專家與決策支持系統-第五章分析課件

第五章專家系統與智能決策支持系統5.1專家系統5.2智能決策支持系統第五章專家系統與智能決策支持系統

5.1專家系統5.1.1專家系統簡介5.1.2專家系統的基本結構及工作原理5.1.3產生式規(guī)則專家系統5.1.4專家系統示例5.1專家系統5.1.1專家系統簡介5.1.1專家系統簡介一、專家系統的概念二、專家系統的基本特征三、專家系統與常規(guī)計算機程序的區(qū)別四、專家系統的應用5.1.1專家系統簡介一、專家系統的概念一、專家系統的概念迄今為止，關于專家系統還沒有一個公認的嚴格定義，一般認為：（1）它是一個智能程序系統；（2）它具有相關領域內大量的專家知識；（3）它能應用人工智能技術模擬人類專家求解問題的思維過程進行推理，解決相關領域內的困難問題，并且達到領域專家的水平。專家系統——就是一種在相關領域中具有專家水平解題能力的智能程序系統，它能運用領域專家多年積累的經驗與專門知識，模擬人類專家的思維過程，求解需要專家才能解決的困難問題。一、專家系統的概念迄今為止，關于專家系統還沒有一個公認的嚴格二、專家系統的基本特征

1.具有專家水平的專門知識一般來說，專家系統中的知識可分為三個層次，即數據級、知識庫級和控制級。數據級知識是指具體問題所提供的初始事實以及問題求解過程中所產生的中間結論、最終結論等。如，病人的癥狀、化驗結果以及由專家系統推出的病因、治療方案等。知識庫級知識是指專家的知識，例如醫(yī)學常識、醫(yī)生診治疾病的經驗等。控制級知識是用于控制系統的運行過程及推理的知識。如，搜索策略、推理方法等。任何一個專家系統都是面向一個具體領域的，求解的問題僅僅局限于一個較窄的范圍內。二、專家系統的基本特征1.具有專家水平的專門知識2.能進行有效的推理專家系統的根本任務是求解領域內的現實問題。問題的求解過程是一個思維過程，即推理過程。專家系統必須具有相應的推理機構，能根據用戶提供的已知事實，通過運用掌握的知識，進行有效的推理，以實現對問題的求解。專家系統的推理機制多種，有：精確推理、不確定性推理、不完全推理和試探性推理等。需根據問題領域的特點，分別進行設計。2.能進行有效的推理專家系統的根本任務是求解領域內的現實問3.具有獲取知識的能力目前專家系統在知識獲取方面的能力還較弱，當前應用較多的是建立知識編輯器，知識工程師或領域專家通過知識編輯器把領域知識“傳授”給專家系統，建立知識庫。一些高級專家系統目前正在建立一些自動獲取工具，使系統自身具有學習能力，能從系統運行的實踐中不斷總結出新的知識。知識獲取工具——搜索工具、數據挖掘技術。3.具有獲取知識的能力目前專家系統在知識獲取方面的能力還較4.具有靈活性在大多數專家系統中，其體系結構都采用了知識庫與推理機相分離的構造原則，彼此既有聯系，又相互獨立。好處是：①在系統運行時能根據具體問題要求分別選取合適的知識構成不同的求解序列，實現對問題的求解。②一方進行修改時不致影響到另一方。③便于把一個技術上成熟的專家系統變?yōu)橐粋€專家系統工具。4.具有靈活性在大多數專家系統中，其體系結構都采用了知識庫5.具有透明性一個計算機程序系統的透明性是指，系統自身及其行為能被用戶所理解。專家系統具有較好的透明性，是因為它具有解釋功能。6.具有交互性專家系統一般都是交互式系統。5.具有透明性一個計算機程序系統的透明性是指，系統自身及其7.具有實用性專家系統是根據領域問題的實際需求開發(fā)的，這決定了它具有堅實的應用背景，已廣泛應用于多個領域。8.具有一定的復雜性和難度多種需要解決的困難問題，如不確定性知識的表示、不確定性的傳遞算法、匹配算法等等。7.具有實用性專家系統是根據領域問題的實際需求開發(fā)的，這決三、專家系統與常規(guī)計算機程序的區(qū)別

（1）常規(guī)的計算機程序是對數據結構以及作用于數據結構的確定型算法的表述，即常規(guī)程序=數據結構+算法而專家系統是通過運用知識進行推理，力求在問題領域內推導出滿意的解答，即專家系統=知識+推理

三、專家系統與常規(guī)計算機程序的區(qū)別（1）常規(guī)的計算機程序是（2）常規(guī)程序把關于問題求解的知識隱含于程序中，而專家系統則把應用領域中關于問題求解的知識單獨組成一個知識庫。常規(guī)程序將其知識組織為兩極，即數據級和程序級，而專家系統將其知識組織成三級，即數據級、知識庫級和控制級。（2）常規(guī)程序把關于問題求解的知識隱含于程序中，而專家系統則（3）常規(guī)程序一般是通過查找或計算來求取問題的答案，基本上是面向數值計算和數據處理的，而且在問題求解過程中先后順序都是由程序規(guī)定的；而專家系統是通過推理來求取問題的答案或證明某個假設，本質上是面向符號處理的，其推理過程隨著情況的變化而變化，具有不確定性和靈活性。（3）常規(guī)程序一般是通過查找或計算來求取問題的答案，基本上是（4）常規(guī)程序處理的數據多是精確的；而專家系統處理的數據及知識大多是不精確的、模糊的，知識的模式匹配也多是不精確的，需要為其設定閾值。（5）常規(guī)程序一般不具有解釋功能，而專家系統一般具有解釋機構，可對自己的行為作出解釋。（6）常規(guī)程序與專家系統具有不同的體系結構。（4）常規(guī)程序處理的數據多是精確的；而專家系統處理的數據及知四、專家系統的應用(1)翻譯系統：對觀測到的數據,用已設定的含義來解釋它，如語言翻譯、語言理解、圖像分析、化學結構說明、信號翻譯等。(2)預測系統：對未來情況推出可能的結果,如天氣預報、人口預測、交通預測、軍事預報等。(3)診斷系統：從可觀測事物中推出系統的故障,即從所觀測的不正常行為找出潛在的原因,如醫(yī)學、電子學、機械、軟件診斷等。四、專家系統的應用(1)翻譯系統：對觀測到的數據,用已設定(4)設計系統：設計滿足目標要求的方案,即根據目標及各子目標間的相互關系構成方案,并證明這些方案和提出的目標要求相一致,如電路設計、建筑設計以及預算的編制。(5)規(guī)劃系統：設計行為動作,即利用對象的行為特征模型來推論對象的行為動作,如自動程序設計、機器人、計劃、通訊、軍事等規(guī)劃問題。(6)監(jiān)控系統：對系統行為的觀測指出規(guī)劃行為中不足之處,如計算機輔助監(jiān)控系統用于原子能工廠、航空、治病、煤礦安全等。

