（计算机应用技术专业论文）基于构件的农业专家系统开发工具的设计与实现.pdf

摘要 近年来，专家系统技术已广泛的应用于我国的农业生产中，利用它指导农业 生产，对于高产、优质、高效和可持续发展农业具有显著的应用效果。组件化技 术的发展和应用，使得软件重用得到极大的实现。 本文介绍了专家系统的基本理论，和产生式、语义网络、框架、谓词逻辑等 多种知识表达方式以及国内所采用的农业知识表达方式，并描述了正向链、反向 链、不确定性等多种推理技术。还阐述了c o m 原理及其基本特性，以及c o m 组 件的实现。并通过参与云南省自然基金项目“基于构件的农业专家系统开发工具 的研究”的工作，系统地研究和分析了8 6 3 计划智能化农业信息技术云南省示 范区所使用的农业专家系统开发工具d e t 2 0 的系统结构、知识表示、知识库编译 和推理机制。在此基础上，利用d e t 2 0 中的知识表达方式对基于构件的农业专家 系统开发工具进行了总体设计，并通过编程实现了知识库编辑构件、知识库编译 构件、推理机构件等多个构件。 关键字：专家系统，农业专家系统开发工具，知识表示，推理技术，构件化技术 a b s t r n c t i nr e c e n t y e a r s ，t h et e c h n o l o g y o fe x p e r t s y s t e m h a sb e e n b r o a d l y u s e di n a g r i c u l t u r el i f ei nc h i n a ；i th a sg a i n e dr e m a r k a b l ea p p l i c a t i o ne f f e c ti nh i g hy i e l d 、h i g h q u a l i t y 、h i g he f f i c i e n c ya n ds u p p o r t e dd e v e l o p m e n ta g r i c u l t u r e a n db e c a u s ec o m t e c h n o l o g y sd e v e l o p m e n t a n d u s i n g ，s o f t w a r er e u s e h a sb e e ng r e a t l yr e a l i z e d t h i sp a p e rd e s c r i b e dt h ee s s e n t i a lt h e o r yo fe x p e r ts y s t e m ，a n dm a n yk i n d so f k n o w l e d g ee x p r e s s i o n ，s u c ha sp r o d u c i n gr u l e 、s e m a n t i cn e t w o r k 、f r a m e 、p r e d i c a t e l o g i c ，a n dk n o w l e d g ee x p r e s s i o n i nh o m e a n di tr e c o m m e n d e dm a n yk i n d so f r e a s o n i n gt e c h n o l o g y ，s u c h a sp o s i t i v ec h a i n 、i n v e r s ec h a i n 、u n c e r t a i n t yr e a s o n i n g i t d e p i c t e dp r i n c i p l e 、e s s e n t i a lc h a r a c t e ro f c o ma n dr e a l i z a t i o no fc o m t h r o u g ha t t e n d i n g t h en a t u a lf o n di t e m t h er e s e a r c ho fy u n n a na g r i c u l t u r e e x p e r ts y s t e md e v e l o p m e n tt o o t b a s e do nc o m p o n e n t ，is t u d i e da n da n a l y s i s e dt h e d e t 2 0 ，t h e a g r i c u l t u r ee x p e r ts y s t e md e v e l o p m e n t t o o lu s e d b y 8 6 3 p l a n i n t e l l i g e n t i z ea g r i c u l t u r e i n f o r m a t i o nt e c h n o l o g y y u n n a n p r o v i n c e d e m o n s t r a t i o n s e c t i o n ，i n c l u d i n gs y s t e ms t r u c t u r e ，k n o w l e d g eb a s ec o m