基于综合推理与多Agent的智能决策支持系统.pdfVIP

维普资讯 第24卷 第6期 龙岩学院学报 2006年 12月 Vo1．24 No．6 Journal of Longyan University December 2oo6 基于综合推理与多Agent的智能决策支持系统 李建洋 1，2，郑汉垣 ，刘慧婷 。 (1、合肥工业大学计算机 网络所 安徽合肥 230009；2、龙岩学院敷学与计算机科学学院 福建龙岩 364000； 3、安徽大学计算机科学学院 安徽合肥 230039) 摘要 ：针对 IDSS的知识获取厦系统交互的困难 ，提 出了应用基于案例推理的综合推理技术 ，采克服基于规则推 理系统的弱点；同时提 出了应用多Agent技术来提高人机交互、系统信息获取 以及系统集成运行性能；最后给 出了实 际应用的系统框架 ，有效地提 高了系统的灵活性和适应性 。 关键词：IDSS；综合推理 ；多Agent；案例推理 中圈分类号 ：TP18 文献标识码：A 文章编号：1673-．4629(2006)06-0013-03 人工智能中推理方法很多。最实用 的有基于规则的推 次的知识，从而大大提高系统的性能。下面仅以实现推理技 理、基于模型的推理和基于案例的推理。从认识论的角度 术的分类来阐述综合推理技术的集成。21-,31 看，规则推理仅是对人类抽象思维的简单模拟；而专家在决 1．1 CBR与专家系统的结合 策中用到大量的形象思维，问题的解决不只是单纯依赖抽 传统的专家系统采用的推理模式是基于规则的推理， 象的规则，还需要专家的经验，忽略经验知识是导致智能决 虽然规则的形式易于理解 。知识结构好 ，但规则库难于维 策支持系统难以使用的主要原因。 护。知识的一致性难于保证。同时推理效率相对较低。案例 案例(case)是专家经验的计算机存储形式 。是专家长期 推理和规则推理的结合方式有多种： 实践的产物。基于案例推理是区别于基于规则推理的一种 (1)分别推理集成型：二者分开推理 ，再 比较结果作出 推理和学习模式 ，它通过借用旧的事例或经验来解决问题 、 决策。规则推理是依赖于结构化的先验知识，RBR是智能系 评价解决方案、解释异常情况或理解新情况，已经成为一种 统中有着最为成功的知识的形式化表达。非常适合于有规 重要的机器学习方法。研究 CBR有助于进一步认识人类思 律性的环境 ：而案例推理则依赖于特殊情况、个别修正的方 维的机理，对于科学决策具有重要 的指导作用 。l【】 便性 以及不断积累的经验 。 1 综合推理技术 (2)主辅推理型：一个方法为主 ，另一个方法为辅。如 以 案例推理是人类三种思维 (直觉、逻辑、创造性思维)的 RBR为主，则主要是通过 CBR技术来提高RBR系统的功 一 种综合表现形式。CBR的问题求解方式是：针对当前的问 能。一个关键性的问题是：CBR技术所提供的问题求解覆盖 题，从我们头脑的信息记忆知识库 中，寻找与其最佳匹配的 面能增加多少。能否增加RBR系统的功能?反之 。先把输入 案例 ，然后去修正它而得到新 问题 的解 。但是案例推理得 出 的问题用 CBR来求解 。如匹配找到相似案例 ，且也可以利用 的结论可解释性差，对整个领域来说，总结出通用的因果模 修正规则来求出其解 ，则停止 ；否则，利用规则库来推理求 型是比较困难的；但是对具体的案例而言．归纳出局部的因 解。如推导得 出问题 的解 。则停止 ，否则 回到 CBR主控模块 ， 果模型却是比较容易的。