(4)設計系統：設計滿足目標要求的方案,即根據目標及各子目標(7)調試系統：指出故障的補救方法。它依靠規(guī)劃設計和預測的能力來產生正確處理某個診斷問題的提示或推薦方案。(8)維修系統：執(zhí)行一個規(guī)劃來完成某一個診斷問題的治療方法。這類系統綜合了調試、規(guī)劃和執(zhí)行的能力。如：汽車設備維修ES。(9)控制系統：一個專家控制系統能自動控制系統的全部行為。它反復解釋當前情況,預測未來,診斷問題的產生原因,做出處理的計劃以及監(jiān)督系統運行,并保證正常的操作。控制系統已應用在航空控制、商務管理、戰(zhàn)場指揮等方面。

(7)調試系統：指出故障的補救方法。它依靠規(guī)劃設計和預測的5.1.2

專家系統的基本結構及工作原理一、基本結構二、工作原理5.1.2

專家系統的基本結構及工作原理一、基本結構一、基本結構人機接口知識獲取機制知識庫推理機制解釋機制動態(tài)存儲器專家系統基本體系結構核心一、基本結構人知識獲取機制知識庫推理機制解釋機制動態(tài)存儲器專二、工作原理1.知識庫知識庫是知識的存儲機構，用于存儲領域內的原理性知識、專家的經驗性知識以及有關的事實等。知識庫中的知識來源于知識獲取機構，同時它又為推理機制提供求解問題所需的知識。知識庫中的知識以產生式規(guī)則形式表示，規(guī)則形式如：前提→結論或IF條件lAND條件2…

AND條件NTHEN動作或結論

二、工作原理1.知識庫例如,某計算機故障診斷專家系統的知識庫中存儲了數百條關于計算機故障診斷的產生式規(guī)則,其中的一條規(guī)則為：RULE1：IF外部電源插座電壓正常AND計算機內電源輸入電壓為零AND電源插座電壓正常AND電源插座到計算機的電源線完好THEN計算機的電源開關故障

例如,某計算機故障診斷專家系統的知識庫中存儲了數百條關于計為了表達專家知識的復雜概念,知識庫中的規(guī)則分級存儲,整個知識庫形成一個樹形結構，其中的規(guī)則也可嵌套,例如,在某動物識別專家系統中有如下三條規(guī)則形成了一個嵌套結構：RULE1：IF動物有奶THEN該動物是哺乳動物RULE2：IF動物吃肉THEN該動物是食肉動物RULE3：IF動物是哺乳動物AND動物是食肉動物AND動物是黃褐色AND動物身上有黑條紋THEN該動物是老虎為了表達專家知識的復雜概念,知識庫中的規(guī)則分級存儲,整個知識2.推理機制推理機制主要有兩個任務,一是推理（知識的運用）,即從知識庫中已有的知識中推導出所需要的結論和知識；二是控制搜索過程（知識的選擇）,即確定知識庫中規(guī)則的掃描順序,決定在每個控制信息下要觸發(fā)的規(guī)則。推理機的性能與構造一般與知識的表示方式和組織方式有關，但與知識的內容無關，這有利于保證推理機與知識庫的相對獨立性。為提高系統的運行效率，采取：啟發(fā)性知識，啟發(fā)式搜索。2.推理機制推理機制主要有兩個任務,一是推理（知識的運3.解釋機制能夠對系統的行為作出解釋，是專家系統區(qū)別于一般程序的重要特征之一，也是它取信于用戶的一個重要措施。另外，通過對自身行為的解釋還可幫助系統建造者發(fā)現知識庫和推理機中的錯誤，有利于對系統的調試及維護。解釋機構由一組程序組成，它能跟蹤并記錄推理過程，當用戶提出詢問需要給出解釋時，它將根據問題的要求分別做相應的處理，最后把解答用約定的形式通過人機接口輸出給用戶。3.解釋機制能夠對系統的行為作出解釋，是專家系統區(qū)別于一4.知識獲取機制（一）知識獲取的方式知識獲取是建立知識庫的重要基礎,是專家系統開發(fā)中最關鍵也最艱難的一步,被稱為專家系統開發(fā)的“瓶頸”。專家系統的下一步是開發(fā)更好的知識獲取工具。當前,知識獲取有三種主要形式。

4.知識獲取機制（一）知識獲取的方式(l)人工獲取。領域專家與知識工程師交流，提供領域的知識，知識工程師將領域知識概念化、形式化、編碼、測試，并將結果與領域專家的經驗比較，經這樣多次反復逐步完善知識庫。領域專家知識工程師知識庫(l)人工獲取。領域專家與知識工程師交流，提供領域的知識

