专家系统研究现状与展望VIP专享VIP免费

专家系统研究现状与展望摘要：回顾了专家系统发展的历史和现状，对目前比较成熟的专家系统模型进行分析，指出各自的特点和局限性。最后对专家系统的热点进行展望和对新型专家系统的介绍。关键词：专家系统；知识获取；数据挖掘；多Agent系统；人工神经网络0引言近三十年来人工智能（ArtificialIntelligence，AI）获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果。作为人工智能一个重要分支的专家系统（ExpertSystem，ES）[1]是在20世纪60年代初期产生和发展起来的一门新兴的应用科学，而且正随着计算机技术的不断发展而日臻完善和成熟。1982年美国斯坦福大学教授费根鲍姆给出了专家系统的定义：“专家系统是一种智能的计算机程序，这种程序使用知识与推理过程，求解那些需要杰出人物的专门知识才能求解的复杂问题。”一般认为，专家系统就是应用于某一专门领域，由知识工程师通过知识获取手段，将领域专家解决特定领域的知识，采用某种知识表示方法编辑或自动生成某种特定表示形式，存放在知识库中，然后用户通过人机接口输入信息、数据或命令，运用推理机构控制知识库及整个系统，能像专家一样解决困难的和复杂的实际问题的计算机（软件）系统。专家系统有三个特点，即：启发性，能运用专家的知识和经验进行推理和判断；透明性，能解决本身的推理过程，能回答用户提出的问题；灵活性，能不断地增长知识，修改原有的知识。1专家系统的产生与发展专家系统按其发展过程大致可分为三个阶段[2~4]：初创期(1971年前)，成熟期(1972—1977年)，发展期(1978年至今)。1.1初创期人工智能早期工作都是学术性的，其程序都是用来开发游戏的。尽管这些努力产生了如国际象棋、跳棋等有趣的游戏[5]，但其真实目的在于计算机编码加入人的推理能力，以达到更好的理解。在这阶段的另一个重要领域是计算逻辑。1957年诞生了第一个自动定理证明程序，称为逻辑理论家。20世纪60年代初，人工智能研究者便集中精力开发通用的方法和技术，通过研究一般的方法来改变知识的表示和搜索，并且使用它们来建立专用程序。到了60年代中期，知识在智能行为中的地位受到了研究者的重视，这就为以专门知识为核心求解具体问题的基于知识的专家系统的产生奠定了思想基础。1965年在美国国家航空航天局要求下，斯坦福大学研制成功了DENRAL系统[6]，DENRAL的初创工作引导人工智能研究者意识到智能行为不仅依赖于推理方法，更依赖于其推理所用的知识。该系统具有非常丰富的化学知识，是根据质谱数据帮助化学家推断分子结构，被广泛地应用于世界各地的大学及工业界的化学实验室。这个系统的完成标志着专家系统的诞生。在此之后，麻省理工学院开始研制MACSYMA系统[2]，它作为数学家的助手使用启发式方法变换代数表达式，现经过不断扩充，能求解600多种数学问题，其中包括微积分、矩阵运算、解方程和解方程组等。同期，还有美国卡内基－梅隆大学开发的用于语音识别的专家系统HEARSAY[7]，该系统表明计算机在理论上可按编制的程序同用户进行交谈。20世纪70年代初，匹兹堡大学的鲍波尔和内科医生合作研制了第一个用于医疗的内科病诊断咨询系统INTERNIST[8]。这些系统的研制成功使得专家系统受到学术界及工程领域的广泛关注。1.2成熟期到20世纪70年代中期，专家系统已逐步成熟起来，其观点逐渐被人们接受，并先后出现了一批卓有成效的专家系统。其中，最为代表的是肖特立夫等人的MYCIN系统[9]，该系统用于诊断和治疗血液感染和脑炎感染，可给出处方建议（提供抗菌剂治疗建议），不但具有很高的性能，而且具有解释功能和知识获取功能。MYCIN系统是专家系统的经典之作，它的知识表示系统用带有置信度的“IF—THEN”规则来表示，并使用不确定性推理方法进行推理。MYCIN由LISP语言写成，所有的规则都表达成LISP表达式。它是一个面向目标求解的系统，使用反向推理方法，并利用了很多的启发式信息。另一个非常成功的专家系统是PROSPCTOR系统[10]，它用于辅助地质学家探测矿藏，是第一个取得明显经济效益的专家系统。PROSPCTOR的性能据称完全可以同地质学家相比拟。它在知识的组织上，运用了规则与语义网相结合的混合...