p i l ea n dr e a s o n i n gm e c h a n i s m a c c o r d i n gt o t h ea n a l y s i sr e s u l t ，id e s i g n e dt h es y s t e ms t r u c t u r eo fd e tb a s e do n c o m p o n e n t ，u s i n gk n o w l e d g ee x p r e s s i o no fd e t 2 0 ，a n dr e a l i z e dm a n yc o m p o n e n t s ， s u c ha st h ec o m p o n e n to fe d i t i n g 、c o m p i l i n go fk n o w l e d g eb a s e 、c o m p o n e n to f r e a s o n i n gm e c h a n i s m k e yw o r d ：e x p e r ts y s t e m ，t o o lo f a g r i c u l t u r ee x p e r ts y s t e m ，k n o w l e d g er e p r e s e n t a t i o n r e a s o n i n gt e c h n o l o g y ，c o m p o n e n tt e c h n o l o g y i i 昆明理工大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下( 或 我个人) 进行研究工作所取得的成果。除文中已经注明引用的内 容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成 果。对本文的研究做出重要的个人和集体，均已在论文中作了明确地 说明并表示了谢意。本申明的法律结果由本人承担。 学位论文作者签名：f 彩略、 日期：妒? 年驴，f 月，乒日 引言 引言 目前国内外的农业专家系统大多采用农业专家系统开发工具来开发，好处是 可以将主要精力放在收集、整理、归纳专家的知识及经验上，有利于抓住问题的 主要矛盾，同时对开发人员要求不那么高、开发周期短、投入也低。由于价格、语 言、适应性等方面原因，国内在农业专家系统大面积的推广应用中，一般不采用 国外的工具。国家非常重视这方面的研究工作，1 9 9 0 年国家科技部就将农业专家 系统及其开发工具等智能化农业信息技术列为重点研究课题，1 9 9 6 年又设置了 “智能化农业信息技术应用示范工程”并先后成立了云南、北京等二十个示范区。 这几年由于i n t e r n e t 的快速发展，为大面积地、快速地推广应用农业专家系 统提供了一种先进手段，因此农业专家系统及其开发工具开始向b s 模式迁移。 随着研究与应用的不断深入，人们开始认识到农业专家系统的一些不足，如处理 知识的浅层性和狭窄性。为克服这些不足，提出农业专家系统应与其它信息技术 如农作物生长模拟模型、g i s 、g p s 、k d d 等结合，通过多技术的集成，使农业专 家系统存发挥更大的作用。为支持多技术的集成，开发工具大多采用基于构件的 开放式体系结构。由于农业专家己在单项技术研究与应用的基础上，进入了多科 综合的研究及应用，因此农业专家系统的开发也从单一的施肥、灌溉、病虫害诊 断防治等向作物生育期全程管理发展目前国内外的农业专家系统开发工具主要 特点为计算模式采用b s 结构、系统结构采用基于构件的开放式体系结构、支持 作物生育期全程管理的农业专家系统的开发。在农业专家系统开发的方式、方法 上强调团队开发，由在某方面最有研究或经验的专家、农技人员共同完成开发工 作。国内从9 9 年开始了基于w e b 及构件技术的开发工具研究。如中科院合肥智能 所【”i 、北京农业信息技术研究中心【1 8 】等。但合肥智能所的方法中开发环境与运行 环境相分离因此不便于调试，错误不易发现。而北京农业信息技术研究中心的方 法中知识表达仅采用了规则，对描述性知识不易处理。在如何有效地支持团队开 发方面目前的研究还不多。 云南是一个多山的省份，海拨高差大。全省共有七个气候带，气侯类型之多、 地区间差异之大为全国少有。气侯的特点使云南的农业生产与其它省份有许多不 同。主要表现为作物品种适用范围小，省内各地所采用的耕作制度、栽培策略、栽 培措施以及农技人员的经验带有非常强的地域性色彩。作物生育期全程管理的农 业专家系统开发也需要多方面的农业专家、农业人员共同参与。因此在云南省， 开发可大面积地推广应用的农业专家系统迫切需要开发工具支持跨地域团队开发 基于构件的农业专家系统开发工具的设计与实现 方式。而支持跨地域的团队开发就需要开发工具在知识表达方式、知识库的结构、 系统建立及调试、运行环境等方面有所改进和创新。 因此基于构件的农业专家系统开发工具的研究( 该项目得到云南省自然科学 基金资助，项目号为；2 0 0 1 f 0 0 2 5 m ) 提出采用基于构件技术的开放式系统结构， 遵循c o m d c o m 规范，将原工具中的主要功能抽取出来形成构件。