(2)交互式學習。領域專家利用獲取工具，在知識工程師的協作下，直接與計算機交互學習。領域專家知識工程師知識庫(2)交互式學習。領域專家利用獲取工具，在知識工程師的協(3)自動知識獲取。計算機在領域專家和知識工程師的配合下，直接從樣本中獲取知識，其中樣本包括實驗數據、問題求解的實例、文本、數據庫數據和Web上的資料等。樣本知識庫領域專家知識工程師(3)自動知識獲取。計算機在領域專家和知識工程師的配合下，直（二）知識獲取的步驟（1）領域確定和問題定義。在這一階段，需確定知識庫的應用領域和問題的類型，從而確定知識的來源，【例如】有經驗的領域專家、文檔、實驗數據和已經被成功解決的問題的實例等。（2）領域知識的概念化。這是最重要的階段，在這一階段中知識工程師和領域專家彼此協作將領域知識形式化為某些基本概念和概念關系的抽象形式，即將事實和關系變換成與領域無關的、易于在知識庫存貯和處理的知識結構。（二）知識獲取的步驟（1）領域確定和問題定義。在這一階段，需（3）知識的形式化和編碼。在這一階段，將所獲取的領域知識轉化為執(zhí)行的計算機程序，【例如】“If····then”規(guī)則等。（4）系統測試和查錯。通過測試檢查知識庫中的錯誤、不一致性和不完整性等。引起這一類錯誤的主要原因有：①專家在這一領域的知識不完備；②專家在特定場合的經驗有問題；③某些知識的形式化不嚴密；④遺漏了某些事實和事實之間的關系；⑤含有非法和不能應用的語句；⑥缺少了領域專家的關鍵啟發(fā)式知識等。（5）知識優(yōu)化和系統完善。主要是通過求解實際問題來對冗余的規(guī)則、形成死循環(huán)的規(guī)則、不相容、不一致和互相沖突的規(guī)則進行修改的過程。（3）知識的形式化和編碼。在這一階段，將所獲取的領域知識轉化5.動態(tài)存儲器動態(tài)存儲器又稱為“黑板”或者“工作存儲器”。它是用于存放用戶提供的初始事實、問題描述以及系統運行過程中得到的中間結果、最終結果、運行信息等。動態(tài)存儲器的內容是不斷變化的。在求解問題的開始時，它存放的是用戶提供的初始事實；在推理過程中它存放每一步推理所得到的結果。同時,動態(tài)存儲器還保存一次推理過程中的全部推理路徑,供解釋推理過程時使用。

5.動態(tài)存儲器動態(tài)存儲器又稱為“黑板”或者“工作存儲器”。6.人機接口人機接口是專家系統與領域專家或知識工程師及一般用戶間的界面，由一組程序及相應的硬件組成，用于控制人機交互過程,使用戶能夠以方便、直觀的形式進行人機對話,同時充分發(fā)揮用戶人機對話中的主觀能動性,盡可能地避免用戶的誤操作，用于完成輸入輸出工作。

6.人機接口人機接口是專家系統與領域專家或知識工程師及一般5.1.3產生式規(guī)則專家系統一、產生式規(guī)則及特點二、推理方法三、推理樹四、推理樹的搜索五、不確定性推理5.1.3產生式規(guī)則專家系統一、產生式規(guī)則及特點一、產生式規(guī)則產生式規(guī)則知識一般表示為：ifAthenB,或表示為：“如果A成立則B成立”，簡化為：A→B。產生式規(guī)則知識允許有以下的特性：(1)相同的條件可以得出不同的結論。如：A→BA→C(2)相同的結論可以由不同的條件來得到。如：A→GB→G

(3)條件之間可以是"與"(AND)連接和"或"(OR)連接。如:A∧B→GA∨B→G(相當于A→G,B→G）(4)一條規(guī)則中的結論,可以是另一條規(guī)則中的條件。如：F∧B→ZC∧D→F

一、產生式規(guī)則產生式規(guī)則知識一般表示為：ifAthen產生式規(guī)則的特點(1)產生式規(guī)則知識表示形式容易被人理解；(2)它是基于演繹推理的。這樣,它保證推理結果的正確性；(3)大量產生式規(guī)則所連成的推理樹(知識樹)可以是多棵樹。從樹的寬度看,反映了實際問題的范圍。從樹的深度看,反映了問題的難度。這使專家系統適應各種實際問題的能力很強。產生式規(guī)則的特點(1)產生式規(guī)則知識表示形式容易被人理解；二、推理方法1.正向推理從已知數據信息出發(fā)，正向使用規(guī)則（讓規(guī)則的前提與數據庫匹配），求解待解的問題。它要求用戶首先輸入有關當前問題的信息作為數據庫中的事實。

2.逆（反）向推理從目標開始,尋找以此目標為結論的規(guī)則,并對該規(guī)則的前提進行判斷。若該規(guī)則的前提中某個子項是另一規(guī)則的結論,再找此結論的規(guī)則,重復以上過程,直到對某個規(guī)則的前提能夠進行判斷。按此規(guī)則前提判斷("是"或"否")得出結論的判斷,由此回溯到上一個規(guī)則的推理,一直回溯到目標的判斷。

3.混合推理二、推理方法1.正向推理三、推理樹按逆向推理思想把規(guī)則庫所含的總目標(它是某些規(guī)則的結論)作為根結點,按規(guī)則的前提和結論展開成一棵樹的形式。這棵樹一般稱為推理樹或知識樹,它把規(guī)則庫中的所有規(guī)則都連結起來。由于連結時有"與"關系和"或"關系,從而構成了"與,或"推理樹。

三、推理樹按逆向推理思想把規(guī)則庫所含的總目標(它是某些規(guī)則例：若有規(guī)則集為：A∨(B∧C)→G(I∧J)∨K→AX∧F→JL→B

M∨E→CW∧Z→MP∧Q→E

規(guī)則集的逆向推理樹注：圖中兩斜線中間有弧線表示“與”關系，無弧線表示“或”關系GAIJKXFBLCMEWZPQ例：若有規(guī)則集為：規(guī)則集的逆向推理樹注：圖中兩斜線中間有弧線該“與、或”推理樹的特點是：(1)每條規(guī)則對應的結點分枝有與(AND)關系、或(OR)關系。(2)樹的根結點是推理樹的總目標。(3)相鄰兩層之間有一條或多條規(guī)則連接。(4)每個結點可以是單值,也可以是多值。若結點是多值,各值對應的規(guī)則將不同。(5)所有的葉結點都安排向用戶提問,或者把它的值直接放在事實數據庫中。

