基于MAS和BP神经网络的专家系统研究.docVIP

基于MAS和BP神经网络的专家系统研究 　　摘要:针对传统专家系统推理能力弱和智能水平低等不足,该文打破思维定势,利用MAS系统自治智能、分布协同的特性和BP神经网络于知识获取的长处,详细阐述了基于MAS和BP神经网络的专家系统的体系结构和基本原理。 　　关键词:MAS;Agent;BP神经网络;专家系统;人工智能 　　中图分类号:TP183文献标识码:A文章编号:1009-3044(2009)14-3766-02 　　Research on Expert System Based on Mas and BP Neural Network 　　KOU Jing-lei 　　(Commanding Communications Academy, Wuhan 430010, China) 　　Abstract: The method of combining BP neural network and Multi-Agent to solve the problem of lack of knowledge during developing expert system is put forward. The expert system based on BP neural network gives some intelligences and inferences by computing, and the combination with object oriented technology,distributed computation and artificial intelligence in agent theory supports intelligent system to break through the architecture of traditional expert system .This paper also can be used for reference to the design of an intelligent expert system. 　　Key words: MAS; agent; BP neural network; expert system; atificial intelligence 　　1 引言 　　专家系统是人工智能研究中一个最活跃且最有成效的重要分支,已广泛应用于医疗诊断、地理勘探、金融决策、实时监控、军事运筹等多种领域中,产生了巨大的社会效益及经济效益。随着MAS和BP神经网络的深入研究,专家系统必将与之结合并发挥出不可估量的作用。 　　2 专家系统简介 　　专家系统将人类专家的知识和经验以知识库的形式存入计算机,并模仿人类专家解决问题的推理方式和思维过程,运用知识库对现实中的问题作出判断和决策。如图1所示,专家系统的基本结构大致分为6个组成部分:人机接口、解释器、知识获取器、推理机、知识库和综合数据库。专家系统有三个特点:1)启发性,能运用专家的知识和经验进行推理和判断;2)透明性,能解决本身的推理过程,回答用户提出的问题;3)灵活性,能不断地增长知识,修改原有知识。 　　3 传统专家系统存在的问题 　　传统专家系统是基于知识的处理的系统,尽管与人类专家相比,专家系统具有很大的优越性。但是,随着专家系统应用的日益广泛及所处理问题的难度和复杂度的不断扩大和提高,专家系统在某些方面己不能满足是实际工作中的需求,具体体现在以下三个方面: 1) 知识获取的“窄台阶”和“瓶颈”问题。目前的专家系统只能应用于相当窄的知识领域内求解预定的专门问题,一旦遇到超出知识范围的问题,就无能为力,不能通过自身的学习增长知识;2) 缺乏联想功能、推理能力弱。不支持多种推理策略,在时态推理、定性推理和非单调推理等方面依旧没有新的突破,而这些正是人类思维中最常用的推理形式;3)体系结构的缺乏层次性。目前的专家系统大部分还是单一、独立的专家系统,缺少多个系统的协作及综合型的专家系统。 　　基于MAS和BP神经网络的专家系统能在一定程度上改善这些不足之处。 　　4 对传统专家系统的改进 　　4.1 BP神经网络的引入 　　人工神经网络(ArtificialNeuralNetwork,ANN)仿效生物体信息处理系统获得柔性信息处理能力。它是从微观上模拟人脑功能,是一种分布式的微观数值模型,神经元网络通过大量经验样本学习知识。更重要的是,神经网络有极强的自学习能力,对于新的模式和样本可以通过权值的改变进行学习、记忆和存储,进而在以后的运行中能够判断这些新的模式。BP神经网络即反向传播网络,网络中的神经元分层排列,每一层内神经元的输出均传送到下一层,这种传送由联