对构件进行集成， 形成w e b 上集成式的农业专家系统开发工具。知识库描述语言提供基于模式。框 架，规则，过程的混合型知识表达方式。允许按模式对知识库进行分割，使一个 完整的知识库可由若干子知识库组成，支持农业专家系统由跨地域的团队来进行 开发。 第一章专家系统概述 第一章专家系统概述 专家系统( e x p e r ts y s t e m ，e s ) 也称为基于知识的系统，是人工智能的一个 最为重要的应用领域。专家系统生产于6 0 年代中期，经过几十年的发展，理论和 技术日趋成熟，其应用得到了飞速发展。 1 1 专家系统的定义 什么是专家系统? 由于各个应用领域的特点不同，人们研究专家系统的出发 点不同，看待问题的观点不同，追求的目标不同，并且人们在不同使其对专家系 统有不同的理解，导致对专家系统的定义存在不一致的看法。 鉴于此，这里给出一种目前比较通用的定义。 所谓专家系统就是利用存储在计算机内的某一特定领域内人类专家的知识， 来解决过去需要人类专家才能解决的现实问题的计算机系统。 图1 1 专家系统功能的基本概念 图1 1 描述了一个基于知识的专家系统的基本概念。用户提供事实或其他信 息给专家系统，相应地收到专家建议或专门知识。专家系统内部包括两个主要部 分：知识库和推理机。知识库包含有为推理机( i n 胁n e ee n g i n e ) 所使用而得出 结论的知识。这些结论是专家系统对用户询问的响应。 专家系统在它所具有的知识中推导或推理( i n f e n c e ) 的方式与人类专家推 断解决问题的方式是一样的。即，给出一些事件，然后推理得出结论。比如，如 果你从外面进屋时，你的衣服鞋子是湿的，并且有雷声，人们会推断下雨了。然 而，这只是几个可能推断中得一个。 像其他的任何工具一样，专家系统有其适宜或不适宜的应用领域，随着对专 家系统的不断实践，我们会发掘出这些应用领域。 基于构件的农业专家系统开发工具的设计与实现 1 2 专家系统的功能和结构 专家系统的功能和结构随所处理的任务类型各不相同，有些可以作为用户的 “顾问”来解答某个特定领域的困难问题；有的则可以作为“专家”或“教授”， 向用户传授某个领域的知识，以教育学生或训练新手等。 1 2 1 专家系统的功能 根据定义，专家系统应具备以下几个功i l l 1 存储问题求解所需的知识。 2 存储具体问题求解的初始数据和推理过程中涉及到的各种信息，如中间结果、 目标、子目标以及假设等等。 3 根据当前输入的数据，利用已有知识，按照一定的推理策略，去解决当前问题， 并能控制和协调整个系统。 4 能够对推理过程、结论或系统自身行为做出必要的解释，如解题步骤、处理策 略、选择处理方法的理由、系统求解某种问题的能力等。这样既便于用户的理 解和接受，同时也便于系统的维护。 5 提供知识获取，机器学习以及知识库的修改、扩充等维护手段。 6 提供一种用户接口，既便于用户使用，又便于分析和理解用户需求。 要注意，存放知识和运用知识解答问题是专家系统的两个基本功能。 1 2 2 专家系统的结构 专家系统的一般结构如图1 2 。该结构包括六个部分：知识库、推理机、综合 数据库、人机接口、解释机和知识获取机。以m y c i n 为代表的基于规则的专家 系统采用了这种结构。其中知识库、推理机和综合数据库是目前大多数专家系统 的主要内容，而知识获取机、解释机和专门的人机接口是所用专家系统都希望具 有的，但它们并不一定都实现。各部分的功能与作用如下： 1 知识库。用以存储领域专家提供的专门知识。专家系统的求解是运用专家提供 的专门知识来模拟专家的思维方式进行的。因此，知识库的建立是建造专家系 统的中心任务。 2 综合数据库。用于存放关于问题求解的初始数据、求解状态、中间结果、假设、 目标以及最终求解结果。 3 推理机。在一定的控制策略下针对综合数据库中的当前信息。识别和选取知识 库中对当前问题求解有用的知识进行推理。 4 知识获取机。在专家系统的知识库中用以代替部分工程师进行专门知识的自动 获取，实现专家系统的自学习，不断完善知识库。 第一章专家系统概述 5 勰释机。根据用户的提问，对系统提出的结论、求解过程以及系统当前的求解 状态提供说明，便于用户理孵系统的问题求解。 6 人机接f i 。将专家或用户的输入信息翻译成系统可接受的内部形式，把系统向 专家或用户输出的信息转换成人类易于理解的外部形式。 人机接口 1 3 专家系统的特点 固2 2 专家系统的一般结构 专家系统有许多吸引人的特征： 1 适应经强。专家知识在任何计算机硬件上都是可剩用的，实际上，专家系统是 专家知识的集成体。 2 成本低。提供给用户的专家知识成本非常低。 3 危险性低。专家系统可用于那些可能对人体有害的环境 4 持久性。专家知识是持久的，不像专家那样会退休、或者死亡，专家的知识会 无限的持续。 5 复合专家知识。复合专家知识可以做到白天或晚上的任何时候同时和持续的解 决某一问题。由几个专家复合起来的知识，其水平可能会超过一个单独的专家。 6 可靠性强。专家系统可增强正确决策的信心，这是向专家提供一个辅助观点雨 得到的；此弧，专家系统还可协调多个专家的不同意见t 不过，如果专家系统 是由某一个专家编程设计的，那这个方法就不能奏效。如果专家没有犯错误的 话，专家系统应该始终与专家意见一致- 7 。确应快。