逆向推理樹的一般形式該“與、或”推理樹的特點是：逆向推理樹的一般形式廣度優(yōu)先搜索示意圖深度優(yōu)先搜索示意圖四、推理樹的搜索

基本搜索方法（1）廣度優(yōu)先搜索法（2）深度優(yōu)先搜索法廣度優(yōu)先搜索示意圖深度優(yōu)先搜索示意圖四、推理樹的搜索（一）推理樹的深度優(yōu)先搜索逆向推理的搜索過程（一）推理樹的深度優(yōu)先搜索逆向推理的搜索過程在計算機中實現時,并不把規(guī)則連成推理樹,而是利用規(guī)則棧來完成。當調用此規(guī)則時,把它壓入棧內(相當于對樹的搜索),當此規(guī)則的結論已求出(yes或no)時,需要將此規(guī)則退棧(相當于對樹的回溯)。利用規(guī)則棧的壓入和退出的過程,相當于完成了推理樹的深度優(yōu)先搜索和回溯過程。規(guī)則號前提表結論I3I，JA1AG規(guī)則棧在計算機中實現時,并不把規(guī)則連成推理樹,而是利用規(guī)則棧來完成（二）結點的否定從上例可見,每個結點有兩種可能,即yes和no,葉結點為no是由用戶回答形成的。中間結點為no是由葉結點為no,回溯時引起該結點為no。對中間結點的否定需要注意的是,當該結點還有其它“或條件”分枝時,不能立即確定該結點為no,必須再搜索另一分枝,當另一分枝回溯為yes時,該結點仍為yes。中間結點只有所有“或”分枝的回溯值均為no時，才能最后確定該中間結點為no。

（二）結點的否定從上例可見,每個結點有兩種可能,即yes和n五、不確定性推理（一）事實的不確定性事實有時稱為證據。它有不確定性因素,如含糊性(事實的意義不明確或有歧義,需要上下文才能確定)、不完全性(如變化的市場,獲得完整的信息是不可能的)、不正確性與不精確性(事實的觀測結果與真實情況有差別)、隨機性、模糊性等。事實的不確定性一般用可信度CF(certaintyfactor)值表示,它的取值范圍為： 0≤CF≤l 或 0≤CF≤100例如："肺炎CF=0.8"表示某病人患肺炎的可信度為0.8(80%)。

五、不確定性推理（一）事實的不確定性(二)規(guī)則的不確定性

規(guī)則反映了客觀事物的規(guī)律性。大量的實際問題中,專家掌握的規(guī)則大多是經驗性的,不是精確的。精確規(guī)則主要是公式、公理、定律、定理等。經驗性規(guī)則是不確定性的。規(guī)則的不確定性也用可信度CF值來表示。例如：“如果聽診=干鳴音則診斷=肺炎CF=0.5”表示對病人的聽診是干鳴音而診斷病人患肺炎的可信度只有0.5(50%)。(二)規(guī)則的不確定性規(guī)則反映了客觀事物的規(guī)律性。大量的實際(三)推理的不確定性

規(guī)則中事實(證據)之間的連接有兩種形式,即“與(AND)”連接和“或(OR)”連接。

1.前提中AND(與)連接時結論的可信度計算公式規(guī)則形式：IFE1∧E2∧…∧EnTHENHCF(R)

結論H的可信度為：CF(H)=CF(R)×MIN{CF(E1),CF(E2)…

CF(En)}該公式表示,由于每個證據Ek的不確定性,可信度為CF(Ek),k=1,2,…n,以及規(guī)則不確定性,可信度為CF(R),利用該規(guī)則的推理,得到結論H的不確定性,可信度為CF(H)。結論H的可信度等于規(guī)則可信度乘以所有證據可信度的最小者。

(三)推理的不確定性規(guī)則中事實(證據)之間的連接有兩種形2.前提中OR(或)連接時結論的可信度計算公式規(guī)則形式：IFE1ORE2THENHCF(R)需要把它轉化成等價的兩條規(guī)則,即IFE1THENHCF(R)IFE2THENHCF(R)如果最初就是單獨兩條規(guī)則,而且有不同的可信度,如：IFE1THENHCF(R1)IFE2THENHCF(R2)則它們不能合并成一條規(guī)則(用OR連接),因為可信度不能合并成一個。2.前提中OR(或)連接時結論的可信度計算公式對于這個更一般的情況,結論H的可信度分別有：CF1(H)=CF(Rl)×CF(E1)CF2(H)=CF(R2)×CF(E2)

合并為：CF(H)=CFl(H)+CF2(H)-CFl(H)×CF2(H)對于三條規(guī)則,如：IFE1THENHCF(R1)IFE2THENHCF(R2)IFE3THENHCF(R3)對于這個更一般的情況,結論H的可信度分別有：先按兩條規(guī)則合并方法計算出:CF12(H)=CF1(H)+CF2(H)-CF1(H)×CF2(H)再將它和第三條規(guī)則合并:CF(H)=CF12(H)+CF3(H)-CF12(H)×CF3(H)其中 CF3(H)=CF(R3)×CF(E3)對多于三條規(guī)則,類似于上面方法逐步合并直到包含所有規(guī)則(即所有規(guī)則中前提不相同而結論相同)。這些規(guī)則有不同的可信度,如果這些規(guī)則有相同的可信度,它們可合并成一條以"OR(或)"連接的復合規(guī)則。

先按兩條規(guī)則合并方法計算出:（四）確定性推理與

不確定性推理的區(qū)別區(qū)別：

①可信度（CF）的差別確定性推理CF=1；不確定性推理0＜CF＜1

②推理過程的差別相同結論具有多個規(guī)則的情況：對于確定性推理，只要搜索出其中一條滿足要求的規(guī)則（即該規(guī)則可推得結論），其他規(guī)則就不再搜索。對于不確定性推理,當某個結論的可信度不為1時(即CF≠1),對于相同結論的其它規(guī)則仍然要進行推理,求結論的可信度,并和已計算出該結論的可信度進行合并。

