（计算机应用技术专业论文）模糊专家系统的研究及实现.pdf

摘要 模糊专家系统是知识工程学科的重要实践领域的前沿，对模糊知识进行有效的管理和维 护以及对其不确定推理技术的研究和实现是模糊专家系统的核心研究内容。基于国家科技部 的研究课题柑橘智能化栽培专家系统( 课题任务书编号：2 0 0 5 b a 9 0 1 a 0 4 ) ，本文主要研究 了模糊推理引擎的设计和实现。 在专家系统的开发过程中，现实世界存在的各种不确定信息和模糊信息使专家系统投入 使用受到了较大的限制，为了有效地模拟这些信息，本文在作了大量研究的研究工作之后， 在系统实现过程中主要采用确定性理论推理模型。确定性理论模型是以可信度方法为基础， 结合概率论的不确定性推理模型，它的优点是使用直观而且效果较好。确定性理论模型主要 分为三部分：对知识的不确定性描述、对证据的不确定性描述以及确定性因子的更新算法。 在本课题的实现过程中，发现在农业领域内的每一种疾病的所有症状不一定都出现或同时出 现，症状也分为主要症状、一般症状及偶然症状，为了表示这种特点，在确定性理论模型的 基础上，给规则的每个前提条件增加一个权值，来表示前提条件对结论的支持程度，在本文 中称之为改进的确定性理论模型。另外本系统在推理过程中主要选择了反向推理控制策略和 按匹配度排序的冲突消解策略。 在项目的早期我们主要采用专家系统语言p r o l o g 迸行开发，主要思路是知识表示采用 p r o l o g 系统的产生式表示方法，存储为p r o 文件：推理引擎使用p r o l o g 系统自身的推理引擎； 人机接口可利用p m l o g 系统提供的l s a p i ( 1 0 9 i cs e r v e r 的a l1 ) ，采用常见的编程语言( 如 j a v a ) 等实现，但这种方法不实用。基于以上的情况，我们考虑用关系数据库作为知识库的 外部存储形式，推理引擎模块利用常见的编程语言来编写，参照p r o t o g 推理引擎的工作方 式，实现柑橘专家系统的推理引擎，主要包括全局数据库的设计、模糊推理机的设计以及解 释器的设计。 本文的研究成果主要如下：p r o l o g 语言模糊化研究以开发模糊专家系统，确定性理论模 型的研究及实现，利用关系数据库表示模糊知识库，模糊推理引擎设计的研究和应用，包括 全局数据库、推理机和解释器。 关键字：模糊专家系统、不确定性推理、模糊推理机 a b s t r a c t f u z z ye x p e ns y s t e mi sa ni m p o r t a n c ep r a c t i c ef i e l df r o n to fk n o w l e d g ee n g i n e e d n g i ti sa k e yr e s e a r c hc o n t e n to fe x p e as y s t e mt oc a r r yo ne f f e c t i v em a n a g e m e n t ，m a i n t e n a n c eo ff u z z y k n o w l e d g ea n ds t u d y , r e a l i z a t i o no ni t s u n c e r t a i nr e a s o n i n gt e c h n o l o g y b a s eo nt h en a t i o n a l t e c h n o l o g i c a ld e p a r t m e n tp r o j e c t - o r a n g ed i s e a s e sd i a g n o s i n gs y s t e m ，t h ep a p e rh a sr e s e a r c h e d t h ed e s i g na n dr e a l i z a t i o no fr e a s o n i n ge n g i n e e rb a s e do nf u z z yt e c h n o l o g y i i lt h ep e r f o r m a n c eo fe x p e r ts y s t e m t h ei n d e f i n i t ei n f o r m a t i o na n dt h ef u z z y i n f o r m a t i o ni nr e a lw o r l dc a u s e dt h ee x p e r ts y s t e mg e tt h el i m i t ，i no r d e rt oe f f e c t i v e l y s i m u l a t et h e s ei n f o r m a t i o n ，a f t e rm a s s i v er e s e a r c h ，i m a i n l yu s e dt h ed e f i n i t e t h e o r e t i c a lm o d e li nt h ei n f e r e n c ep r o c e s st oi n f e r t h ed e f i n i t et h e o r e t i c a lm o d e li s t h ei n d e f i n i t ei n f e r e n c em e t h o dm o d e lt h a tu n i t e dt h et h e o r yo fp r o b a b i l i t yb a s e do n t h er e l i a b i l i t ym e t h o d ，t h em e r i to fd e f i n i t et h e o r e t i c a lm o d e lw a st h eu s i n gd i r e c ta n d t h ee f f e c ti sg o o d t h ed e f i n i t et h e o r e t i c a lm o d e lm a i n l yd i v i d e si n t ot h r e ep a r t s ： i n d e f i n i t ed e s c r i p t i o n ok n o w l e d g e ，i n d e f i n i t ed e s c r i p t i o nt oa sw e l la sd e f i n i t ef a c t o r r e n e w a la l g o r i