迅速或时实的响应对某些应用讲是必要的。依靠所使用的软件或硬件 专家系统可反应得比专家更迅速或更有效。某些突发情况要求反应得比专家? 基于构件的农业专家系统开发工具的设计与实现 迅速，因此时实专家系统是个好的选择。 8 始终稳定、理智和完整的响应。在时实和突发的情况下，专家可能由于压力或 疲劳不能高效的解决问题，这一点是至关重要的。 开发专家系统的过程也会有一个间接的益处，由于专家知识必须以精确的形 式输入到计算机中，所以知识要被明确的了解而不是隐含于专家的脑海中。这样， 就必须对知识进行正确性、一致性、完整性检查，这就提高了知识的质量。 人类专家也知道自己知识的局限性，当问题达到他们的未知界限时，他们会 给建议打上定的折扣。如果专家系统没有专门设计来解决不确定性问题，那么 即使它们处理的数据不精确、不完整，专家系统也会以同样的确信给出建议，专 家系统的建议与专家的建议一样，在其不知晓的范围内其合理性应降低。 现今许多专家系统也有一些不足之处： 1 缺乏因果知识( c a u s a lk n o w l e d g e ) ，也就是说专家系统并不能真正地理解系 统中隐含的原因和结果。用基于经验和启发性的浅知识来设计专家系统比用基 于对象的基本结构、功能和行为的深知识要容易的多。例如，设计一个针对头 痛开阿斯匹林药方的专家系统比设计一个关于人体所有基本的生物化学、生理 学、动物学和神经医学等知识的专家系统容易的多。启发性知识( h e u r i s t i c k n o w l e d g e ) 是“浅”知识的一种类型，它不能保证用同样的算法能取得成功。 启发性知识是一种从实践中获得的经验性知识，它对问题求解可起帮助作用， 但不能保证一定有效。不过，在许多领域，启发性知识对问题求解起着重要的 作用。 2 它的知识受限于系统的知识域。专家系统不能像人那样，通过类比来推广知识 以获得新的求解问题的方法，虽然通过规则的归纳，专家系统可以获得少许新 的知识。创建一个专家系统的常用方法，即知识工程师访问专家、设计原型、 测试，然后再重复，这个过程是一件既费时、又费精力的事情，因而，知识获 取的瓶颈控制着专家系统的创建。 尽管专家系统有一些局限性。但专家系统仍成功解决了现实世界的许多问题， 这些问题是常规的程序设计方法学所不能解决的，尤其那些需要处理不确定或不 第一章专家系统概述 完全信息的问题。重要的一点是了解这种技术的优点和局限性，只有这样才能使 之得到恰当的应用。 1 4 专家系统的产生与发展 专家系统的发展大致可分为四个阶段：孕育期( 1 9 6 5 年以前) ，产生期 ( 1 9 6 5 1 9 7 1 年) ，成熟期( 1 9 7 2 - 1 9 7 7 年) ，发展期( 1 9 7 7 年至今) 。 1 9 5 6 年，人工智能诞生。在早期，人工智能的研究是从具体问题入手。 a n e w e l l ，j s h a w 和h a s i m o n 编制的l t ( l o g i ct h e o r i s t ) 定理证明系统，和 a l s a n w e l 研制的西洋跳棋程序c h e c k e r s 是最先在机器上运行的启发程序。 6 0 年代初，人工智能研究者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，并使用它们建立专用程序。到了6 0 年代中期， 人工智能工作者认识到：问题求解能力不仅取决于使用的形式化体系和推理模式， 而且还取决于它拥有的知识。这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基础。 1 9 6 5 年，s t a n f o r d 大学的e a f e i g e n b a u m 教授同其他人进过三年的努力，研 发成功了第一个专家系统：d e n t r a l 化学专家系统。它标志人工智能的一个崭 新领域专家系统的诞生。 到了7 0 年代，专家系统的观点逐渐被人们接受，先后出现了一批卓有成效的 专家系统，这些系统涉及医疗、自然语言处理、地质等多个领域。如m y c i n 、 c a s n e t 、h e a r s a y 、p r o s p e c t o r 等。在这些系统中，专家系统的主要技术， 如人机接口、解释功能、自学习功能、不精确推理等，得到了研究和应用。 到了7 0 年代的末期，专家系统受到了企业家的重视和投资，专家系统的应用 开始产生巨大的经济效益。到了8 0 年代，专家系统步入了商品化的时代。 当前，专家系统是人工智能领域最重要的研究方面之一，有关专家系统的技 术和理论还在不断发展和形成。 1 5 国内外农业专家系统的研究概况 农业专家系统( a g r i e u l t r u ee x p e r ts y s t e m ，a e s ) 是专家系统技术在农业领域 的具体应用，是基于农业专家知识和模拟农业专家进行推理决策的计算机程序系 统 1 i 】。 世界上应用最早的农业专家系统是7 0 年代美国i l l i n o i s 大学开发成功的大豆 病害诊断专家系统( p l a n t l d s ) 。