（四）確定性推理與

不確定性推理的區(qū)別區(qū)別：例如,有兩條相同結論的規(guī)則R1:A→GR2:B∧C→G確定性推理過程為：先引用規(guī)則R1,提問A?當回答為yes時,推得結論G成立,即yes,這樣就不再搜索R2對結論G進行推理。對于不確定性推理,該兩規(guī)則均含可信度。R1:A→GCF(0.8)R2:B∧C→GCF(0.9)例如,有兩條相同結論的規(guī)則推理時,先引用規(guī)則R1,提問A?當回答為yes時,還需給定A的可信度,設為CF(0.7),按公式求得G的可信度為:CF1(G)=0.8×0.7=0.56由于G的可信度不為1,還必須對結論G的其它規(guī)則進行推理。再引用規(guī)則R2,提問B和C。設回答B(yǎng)為yes,CF(0.7),回答C為yes,CF(0.8),計算G的可信度為:CF2(G)=0.9×min(0.7,0.8)=0.63合并G的可信度為:

CF(G)=CF1(G)+CF2(G)-CF1(G)×CF2(G)=0.56+0.63-0.56×0.63=0.84

要說明一點，當某個證據用戶回答為no時,不用給可信度,它的可信度CF=0。推理時,先引用規(guī)則R1,提問A?當回答為yes時,還需給定A應用舉例：有如下規(guī)則集和可信度：

R1:A∧B∧C→GCF(0.8)R2:D∨E→ACF(0.7)R3:J∧K→BCF(0.8)R4:P∨Q→CCF(0.9)R5:F∨(R∧S)→DCF(0.6)已知事實及可信度：F(0.4),R(0.5),S(0.6),E(n),J(0.4),K(0.6),P(n),Q(0.4)。應用舉例：有如下規(guī)則集和可信度：SRFQPKJEDCBAG規(guī)則集的逆向推理樹SRFQPKJEDCBAG規(guī)則集的逆向推理樹推理求解過程：（一）把規(guī)則分解為只含AND(∧)連接的規(guī)則，消去OR(∨)連接的規(guī)則：R1:A∧B∧C→GCF(0.8)R21:D→ACF(0.7)R22:E→ACF(0.7)R3:J∧K→BCF(0.8)R41:P→CCF(0.9)R42:Q→CCF(0.9)R51:F→DCF(0.6)R52:R∧S→DCF(0.6)推理求解過程：（一）把規(guī)則分解為只含AND(∧)連接的規(guī)則（二）利用規(guī)則進行逆向推理從目標G開始搜索規(guī)則庫，推理過程為：（1）引用R1規(guī)則求A。（2）引用R21規(guī)則求D。（3）引用R51規(guī)則求F。提問F？回答yes，CF(0.4)計算D的可信度為：CF1(D)=0.4×0.6=0.24（4）引用R52規(guī)則求R和S。提問R？回答yes，CF(0.5)提問S？回答yes，CF(0.6)CF2(D)=0.6×min{0.5,0.6}=0.3合并D結點的可信度為：CF(D)=0.24+0.3－0.24×0.3=0.468≈0.47（二）利用規(guī)則進行逆向推理（5）回溯到規(guī)則R21，計算A的可信度：CF1(A)=0.47×0.7=0.329≈0.33（6）引用R22規(guī)則求E。提問E？回答no，即CF(0)=0，計算A的可信度：CF2(A)=0×0.7=0合并A的可信度為：CF(A)=0.33+0-0.33×0=0.33（7）回溯到R1規(guī)則求B。（8）引用R3規(guī)則求J和K。提問J？回答yes，CF(0.4)提問K？回答yes，CF(0.6)計算B的可信度：CF(B)=0.8×min{0.4,0.6}=0.32（5）回溯到規(guī)則R21，計算A的可信度：（9）回溯到R1規(guī)則求C。（10）引用R41規(guī)則求P。提問P？回答no，即CF(0)=0，計算C的可信度：CF1(C)=0.9×0=0（11）引用R42規(guī)則求Q。提問Q？回答yes，CF(0.4)，計算C的可信度：CF2(C)=0.4×0.9=0.36合并C的可信度為：CF(C)=0+0.36-0×0.36=0.36（12）回溯到R1規(guī)則CF(G)=0.8×min{0.33,0.32,0.36}=0.256因此，目標G成立的可信度為0.256。（9）回溯到R1規(guī)則求C。（三）該問題的成功推理路徑的解釋1.F成立的可信度為0.4，用戶回答的事實2.R成立的可信度為0.5，用戶回答的事實3.S成立的可信度為0.6，用戶回答的事實4.D成立的可信度為0.47，由規(guī)則R51，R52推出5.A成立的可信度為0.33，由規(guī)則R21推出6.J成立的可信度為0.4，用戶回答的事實7.K成立的可信度為0.6，用戶回答的事實8.B成立的可信度為0.32，由規(guī)則R3推出9.Q成立的可信度為0.4，用戶回答的事實10.C成立的可信度為0.36，由規(guī)則R42推出11.G成立的可信度為0.256，由規(guī)則R1推出（三）該問題的成功推理路徑的解釋1.F成立的可信度為0練習：有如下規(guī)則集和可信度：

R1:A∧B→GCF(0.9)R2:C∨D∨E→ACF(0.8)R3:F∧H→BCF(0.8)R4:I→DCF(0.7)R5:K→HCF(0.9)已知事實及可信度：C(0.8),I(0.9),E(0.7),F(0.8),K(0.6)。請用逆向推理求得結論G成立的可信度，并對成功路徑進行解釋說明。HFEDBAGCIK練習：有如下規(guī)則集和可信度：HFEDBAGCIK5.1.4專家系統示例PC計算機故障診斷指導專家系統（PCDGES）

1.系統目標及工作范圍目標：為計算機初級用戶提供一個有關PC計算機故障的咨詢工具軟件，回答用戶有關計算機故障的問題，并提出相應的故障處理策略。工作范圍：部件級的故障診斷咨詢。5.1.4專家系統示例PC計算機故障診斷指導專家系統（P2.知識獲取現象可能的故障部位加電后無反應,喇叭不響

電源系統

喇叭重復短聲

主板

喇叭發(fā)出一長兩短聲

顯示器電路

屏幕顯示1701

硬盤

無視頻信號進入監(jiān)視器

到監(jiān)視器的電纜

……2.知識獲取現象可能的故障部位加電后無反應,喇叭不響計算機故障主診斷流程示意圖故障檢查測試流程示意圖計算機故障主診斷流程示意圖故障檢查測試流程示意圖3.知識表示系統采用產生式規(guī)則表達診斷知識,整個系統的知識分級分塊存放,所建立知識庫結構呈非對稱樹形結構。

