比较专家系统、模糊方法、遗传算法、神经计算机网络、蚁群算法的特点及其适合解决的实际问题.pdf

比较专家系统、模糊方法、遗传算法、神经网络、蚁群算 法的特点及其适合解决的实际问题 一、专家系统(Expert System) 1，什么是专家系统？ 在日常生活中大家所认知的“专家”一般都拥有某一特定领域的大量专业 知识，以及丰富的实际经验。在解决问题时，专家们通常拥有一套独特的思维方 式，能较圆满地解决一类困难问题，或向用户提出一些建设性的建议等。 专家系统一般定义为一个具有智能特点的计算机程序。 它的智能化主要表 现为能够在特定的领域内模仿人类专家思维来求解复杂问题。因此，专家系统必 须包含领域专家的大量知识，拥有类似人类专家思维的推理能力，并能用这些知 识来解决实际问题。 专家系统的基本结构如图 1 所示，其中箭头方向为数据流动的方向。 知识库 人机交互界面 规则库 知识获取 领域专家 数据库 推理机 解释程序 推理咨询 系统用户 调度程序 图 1 专家系统的基本组成 专家系统通常由知识库和推理机两个主要组成要素。 知识库存放着作为专家经验的判断性知识,例如表达建议、 推断、 命令、 策 略的产生式规则等, 用于某种结论的推理、 问题的求解,以及对于推理、 求解 知识的各种控制知识。 知识库中还包括另一类叙述性知识, 也称作数据,用于说 明问题的状态,有关的事实和概念,当前的条件以及常识等。 专家系统的问题求解过程是通过知识库中的知识来模拟专家的思维方式的， 因此，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数 量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系统程序 是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的 性能。 推理机实际上是一个运用知识库中提供的两类知识,基于木某种通用的问题 求解模型,进行自动推理、 求解问题的计算机软件系统。 它包括一个解释程序, 用于决定如何使用判断性知识推导新的知识, 还包括一个调度程序, 用于决定 判断性知识的使用次序。 推理机的具体构造取决于问题领域的特点,及专家系统 中知识表示和组织的方法。 推理机针对当前问题的条件或已知信息，反复匹配 知识库中的规则，获得新的结论，以得到问题求解结果。在这里，推理方式可以 有正向和反向推理两种。正向推理是从前件匹配到结论，反向推理则先假设一个 结论成立，看它的条件有没有得到满足。由此可见，推理机就如同专家解决问题 的思维方式，知识库就是通过推理机来实现其价值的。 人机界面是系统与用户进行交流时的界面。通过该界面，用户输入基本信息、 回答系统提出的相关问题，并输出推理结果及相关的解释等。 综合数据库专门用于存储推理过程中所需的原始数据、中间结果和最终结 论，往往是作为暂时的存储区。解释器能够根据用户的提问，对结论、求解过程 做出说明，因而使专家系统更具有人情味。 知识获取是专家系统知识库是否优越的关键，也是专家系统设计的“瓶颈” 问题，通过知识获取，可以扩充和修改知识库中的内容，也可以实现自动学习功 能。 2，专家系统的特点 在功能上, 专家系统是一种知识信息处理系统, 而不是数值信息计算系统。 在结构上, 专家系统的两个主要组成部分 – 知识库和推理机是独立构造、分离 组织, 但又相互作用的。在性能上, 专家系统具有启发性, 它能够运用专家的经 验知识对不确定的或不精确的问题进行启发式推理, 运用排除多余步骤或减少 不必要计算的思维捷径和策略；专家系统具有透