目前，国外农业专家系统已有极大的发展，其范 围涵括了农业生产的各个方面，如农作物的生产与育种，果园的生产管理，病虫 7 基于构件的农业专家系统开发工具的设计与实现 害的防治、诊断与发生预测及农业科技管理体制等。比较有影响的有：美国的 p o m m e ( 果园管理及害虫防治) 、c o m a x c o s s y m ( 棉花管理专家系统) 、e x t r a ( 农业技术和资源保护) 及日本干叶大学开发的番茄病害诊断专家系统等。其中 美国农业部农业研究局作物模拟研究所于1 9 8 5 年建立的c o m a x c o s s y m 是目前 世界上开发应用最为成功的农业专家系统。它能为棉花管理提供全面咨询，用于 确定灌溉、施肥、施用脱叶剂和棉桃开裂的最佳管理方案。目前美国正在使用或 正准备使用的专家系统有1 0 0 0 多个，日本有4 0 0 多个。 我国在农业专家系统方面的研究起步较晚。从8 0 年代初期我国开始在农业专 家系统的开发和应用方面开展了大量研究，“八五”和“九五”期间，国家“8 6 3 计划”3 0 6 主题、国家科委、国家自然科学基金等部门安排了一批专家系统研究 课题，成功研制开发了一大批各类专家系统。目前已研制出一批有影响的系统软 件，如合肥智能所的“施肥专家系统”在全国已推广了1 0 0 多个县，节约化肥3 0 多万吨，增产粮食十多亿斤；中农院士肥所的“禹城小麦、玉米施肥专家系统” 已推广了1 1 2 5 万亩，增产小麦4 0 0 多万斤。此外还有长春市农科院的国家“8 6 3 ” 课题“玉米栽培专家系统”、中国农业科学院作物所的“冬小麦新品种选育专家 系统”和“玉米杂交种选育专家系统”等。 总体上来讲，目前国内外的农业专家系统开发工具在技术上具有这样一些特 点：在计算模式上采用b s 结构，在系统的软件结构上采用基于构件的开放式体 系结构，支持作物生育期全程管理的农业专家系统的开发i ”】。 1 6 小结 在本章中，我们介绍了专家系统的定义，专家系统的功能，发展等。并以基 于规则的专家系统为例，我们讨论了专家系统的一般结构。专家系统所解决的问 题一般用传统的程序难以解决，因为这些问题缺乏一个有效的算法。由于专家系 统是基于知识的，它能有效解决现实中用别的方法难以解决的非结构化问题。在 选择专家系统所适应的应用问题领域内容中，讨论了专家系统的优缺点。 所有这些最重要的一点是：专家系统是一种不同的程序设计工具，它适合于 某些应用，而不适合于另外一些应用。 第二章知识的表示 第二章知识的表示 由于知识表示模式的选择不仅对知识的有效存储有关，也直接影响着系统的 知识获取能力、知识的运用效率，以及问题的求解能力，所以，知识表示是知识 工程中最基本的问题之一，也是专家系统研究的热门话题。本章将讨论专家系统 中常用的知识表示方法和国内农业专家系统采用的几种知识表示方法。 2 1 知识的含义 所谓知识是人们在改造世界的实践中所获得的认识和经验的总和。知识常与 如数据、事实、信息等词互换使用。 知识可分为先验知识和后验知识。先验知识是不依赖于源于感觉器官所获得 的知识。先验知识被认为是普遍正确的，没有反例，也不能被否定。数学定律就 是先验知识的例子。后验知识是由感觉器官获得的知识。后验知识的正确与错误 可以用感觉经验来证明，但感觉经验并不是一直可信，后验知识可以在新知识的 基础上被否定，而不必举反例。知识在专家系统中最为重要。事实上，与w i r t h 的经典表述： 算法+ 数据结构= 程序 相类似，在专家系统中，有： 知识+ 推理= 专家系统 知识是图2 1 中层次结构的一部分。 图2 i 知识的层次结构 在图2 1 中，最底层是噪声，由几乎没有意义的事项和含糊难解的数据组成。 往上一层是数据，是一些由潜在意义的事项。信息，或是经过加工后具有意义的 数据在第三层。再往上一层是代表专门化信息的知识。尽管在图2 i 中没有明确 的显示，但专家知识是专家所拥有的一种专业化知识。专家知识是专家所暗含的 知识，它必须被抽取才能明确的表示在一个专家系统中。最上面的知识是元知识 基于构件的农业专家系统开发工具的设计与实现 ( m e t a k n o w l e d g e ) 。元知识是关于知识和专家知识的知识。一个专家系统可设计 为具有几个不同领域的知识。元知识可描述哪一个知识库是适用的，元知识也可 用于决定某一领域中哪组规则最合适。元知识识是提高专家系统性能的一种途径， 成为新一代专家系统的一个重要标志。 已经有许多不同的知识表示技术，包括规则、语义网、框架、谓词逻辑、面 向对象方法等，以下逐一介绍。 2 2 产生式 产生式表示( 或规则表示) 是目前专家系统中使用最广泛的知识表示法，采 用这种表示法的专家系统成称为基于规则的专家系统。产生式表示一般用于所谓 的产生式系统。基于规则的专家系统亦称为一个产生式系统，产生式系统是一种 比较成熟的表示方法。它用“i f t h e n ”的规则形式捕获人类问题求解的行为 特征并通过认识行动循环过程求解问题，其表现形式单一、直观，有利于 知识的提取与形式化，其问题求解过程符合人的认知过程，且计算机容易实现， 有利于问题求解和专家系统的开发。 产生式系统以产生式规则来存储知识，每条产生式规则分为左部和右部两个 部分，左部表示激活该产生式规则的条件，右部表示调用该产生式规则后所做的 动作。