时间：2022-12-10 12:30:01 | 来源：信息时代
时间：2022-12-10 12:30:01 来源：信息时代
专家系统推理引擎 : 用来控制、协调整个专家系统的一种软件。
专家系统推理引擎由调度和控制策略两部分组成。调度程序依据输入的数据,按照一定的控制策略从知识库中选择所需知识。推理过程的控制策略主要解决整个问题求解过程的知识选择和应用顺序。
控制策略的重点是利用控制信息减少推理过程中的推理费用(选择知识和用于知识的费用),这需要推理机具备有效的控制策略,同时需要花费相应的处理控制信息的控制费用,以较少可用知识的匹配费用和从可用知识中准确识别启用知识以降低知识的应用费用。
常用的控制策略(control strategy)有:
(1)数据驱动的控制策略(data-driven strategy):采用从当前或初始条件推导结论的向前推理方式的问题求解方法,也称为前向链(forward chaining)、自底向上(bottom-up)、事件驱动(event-driven)控制。
(2) 目标驱动的控制策略(goal-driven strategy):采用从目标推导其前提条件的推理方式,以达到适当的已满足状态的问题求解方法。也称为后向链(backward chaining)、自顶向下(top-down)控制。
(3)混合控制(hybrid control):综合利用数据驱动和目标驱动进行推理的控制策略,称双向控制。混合控制通过数据驱动选择目标,通过目标驱动求解目标,可以大大缩小搜索空间,提高推理效率。难点是如何把数据驱动和目标驱动有机的结合起来,具有代表性的有三种混合控制: ①目的-手段分析(means-ends analysis): 在确信了只有存在某个应用目的后,才试图采用某个或某些操纵的技术; ②生成-测试技术(generate-and-test): 产生解空间中的所有可能解,然后测试每一个可能解,直到找到满足当前问题数据约束的一个解; ③双向推理技术(bi-directional reasoning,forward and backward chain): 根据问题已有的数据进行正向推理,并不期望这种推理一直达到总目标为止; 同时从目标出发进行反向推理,不期望该推理一直进行到每个子目标能被上下文匹配或否定。而期望两种推理在某些子目标处接合起来。
(4)最小冒险原则(least commitment principle):推理控制策略,在没有得到足够的信息之前,不作任何决策。
(5)元控制策略(meta-level control):利用元知识控制推理。将元知识显式表示构成元知识库,元推理机利用元知识引导目标推理机对问题的求解。采用元控制,可以根据不同的问题选择不同的推理策略。
(6)搜索策略(searching):搜索是推理的一部分,是一种求解过程,从初始状态点起,不断使用可能的操作,对所有新状态点测试,直到找到满足目标条件的节点。用于构造一条代价较小的推理路线,等同于可用规则的选择策略。
常用的推理策略有:
(1)盲目搜索(blind search): 不利用任何启发式信息的搜索,称为无信息搜索,深度优先搜索、广度优先搜索都是盲目搜索的例子。
(2)等费用搜索(uniform cost search): 每条连接弧具有不同费用的图的一种搜索的最小费用路径的方法,是宽度优先搜索的推广,每次扩展的节点必定是未扩展节点中费用最小的节点。当图中每条弧具有相等费用时,等费用搜索简化为宽度优先搜索。
(3)爬山法(hill climbing):是深度优先搜索法再加上对每一决策点的可能路径进行排序的一种方法,方法的每一步都通过使状态得到最佳改进的路径向前搜索。
(4)回朔策略(backtracking strategies):选择一条规则,如果不能得出一个解,那么忘掉参与的各步,并选择另一条规则代之。如果没有有用的知识,那么规则可根据任意的方法选取,最后控制将退回,以便去选择合适的规则。
(5)图搜索策略(graphic searching strategies):用图来表示搜索过程或结果的算法。搜索过程中同时记录许多已试探的规则序列,以便在应用一条规则时,为以后应用另外一条规则做好准备。现已有很多图搜索算法,包括无信息和启发式的图搜索算法。
(6)启发式搜索(heuristic search strategies):利用背景知识及与具体问题有关的领域知识,指导问题求解的搜索方法。启发式搜索每一步都选择最有希望、最好的节点进行扩展,尽量减少未扩展节点的数目,并且对搜索图不断地进行剪枝。
(7)与/或树搜索(and/or tree search): 问题求解时,节点的关系网已经在机器内展开成与/或树,搜索技术保证对这种树找出问题求解的最优途径,以便迅速达到解的终结条件,与/或树搜索采用一定策略而不是遍历性搜索,效率较高。
(8) 启发式与/或树搜索(heuristic and/or tree search): 引入启发规则的与/或树搜索。启发式树的相当一部分节点及其后继节点非封闭,起大量删枝的作用,可以较迅速地完成搜索。
(9)博弈树搜索(game tree search):当有α、β博弈双方时,信息树α、β双方任何一个行动展开成不同形式。这种信息树的搜索叫做博弈树搜索。
(10)最大最小搜索(mini max search):双人博弈策略。A方以自己的标准移动有最大值的位置,B方则以选择对A来说是最小值的位置作为反应。
(11)有序搜索(ordering search): 一种利用启发性信息来选择最有希望且处于最佳路径上的节点进行扩展的启发式搜索,节点的选择采用估价函数来实现,也称为最佳优先搜索。
(12)双向搜索(bidirectional search):从初始节点和目标节点集合同时向外进行的搜索过程。当两个方向的搜索边域以某种合适的形式会合时,搜索过程就以成功而告结束。
(13)并行搜索(parallel search):同时从若干节点开始的搜索过程。在研究人类长期记忆的联想理论方面的系统HAM中有这一过程。例如,它并行地搜索若干节点以决定连接它们的路径是否与记忆中和研究中的一致。
(14)交叉搜索(intersection search): 利用语义网表达知识进行问题求解的一种早期方法。它从两个节点的每一个节点同时开始搜索,观察它们的交叉节点,以寻找对象之间的关系。
在线咨询