圖中的空白方框表示存儲特定硬件模塊診斷知識的分級規(guī)則庫,小圓圈表示最底層的診斷規(guī)則,即知識庫的葉子結點。

PCDGES知識庫機構簡圖3.知識表示系統采用產生式規(guī)則表達診斷知識,整個系統的知知識庫中一些典型規(guī)則:RULE1：IF

第1類系統錯,

AND

第1類啟動錯,

AND

第4類報錯叫聲,

THEN

系統板有問題，應修理或更換RULE2：IF啟動不正常

THEN第1類系統錯

RULE3：IF啟動時出現加電檢查錯(POST失敗)

THEN第1類啟動錯

RULE4：IF一聲長叫,一聲短叫THEN第4類叫聲

………知識庫中一些典型規(guī)則:RULE1：IF 第1類系統錯4.軟件實現

（1）知識庫RULEl:diagm(“系統板”):— (結論)checkc(“系統”,‘1’),(檢查是否第1類系統錯)checkc(“啟動‘,’1‘),(檢查是否第1類啟動錯)checkc(“叫聲”,‘4’),(檢查是否第4類報錯叫聲)cause(“系統板”).(顯示結論信息)

RULE2:checkc(“系統”,‘1’):—cond(1,“系統啟動失敗”).

RULE3:checkc(“啟動‘,’1‘):—cond(2,“加電后屏幕無反應”),cond(3,“機內電源電壓正?！?.RULE4:checkc(“叫聲”,‘4’):—cond(4,“系統啟動失敗”),cond(5,“喇叭一聲長叫,一聲短叫”).RULE5:cause(“系統板”):—write("系統板有問題,應修理或更換").

4.軟件實現（1）知識庫（2）推理機系統采用反向為主正向為輔的精確推理策略。推理機運行時先反向推理,即假設一個可能成立的子目標(故障結論),試圖用知識庫或動態(tài)數據庫的事實證明它為真；若證明失敗,則系統向前搜索(正向推理),直到發(fā)現另一個假設(故障結論),再重復使用反向推理,試圖證明它為真。這個過程周而復始,直到所有目標被證明為真或所有可能的路徑都已測試。

（2）推理機系統采用反向為主正向為輔的精確推理策略。推理機運（3）解釋機制采用WHY解釋方法，用于回答用戶有關為什么做出某種決策或進行某個詢問的問題。在該模塊的實現過程中,應用了TURBOPROLOG的模式匹配功能,字符串處理功能,窗口管理功能、類型轉換功能等。

PCDGES解釋機制基本程序框圖（3）解釋機制采用WHY解釋方法，用于回答用戶有關為什么做出（4）人機接口PCDGES的人機接口采用交互式人機接口。系統菜單分為四級,一級為系統總控菜單；二級為診斷主控菜單；三級為診斷范圍選擇及知識庫選擇菜單；四級是故障現象選擇,咨詢對話等菜單。

PCDGES人機接口基本結構圖（4）人機接口PCDGES的人機接口采用交互式人機接口。PCPCDGES的四個典型菜單

診斷問題基本菜單

1）啟動問題2）運行問題

3）硬盤問題4）軟盤問題

5）顯示問題

6）鍵盤問題

7）打印機問題8）退出

啟動問題類型菜單

1）啟動時加電檢查錯(POST失敗〉2）電源燈不亮,屏幕不顯示,盤不工作3）電源燈亮,屏幕無任何顯示,盤不工作4）POST正常,但不能啟動

初始診斷時的叫聲類型菜單

1）無叫聲,機器無反應

2）一聲短叫,磁盤燈亮

3）連續(xù)叫

4）一聲長叫,一聲短叫

5）一聲長叫,兩聲短叫

6）一聲短叫,屏幕變黑或顯示不正常

7）重復的短叫聲

8）一聲短叫,即出現BASIC提示符硬盤癥狀類型菜單

1）訪問硬盤時裝人燈不亮

2）讀寫不完整

3）讀正確,但寫不正確

4）運行CHKDek時出錯

5）響聲異常

6）丟掉了所存信息

PCDGES的四個典型菜單診斷問題基本菜單（5）知識獲取機制知識獲取機制向用戶提供了一個編輯器,可用于編輯、修改整個知識庫；同時還有一個獨立于推理機的半自動化知識獲取智能接口,可以“告知”學習的方式進行知識獲取。用戶通過與PCDGES系統對話,“告知”系統必要的知識,智能接口就把這些知識自動轉化為專家系統的內部表示形式而存入知識庫。

PCDGES知識獲取機制的基本結構圖（5）知識獲取機制知識獲取機制向用戶提供了一個編輯器,可用視頻實例骨骼系統專家肌肉系統專家海頓新科預知維修診斷系統毛發(fā)分析診斷系統1.豬雞健康管理與疾病輔助診治系統/2.農業(yè)專家系統（又叫農業(yè)智能系統），:4000/2.黃巖區(qū)農業(yè)專家系統/main/gb2312/index.jsp#視頻實例5.2智能決策支持系統5.2.1智能決策支持系統結構及特征5.2.2智能決策支持系統的實現技術5.2.3智能決策支持系統的示例5.2智能決策支持系統5.2.1智能決策支持系統結構及5.2.1智能決策支持系統結構及特征一、智能決策支持系統（IDSS）概念在決策支持系統(DSS)的基礎上集成人工智能的專家系統(ES)而形成的信息系統。

5.2.1智能決策支持系統結構及特征一、智能決策支持系統（二、智能決策支持系統結構人機交互與問題處理系統模型庫管理系統數據庫管理系統知識庫管理系統推理機模型庫知識庫數據庫IDSS結構圖二、智能決策支持系統結構人機交互與問題處理系統模型庫管理系統IDSS的集成結構數據庫DBDSS控制系統模型庫MB動態(tài)DB知識庫KB推理機和解釋器人機交互與問題處理系統DSSES集成系統IDSS的集成結構數據庫DSS模型庫動態(tài)知識庫推理機人機交互IDSS的三種集成形式