产生式规则的一般形式为： p l ，p m _ c l ，c n 其中规则左部成为规则的前提条件，或称为规则前件，规则右部称为规则的 行为部分，或称规则后件。上述规则的基本含义为： 如果条件p ，p m 都得到满足，则执行动作或动作序列c l ，c 。 产生式具有以下优点： 1 模块化特征。规则使得知识容易封装并不断扩充。 2 解释机制。通过规则容易建立解释机，这是因为一个规则的前件指明了激活这 个规则的条件。通过追踪已触发的规则，解释机可以得到推出某个结论的推理 链。 3 类似人类认知过程。规则的简单表示方式“i f t h e n ”使得容易向专家解释知 识的结构。 但产生式表达方式也有它的局限性： 1 效率不高。由于产生式系统求解靠一系列的“匹配冲突消解操作”的 重复周期来实现，这不不便于根据某些特殊情况走捷径或按照事先预定的路线 快速处理问题，导致产生式系统求解问题的效率不高。 2 解释能力的局限性。由于产生式表式法过分强调模块性和一致性，使它在表示 第二章知识的表示 复杂实体间的固有结构和功能方法时，显得并不有效。 2 3 语义网络 语义网络( s e m a n t i cn e t w o r k ) 是知识一种图解表示，它由节点和弧线组成。 结点用于表示实体、概念和情况等，弧线用于表示结点之间的关系。 在语义网络知识表示中，结点一般划分实例结点和类结点两种类型。有向弧用 于刻画结点之间的语义联系，是语义网络组织知识的关键。由于语义网络的丰富 性，不同应用系统所需的语义联系的种类极其解释不尽相同。比较典型的语义联 系有： 1 以个体为中心组织知识的语义联系有： a 实例联系：表示类结点与所属实例结点之间的联系，通常表示为i s a 。 b 泛化联系：表示一种类结点( 如狗) 与更抽象的类( 如动物) 的结点之间 的联系，通常用a k o ( a k i n do f ) 表示。通过a k o 可以将问题领域中所 有类结点组织成一个a k o 层次网络。泛化联系允许低层类型继承高层类 型的属性，这样可以将公用属性抽象到较高层次。 c 聚集联系：表示某一个体与其组成成分之间的联系，通常用p a r t o f 表示。 聚集联系基于概念的分解性，将高层概念分解为若干低层概念的集合。 d 属性联系：表示个体、属性及其取值之间的联系，通常用有向弧表示属性， 用这些弧所指向的结点表示各自的值。 语义联系如图2 2 中椅子的语义网络所示： 图2 2 椅子的语义网络 2 连接词在语义网络中的表示方法： 。 任何具有表达谓词公式能力的语义网络，除具备表达基本命题的能力外，还必 须具备表达命题之间的“与”、“或”、“非”以及“蕴含”关系的能力。 a 合取：在语义网络中通过引入“与”结点来表示。这种合取关系关系网络 就是由“与”结点引出的弧构成的多元关系网络。 b 析取：通过引入“或”结点来表示。 c 否定：在语义网络中，对基本关系的否定，可以直接采用i s a ，- a k o 及 蓦 薹 一 r 一蓦i 蓦 基于构件的农业专家系统开发工具的设计与实现 p a r t o f 的有向弧来标注。一般情况，则需要通过“非”结点来表示。 d 蕴含：在语义网络中，通过引入蕴含关系结点来表示规则中前提题条件和 结论之间的因果联系。从蕴含关系结点出发，一条弧指向命题的前提条件， 记为a n t e ，另一条弧指向该规则的结论，记为c o n s e 。 3 变元和量词在语义网络中的表示方法： 存在量词在语义网络中直接用i s a 弧表示。 为了处理命题中出现的全称变元和全称量词，h e n d r i x 于1 9 7 5 年提出了语义 网络分块化技术，其基本思想是：将复杂命题拆成多个子命题，每个子命题又可 以拆成更小的子命题，若一个子命题已经易于语义网络来处理时，则将它表示出 来，相应地可以给出一个结点来代表该网络。整个网络作为一个整体，通过一条 标记为f 的弧与该结点相联系，f 弧相当于一个指针，表示该结点代表的网络是 什么；通过从该节点分别引出标记为v 的弧指向该网络中的所有的全称变元。这 样，子命题作为一个整体称作为一个空间，他可以看作表示复杂命题的大空间中 的一个结点或子空间，空间可以层层嵌套，并用表示各种关系的弧相互连接。 由结点和弧组成的网络结构抓住了符号计算中符号和指针这两个本质的东西， 而且具有记忆心理学中关于联想的特性，所以语义网络在人工智能中是一种重要 的知识表示方法。但是如用结点代表世界上的各种事物，用弧代表事物间的任何 联系，则形式过于简单。如果结点间的联系只局限于几种较典型的关系( 称为关 系基元) ，则对其它联系难以表达，从而表达内容受到限制，而增加联系又会大大 增加网络的复杂度。 语义网络本身没有赋予其结点和弧以确切的含义。这个标记结点赋予的解释， 完全由系统设计者来定。事实上，语义网络结构的语义解释完全依赖于操作这些 结构的推理过程，不同的解释要求不同的推理。由于语义网络结构本身没有以上 的约定，因此它不具备逻辑系统那样的有效性。 继承性是语义网络的一个重要特性。当缺乏某个事务的特殊信息时，网络匹配 算法利用继承性，根据该事物的从属关系演绎出其所属类的一般属性。但如果分 类网络中有一个事物属于两个不同的类别，而且这两个类别包含相互矛盾的属性， 则继承的次序不同将得到矛盾的信息。