专家系统中不精确推理的研究与应用

专家系统是人工智能的一个重要分支，它实现了人工智能从理论研究走向实际应用，从一般思维方法的探讨转入运用专门知识求解专门问题的重大突破。各种类型的专家系统已广泛应用于工业、农业、金融、军事等领域，并产生了巨大的经济效益和社会效益。 在研制和开发专家系统的实际过程中，由于专家系统的问题求解一般不象经典数学、物理等学科那样具有严密性和精确性，领域专家的知识和我们要处理的信息往往是不确定的、不精确的，不完全知道的，甚至是模糊的、不完备的、彼此不一致的和时变的。因此，为了要把这些不确定的知识表示在专家系统中，并且能用这些形式化了的不确定的知识进行判断、推理和决策，除了要研究不确定和不精确知识的表示方法外，还要探讨不精确的推理方法。在客观世界中，有很多事实是不确定的，而事实与结论之间也不是必然的因果关系，它们是一个模糊集合。人类专家往往可以利用客观世界中不确定的事实和因果关系，通过不精确推理来得出近乎合理的结论。只有将不精确推理机制引入计算机中，使其模拟人的推理决策过程，专家系统才能成为现实可行的系统。可以说，专家系统设计中不精确推理的使用几乎是难于避免的，成为一个涉及到专家系统设计成败的重要问题。因此，不精确推理模型是专家系统的一个核心研究课题。 本文首先简单介绍了专家系统的基本原理和设计方法。接着重点讨论了专家系统中四种常用的不精确推理模型——确定性理论、主观Bayes方法、证据理论和模糊推理的基本原理、方法、彼此之间的关系，并对这四种不精确推理模型的性能进行了比较，这为我们在研制和开发实际领域的专家系统时，选取一个合适的不精确推理模型提供了一个可靠的依据。本文在讨论了上述四种不精确推理模型之后又提出了一种改进的不精确推理模型——加权不精确推理模型，并且分别给出了模糊推理模型和加权不精确推理模型的一个应用实例。最后，本文举例说明了专家系统在小麦种植管理中的应用。