（一）DSS和ES并重的IDSS結構由集成系統完成對DSS和ES的控制和調度,根據問題的需要協調DSS和ES的運行。集成系統可以有兩種形式：(l)DSS和ES兩者之外的集成系統,它具有調用和集成DSS和ES的能力。

(2)將DSS人機交互與問題處理系統功能擴充,即增加對專家系統的調用組合能力。Enter特點：體現了定量與定性分析并重來解決問題。

IDSS的三種集成形式（一）DSS和ES并重的IDSS結集成系統DSSESDSS和ES并重的IDSS結構Return集成DSSESDSS和ES并重的IDSS結構Return（二）DSS為主體的IDSS結構這種集成結構形式體現了以定量分析為主體,結合定性分析解決問題的特點。這種結構中集成系統和DSS控制系統合為一體,從DSS角度來看,簡化了IDSS的結構。

DSS控制系統MBDBES這種結構中,ES相當于一類模型,即知識推理模型或稱智能模型,被DSS控制系統調用。

（二）DSS為主體的IDSS結構這種集成結構形式體現了以定量（三）ES為主體的IDSS結構這種結構形式體現了以定性分析為主體,結合定量分析的特點。這種結構中,人機交互系統和ES的推理機合為一體,從ES角度來看,簡化了IDSS的結構。1.DSS作為一種推理機形式出現,受ES中的推理機所控制。Enter這種結構中的推理機是核心：(1)對產生式知識的推理是搜索加匹配；(2)對數學模型的推理就是對方程的計算。這種結合形式的問題求解體現為推理形式。（三）ES為主體的IDSS結構這種結構形式體現了以定性分析為推理機（廣義）DSSKB動態(tài)DBDSS作為推理形式的IDSS結構圖Return推理機DSSKB動態(tài)DSS作為推理形式的IDSS結構圖Ret（三）ES為主體的IDSS結構（續(xù)）2.數學模型作為一種知識出現,即模型是一種過程性知識,體現了另一種結合形式。這種結構中，數學模型反映在推理樹中，一般在推理樹的葉結點處要進行對模型的數學運算。推理機KBMB動態(tài)DB模型作為知識的IDSS結構圖（三）ES為主體的IDSS結構（續(xù)）2.數學模型作為一種知識三、智能決策支持系統柔性特征

（1）運行柔性IDSS的運行求解過程和一般的軟件系統相比,要求有更好的“彈性”。表現在：①系統要支持多種問題求解方式,包括知識處理的方法、數學建模的方法、數據挖掘方法等；②系統要支持靈活地組織這些求解方法；③運行過程應允許用戶進行干預；④系統的運行邏輯應具有某種程度的動態(tài)可修改性。

三、智能決策支持系統柔性特征（1）運行柔性（2）結構柔性數據的多樣性和運行方式的多樣性是智能決策支持系統的特征,多樣的數據組織和運行方式被組織在同一系統框架中,而這種結構又總是面臨多變的要求,這就要求系統在結構上具有靈活的特點。多年來,"集成"一直是智能決策支持系統的研究重點,其要解決的主要問題,正是建立一種這樣的組織結構。

（2）結構柔性（3）界面柔性

智能決策支持系統不僅強調交互而且強調交互的靈活性。由于決策系統靈活多變的特點,用戶不僅需要界面的豐富多樣,而且需要界面具有某種可組織性,無需編程就可以定義輸入、輸出的形式。

（3）界面柔性（4）開放性智能決策支持系統方便與其他軟件系統的集成、嵌接，系統的可操作性、可擴充性、可移植性好。（4）開放性5.2.2智能決策支持系統的實現技術一、決策樹二、集成技術5.2.2智能決策支持系統的實現技術一、決策樹一、決策樹決策樹是一種幫助人們分析、解決決策問題的常用方法。它通過分析可以采取的決策方案及其可能出現的狀態(tài)（結果）來比較各決策方案的好壞，從而做出正確的判斷。決策問題的結構，包括決策人可能采取的行動、隨機要件（將來可能出現的自然狀態(tài)等）和各種可能后果之間的關系都可用決策樹來形象、直觀地表示。一、決策樹決策樹是一種幫助人們分析、解決決策問題的常用方法。產生決策樹的一種核心算法是Quinlan的ID3（Quinlan，1986），其擴展版本C4（Quinlan，1990）。其后，又提出了改進算法——GID3x算法（Fayyad，1994）和O-Btree算法（Fayyad和Irani，1992）。產生決策樹的一種核心算法是Quinlan的ID3（Quin（1）決策問題的要素①行動集（行動空間）A={a1,a2,…,an}。其中，ai(i=1,2,…,n)是所有可能的行動，決策者必須從中選擇一個行動，也只能采取一種行動。②狀態(tài)集（參數空間）={θ1,θ2,…,θm}。其中，θj(j=1,2,…,m)是所有可能出現的重要的自然或環(huán)境狀態(tài)。③后果集（后果空間）C={c11,c12,…,c1n,c21,c22,…,c2n,…,cm1,cm2,…,cmm}。后果函數f是笛卡兒積空間×A到后果空間的一個映射，即f:×A→C或者c=f(θ,a)。④進行試驗所可能獲得的觀察集（測度空間）X={x1,x2,…,xl}。（1）決策問題的要素①行動集（行動空間）A={a1,a2（2）決策樹結構決策樹由結點和分支構成。