当然，通过定义继承链的优先级可以解决 这个问题，也可以将网络推理过程与“真值维护”技术结合起来，以保证矛盾的 事实能被清除或使之不起作用。 特别是网络中的结点之间的联系可能是线状的、树状的。也可能是网状的，这 就给知识的存储、修改和检索带来不少困难。就像其它工具一样，语义网络应该 用于它能做的最好的场合，比如表示二元关系，而不应将它看作万能的工具。 第二章知识的表示 2 4 框架 世界上的各类事物，其状态、属性、发展过程及相互之间的联系往往具有一 定的规律性。这种规律性的知识经过提炼，形成了人们认识事物的一种固定框架。 框架系统正是用来表示这种经验性知识的一种知识表示方法。 2 4 1 框架知识表示 框架( f r a m e ) 是一种组织和表示知识的数据结构。它由框架名和一组用于描 述框架各方面具体属性的槽( s l o t ) 组成。每个槽设有一个槽名，槽名下面有对应 的取值，称为槽值或添充值。在较为复杂的框架中，槽的下面还可区分为多个侧 面( f a c e t ) ，每个侧面又有各自的取值，作为对槽的进一步说明。 一个框架可以形式地表示如下： 在框架知识表示中，除了表示框架的各种属性的槽或侧面外，还经常使用下 列两类侧面描述： 1 缺省值( d e f a u l t ) 侧面。用于说明该侧面的典型取值。例如在一个鸟类动 物的框架中，描述鸟是否会飞的属性槽可以添上“会飞”的缺省值。 2 附加过程侧面。用于说明槽值的计算过程和填槽时要做的动作，通常对应于一 组子程序。一般有三种类型： ( 1 ) 需要槽值，但初始值不存在且缺省值( d e f a u l t ) 也未设定时- 执行i f _ n e e d e d 过程。缺省值对框架非常重要，因为它们模仿了大脑的某些方面。缺省值 相当于以经验为基础建立起来的某种期望。当我们遇到新情况时，就会修 改最相近的框架以适应情况的变化。人们不需要在遇到每个新情况时都从 头开始，而是可以修改缺省值或其它的槽值。缺省值常用来表示常识。当 没有特殊知识可用时，就运用常识。 ( 2 ) 当将槽值加入槽中时，将运行i f _ a d d e d 过程。 基于构件的农业专家系统开发工具的设计与实现 ( 3 ) 当需要从槽中删除槽值时，将执行i fr e m o v a l 过程。 槽或侧面的取值可以有下面几种类型： 1 数值型。包括整数型( i n t e g e r s ) 和浮点数( f l o a t s ) 。 2 字符串( s t r i n g s ) 。 3 约束类型。可以通过上面给出的基本类型通过布尔运算构成。 同语义网络知识表示类似，框架也分为类框架和实例框架两种。通过引入类 一超类及实侧一类关系来表示框架之间的包含关系和属于关系。一组相关框架用 于表示类一超类及类一实例关系的指针连结起来就形成了框架系统。框架理论将 知识看成相互关联的成块组织，它与产生式规则表示方法有很大的不同。 按照这种表示某型，概念( 如动物) 被分成若干类( 如鱼类、鸟类等) ，每个 子类都有各自的框架，这些子类还可以进一步分成更小的子类，定义更低层的框 架。在这个模型中，同一父类的所有子类都共享父类的属性，因此，凡在父类中 有的属性，一般不用再在子类说明。 框架之间除具有类一超类关系和实例一类关系外，还可以具有主子调用关系。 子框架被主框架来调用，作为对主框架某一属性的补充说明。 框架适合模拟常识，而常识是计算机非常难掌握的。语义网本质上是一种二 维知识表示方法；框架通过允许结点有结构而增加了第三维，这些结构可以是简 单类型的值或其他的框架。与语义网相比，框架可以表示更广泛的知识。 2 4 2 框架表示法的特点 1 框架是一种经过组织的结构化知识表示方法，适合于表示典型的概念、时间和 行为。但框架结构本身还没有形成完整的理论体系。 2 框架之间可以形成层次的或更复杂的关系，组成一种框架网络，代表整块的知 识结构，可以表示复杂的知识内容。 3 附加过程是框架系统的重要特征之一，它使得描述性知识和过程性质是紧密的 融合在一起，有机地形成一个一体化系统。 4 继承在知识表示一级支持概念抽象和信息共享等思想，在框架系统中起了极其 重要的作用。但多重继承又可能产生多义性。 5 基于框架理论的通用知识语言已经开发出若干种，它们与产生式系统比较，其 通用性更高。但是用户建立知识库的负担都随之增加，对于给定的问题领域， 要用框架系统来形式化领域知识并不是简单的事情。 2 5 逻辑方法 除了规则、框架和语义网，知识也可以用逻辑符号来表示。逻辑主要研究规 1 4 第二章知识的表示 则的精确推理，推理主要是从假设中推出结论。运用计算机进行推理便出现了逻 辑程序设计和基于逻辑的语言开发，如p r o l o g 。最早的形式逻辑是由公元前4 世纪的希腊哲学家亚里士多德提出的。三段论( s y l l o g i s m ) 是最古老且最简单的 形式逻辑( f o r m a ll o g i c ) ，三段论有两个前提( p r e m i s e ) 和一个结论( c o n c l u s i o n ) ， 前提给出了结论所必须的证据。三段论是也一种表示知识的方法。 2 5 1 命题逻辑 命题逻辑，有时称为命题演算( p r o p o s i t i o n a lc a l c u l u s ) ，是一种用于命题操作 的符号逻辑。