核心的问题之一。CBR求解问题属于类比(相似)推理的方法,它不是简单的从头推导,而是借鉴原有的经验和成功案例,针对新旧问题的差异不断修改直至满足新的问题,其核心在于用过去的事例和经验来解决新问题。CBR系统所要解决的中心问题是识别当前的问题,对系统提供的解决方案作出评价,并以此为经验来更新范例库[2]。 　　中国作为13亿人口的一个农业大国,农业是人类社会的衣食之源,生存之本。农业能否稳定发展,能否提供与人们生活水准逐渐提高这一基本趋势相适应的农、副产品,关系到社会的安定。“民以食为天”,粮食是人类最基本的生存资料,农业在国民经济中的基础地位,突出地表现在粮食的生产上。如果农业不能提供给人民粮食和必需的食品,那么,人民的生活就不会安定,生产就不能发展,国家将失去自立的基础。而土地是农业生产的基本生产资料,是人类生产、生活和生存的物质基础,然而土地资源又是一种不可再生的稀缺资源。农业生产对土地的需求表现在需要面积广大的土地,否则就不可能生产出足够数量的满足人类需求的农产品。虽然中国的土地绝对数量大,耕地总量也不算少,但中国人口太多,平均到每个人头上,拥有耕地才只有4.1亩,还不到世界人均耕地面积的一半。全国的耕地面积已经下降到18亿亩。这些都是很危险的信号。如果按现在的人口增长和占用耕地速度计算,10年或20年以后,我国人均耕地会减少3/4。耕地少了,我们就会饿肚子。所以我们必须计划节约地利用土地,使每一寸土地都发挥出最大的效率。范例推理的产生很好地缓解了这一矛盾。 　　1范例推理方法的产生 　　基于范例推理来自认知科学中记忆在人们预期和决策时所扮演的角色,知识源是已经存在的实例,而不是规则。1982年Schank在《Dynamic Memory》一书中提出了CBR的认知模型,并在此基础上开发了一个CBR的应用系统。基于范例推理是一种相似或类比的推理方法,其核心在于用过去实际中所用的实例和经验来解决新问题,它直接利用以往的设计结果(实例)进行推理,从而大大减少了知识获取工作量。在一定程度上解决了知识获取的瓶颈问题。基于范例推理既是人类推理的一种重要形式,也是人工智能研究中的一种范式。它不同于通过链式推理产生问题结论的基于规则的推理,是一种基于过去实际经验或经历的推理。在范例推理中,把当前所面临的问题或情况称为目标范例(target case),而把记忆的问题或情况称为源范例(base case)。粗略地说,基于范例推理就是由目标范例的提示而获得记忆中的源范例,并由源范例来指导目标范例求解的一种策略。范例推理中知识表示是以范例为基础,范例的获取比规则获取要容易,大大简化知识获取。对过去的求解结果进行复用,而不是再次从头推导,可以提高对新问题的求解效率。过去求解成功或失败的经历可以指导当前求解时该怎样走向成功或避开失败,这样可以改善求解的质量。对于那些目前没有或根本不存在可以通过计算推导来解决的问题。CBR产生的主要原因是传统的基于规则的系统在知识获取问题上存在困难,不能做实例的例外处理。该系统是一个问答式的专家系统,它成为以后的许多CBR系统的基础。 　　2原理和关键步骤 　　基于范例推理,其工作原理是从众多的已知范例中挑选出一个或多个和当前新问题最相似的范例,对它(们)的解