決策樹的結點主要有：決策結點，用小方框“□”表示；狀態(tài)結點，用小圓圈“○”表示；結果結點，用三角形“△”表示。

決策樹的分支主要有：從決策結點出發(fā)的決策分支，表示決策人可能采取的行動ai；從狀態(tài)結點出發(fā)的狀態(tài)分支，通常狀態(tài)分支上標有狀態(tài)要件的名稱θj以及該要件發(fā)生的概率；在“樹梢”處的結果結點右側標有結果及其評價。（2）決策樹結構決策樹由結點和分支構成。（3）用決策樹進行分析基本步驟：①構成決策問題，根據決策問題繪制決策圖；②確定各種決策可能的后果并設定各種后果發(fā)生的概率；③評價和比較決策，依據一定的評價準則選擇決策者最滿意的決策。（3）用決策樹進行分析基本步驟：（3）用決策樹進行分析（實例）例如，某漁船要對下個月是否出海打魚作出決策。如果出海后是好天，可獲收益5000元，若出海后天氣變壞，將損失2000元；若不出海，無論天氣好壞都要承擔1000元損失費。據預測下月好天的概率為0.6，天氣變壞的概率為0.4，應如何選擇最佳方案?（3）用決策樹進行分析（實例）例如，某漁船要對下個月是否出海ABC出海不出海天氣好0.6天氣壞0.4天氣好0.6天氣壞0.4△5000△-2000△-1000△-1000收益期望值的計算：B點：EX=5000×0.6+(-2000)×0.4=2200（元）C點：EX=(-1000)×0.6+(-1000)×0.4=-1000（元）ABC出海不出海天氣好0.6天氣壞0.4天氣好0.6天二、集成技術（1）語義集成從最深的層次來說,系統應該在語義上成為一個整體,如數據庫的一致性,知識庫的一致性等。數據庫方面有比較成熟的理論,至于語義上的更高要求,如同名應同義等問題,在數據倉庫的最新研究中也被提出來。

二、集成技術（1）語義集成

（2）機制集成在較高的一個層次上,系統應該以某種軟件內在機制上的一致性達成集成,這種一致性既指內在機制上的,也指比較外在形式上的。這種一致化程度越高,系統集成就越平滑,系統也越容易成為一個有機的整體。20世紀80年代后興起的面向對象技術為這一層次的集成提供了一個很好的概念框架。（2）機制集成（3）接口集成最高層的集成思路是在系統互不相同的子系統之間制定某種協議,建立接口。這樣的集成在復雜系統中,是不可避免的一種形式。其優(yōu)點是不用考慮子系統的內部特點,可以集成差異很大的軟件系統,缺點是集成效率不高。如果集成接口之間缺乏統一的規(guī)范,將導致系統復雜度提高,且柔性較差。傳統的軟件集成主要研究接口集成方法,主要有三種集成方式。

（3）接口集成三種接口集成方式

①基于數據共享的方式

優(yōu)點：a）可以對所有數據進行集中式的控制和操作；b）各子系統之間可以共享一種表示形式一致的數據格式。缺點：a）必須建立復雜的軟件系統來操作這一公共數據庫；b）必須為在子系統之間通信的數據定義統一的語法和語義形式(例如,公共數據模式等)。

進入三種接口集成方式①基于數據共享的方式進入子系統1子系統2子系統3公共數據庫基于數據共享的集成方式返回子系統1子系統2子系統3公共數據庫基于數據共享的集成方式返回

②控制集成方式

在消息傳遞方式中,集成環(huán)境中的子系統通過傳遞消息來與其他子系統進行通信和申請其他子系統的服務。為了在子系統之間進行有效的通信,必須建立合適的通信機制和一定的協議。在實現機制上,需要通過一個消息服務器來實現。消息服務器負責在各個子系統之間傳播和分配消息。這些消息的內容包括：消息發(fā)送主標識、消息發(fā)送的對象或范圍以及具體的消息內容等。在通信的協議上,要求各個子系統發(fā)送的消息符合一定的語法和語義定義。

進入②控制集成方式進入私有數據庫子系統1私有數據庫子系統2私有數據庫子系統3信號信號信號使用信號傳遞的控制集成返回私有數據庫子系統1私有數據庫子系統2私有數據庫子系統3信號信

③用統一語言直接集成系統設計一種新方式,提供一種一致支持知識、模型、數據等的集成語言,統一地(無論是內部實現機制還是外部語言形式)表示智能決策支持系統中的各部分,可以為IDSS的集成提供一種徹底、有效的解決方案(這一方案實際上是機制集成的一種發(fā)展)。

③用統一語言直接集成系統5.2.3智能決策支持系統的示例稿件處理的智能決策支持系統一、問題的背景:期刊編輯部每天收到大量的稿件，手工處理大量稿件將耗費大量時間，有時難免還會出現差錯和失誤。如何高效率地處理稿件并準確地進行稿件錄用的決策，是期刊界十分關注的問題。5.2.3智能決策支持系統的示例稿件處理的智能決策支持系統稿件從提交到編輯部一直到錄用出版全過程的處理工作，主要可以分為三大方面：1.稿件處理全過程的信息管理；2.稿件的錄用決策；3.稿件刊發(fā)計劃的制定（確定稿件刊發(fā)的具體刊期）。稿件從提交到編輯部一直到錄用出版全過程的處理工作，主要可以分解決問題的途徑稿件處理全過程的信息管理可以通過建立數據庫系統來實現；(MIS)稿件的錄用決策工作可以通過建立基于知識的產生式系統——稿件錄用決策專家系統來完成，當然這里面將涉及到稿件信息的知識表示問題；(ES)稿件刊發(fā)計劃的制定工作可以通過建立一個0-1目標規(guī)劃數學模型及其軟件系統來解決。(DSS)解決問題的途徑稿件處理全過程的信息管理可以通過建立數據庫系統二、系統結構與處理流程人機交互界面稿件信息數據庫子系統稿件錄用決策子系統稿件刊發(fā)計劃子系統稿件處理的智能決策支持系統的系統結構圖二、系統結構與處理流程人機交互界面稿件信息數據庫子系統稿件錄子系統的作用與功能人機交互界面：它負責接受決策者的指令，協調各子系統工作，擔負著控制求解及推理過程的任務。稿件信息數據庫子系統：它由數據庫和數據庫管理系統構成，數據庫將記錄從稿件提交到編輯部一直到錄用出版這一稿件處理全過程的信息。數據庫管理系統完成數據的增刪、修改、更新、維護、檢索等功能。子系統的作用與功能人機交互界面：它負責接受決策者的指令，協調子系統的作用與功能（續(xù)）稿件錄用決策子系統：它由稿件信息知識表示模塊、稿件錄用決策模塊、被錄用稿件知識化信息模型生成模塊、用戶界面、以及相應知識庫和數據庫等構成。它完成稿件信息的知識表示→形成擬錄用稿件的知識化信息模型→稿件的錄用決策→形成被錄用稿件數據庫等