特别的，命题逻辑针对逻辑变量( l o g i c a lv a r i a b l e ) 进行运算，逻辑 变量代表了命题。此外，命题逻辑有时也称为语句演算( s t a t e m e n tc a l c u l u s ) 或句 子演算( s e n t e n t i a lc a l c u l u s ) 。 命题逻辑主要考察那些或者为真或者为假的陈述性句子。“一个正方形有四条 边”这样一个句子的真值为真，“一个正方形有五条边”这样一个句子的真值为假。 一个真值确定的句子称为一个语句( s t a t e m e n t ) 或一个命题( p r o p o s i t i o n ) 。通过 在语句问使用逻辑连接符，就可咀形成复合语句( c o m p o u n d s t a t e m e n t ) 。 2 5 2 谓词逻辑 虽然命题逻辑是有用的，但它有局限性。最主要的问题是：命题逻辑只能处 理完整的语句。也就是说，它不能检查语句的内部结构。为了分析更一般的情形， 提出了谓词逻辑( p r e d i c a t el o g i c ) ，其最简单的形式是一阶谓词逻辑。命题逻辑是 谓词逻辑的一个子集。谓词逻辑关心句子的内部结构，特别的，谓词逻辑使用一 种特殊的词，即量词，如“所有”、“有些”以及“没有”。这些量词非常重要，因 为它们明确地量化了其它词，使句子的语义更为确切。所有量词均与“多少”有 关，因此，比命题逻辑提供了更广阔的语义范围。 一个使用全称量词( u n i v e r s a lq u a n t i f i e r ) 的语句对于同一论域内的所有成员 都有相同的真值。全称量词用符号v 表示，后接一个或多个作为域变量( d o m a i n v a r i a b l e ) 的参数。符号v 解释为“对于每一个”或者“对于所有”。例如，表示“所 有的三角形都是多边形”这条知识，可描述为： ( v x )f xi sat r i a n g l e - - - , xi sap o l y g o n ) 读作“对于所有的x ，若x 是三角形，则x 为多边形”。 具有谓词的逻辑语句可通过描述对象性质的谓词函数来简化表达。上面的逻 辑语句可写成： ( v x ) ( t r i a n g l e ( x ) - - o p o l y g o n ( x ) ) 全称量词也可以解释为一个关于实例的谓词的合取。例如，一条名叫s p a r k l e r 的狗是狗类的一个特殊实例，于是可写成如下形式：d o g ( s p a r k l e r ) 这里d o g 基于构件的农业专家系统开发工具的设计与实现 ( ) 是一个谓词函数，s p a r k l e r 是一个实例。 一个谓词逻辑语句，如( g x ) p ( x ) ，可用实例解释为：p ( a 1 ) 八p ( a 2 1a p ( a 3 1 八p ( a n ) ，其中省略号表示谓词可延伸到类中的所有成员。此语句说明谓词适应 于类中的所有实例。 另一种量词叫存在量词( e x i s t e n t i a lq u a n t i f i e r ) 。存在量词表示句子至少对论 域中的一个成员为真。存在量词是表示对于论域中的所有成员句子都为真的全称 量词的限制形式，存在量词写作丑，后跟一个或多个参数。例如( h x ) ( e l e p h a n t ( x ) “n a m e ( x ，c l y d e ) ) ，表示某只大象名叫c l y d e 。正如全称量词可表示为一个合取， 存在量词可表示为实例的个析取，p ( a 1 ) v p ( a 2 ) v p ( a 3 ) v v ( a n ) 。 2 5 3 谓词逻辑的局限。性 虽然谓词逻辑在很多情况下非常有用，但仍有某些类型的语句不能用使用了 全称量词和存在量词的谓词逻辑来表达。例如，以下语句不能用谓词逻辑来表达： 大多数同学得了1 0 0 分。在这个语句中，量词大多数表示多于一半。量词“大多 数”不能用全称量词和存在量词来表达。为了表达“大多数”，一个逻辑必须提供 一些用于计算的谓词。谓词逻辑的另个局限是难以表达一些有时真但并非总是 真的事情。这个问题可通过模糊逻辑来解决。然而，引入计算的同时也把更多的 复杂因素引进了逻辑系统中，并且使其更象数学了。 2 6 面向对象的表示方法 2 6 1 对象、消息和方法 面向对象( o b j e c t o r i e n t e d ) 方法学显示地提供了力图还客观世界本来面目的 “对象”的概念，程序设计者可以按照问题空间中对象的丰富特征比较自由地定义 解空间的对象，从而，用面向对象方法学构造软件系统或知识系统能够比较自然 地反映人们思考问题的方式。 在面向对象的知识系统中，各种资源和智能实体均称为对象。一个对象的状 态和对象具有的知识组成了该对象的静态属性，一个对象所具有的知识处理方法 和各种操作则描述了该对象的智能行为。 按照面向对象方法学的观点，一个对象的形式定义可以用如下四元组表示： 对象：= i d ，d s m s ，m i 也就是说，一个完整的对象由该对象的标志符i d ，数据结构d s ，方法集合 m s 和消息接口m i 组成。对象的