t h m m o r e o v e gic h o o s er e v e r s ei n f e r sc o n t r o ls t r a t e g yi nt h es y s t e m w eu s et h er e l a t i o n a ld a t a b a s et or e p l a c et h ek n o w l e d g eb a s e ，u s ec o m m o n p r o g r a m m i n gl a n g u a g et oc o m p i l ei n f e r r i n ge n g i n e ，r e f e r st ot h ew o r kw a yo fp r o l o g e n g i n e ，t h ec i t r u sf r u i t se x p e r ts y s t e mi n f e r e n c ee n g i n e ，m a i n l yi n c l u d e st h ed e s i g no f b l a c k b o a r d ，t h ed e s i g no ff u z z yi n d u c i n ge q u i p m e n ta sw e l la st h ed e s i g no f i n t e r p r e t e re q u i p m e n t t h i sr e s e a r c hr e s u l t so fa r t i c l eb r i n gf o r t ha sf o l l o w s ：t h ef u z z ym a t h e m a t i c sa n d t h ef u z z yt h e o r ya n di t st h ep r a c t i c a la p p l i c a t i o n ，t h ep r o l o gl a n g u a g eb l u rr e s e a r c h ， b yd e v e l o pt h ef u z z ye x p e r ts y s t e m ，t h ee x p r e s so ff u z z yk n o w l e d g eb a s eu s i n gt h e r e l a t i o n a ld a t a b a s e ，t h ed e s i g n sa n dr e s e a r c hf u z z yo fr e a s o n i n ge n g i n e ，i n c l u d i n g b l a c k b o a r d ，i n d u c i n ge q u i p m e n ta n di n t e r p r e t e r b u tih a v en o ts o l v e da np r o b l e m s ， t h e r ea r ef o l l o w i n gs o m ek e yq u e s t i o n s ，t h e k n o w l e d g ea u t o m a t i cg a i n i n g ，t h e i n d i c a t i o no fk n o w l e d g eu s e sab e t t e rm e t h o d ，w i t hi t s c o r r e s p o n d e n c ei n f e r e n c e e n g i n ed e s i g na n ds oo n k e y w o r d s ：f u z z ye x p e r ts y s t e m ，i n d e f i n i t er e a s o n i n g ，f u z z yi n f e r e n c ee q u i p m e n t v 第一章前言 1 1 专家系统的基本概念及结构 1 专家系统的特点 专家系统是种在相关领域中具有专家水平解题能力的智能程序系统，它能利用领域专 家多年积累的经验与专门知识，模拟人类专家的思维过程，求解需要专家才能解决的困难问 题。 专家系统通过运用知识进行推理，在问题所在的领域内推导出满意的答案，即：“专家 系统= 知识+ 推理”，这区别于常规计算机程序的“程序= 数据结构+ 算法”的一般模式，专家 系统和常规程序有着不同的体系结构。i l 】 专家系统开发技术的研究主要涉及三个方面1 4 j ： 知识表示：主要研究如何将某些专门领域的事实性知识和专家的经验知识转化为计 算机可以利用的形式( 知识的形式化) ，这类问题常称为知识库设计问题。 知识获取：主要研究如何将特定问题领域的事实性知识和经验性知识送入知识库 中，即如何从专家那里抽取知识、知识库完整性、一致性的维护，以及通过学习自 动获取知识等问题。 推理引擎的设计：推理引擎的设计主要包括全局数据库设计、推理机设计以及解释 器设计，如何有效地从知识库中获取答案，是推理引擎设计考虑的主要问题。 一般来说，专家系统具有如下的一些基本特征【4 l ： 具有专家的专门知识：专家系统是面向某一具体领域的，具有这一领域专家级水平 的领域知识。 能进行有效的推理：必须具有相应的推理机制，能根据用户提供的事实，通过运用 掌握的知识，进行有效的推理，以实现对问题的求解。 具有知识获取能力：必须具有知识获取能力，一般是通过知识编辑器，知识工程师 或领域专家把领域知识输入到专家系统的知识库。 具有灵活性：一般都采用知识库与推理机分离的构造原则，可以在系统运行时根据 不同的要求分别选取合适的知识构成不同的求解列，实现对特定问题的求解。 具有透明性：专家系统的解释器能够向用户解释它的行为动机及得出答案的推理过 程。 具有交互性：可以与领域专家或知识工程师进行对话以获取知识，同时可以通过与 用户对话以索取求解问题时所需的知识以及回答用户的询问。 具有实用性：专家系统是根据领域问题的实际需求开发的，这一特点决定了它具有 坚实的应用背景，可以应用于多种领域，取得巨大的经济效益和社会效益。 2 专家系统的一般结构 专家系统一般可以分为以下几个主要部分“1 ：知识库，工作存储器，推理机，用户界面。 但通常建立一个专家系统还需要以下几个部分：d o m a i ne x p e r t 、k n o w l e d g ee n g i n e e r 、用 户。以上几个部分可以用下图来表示： u s e r d o m a i n e x p e r t k n o w l e d g en 、一 e n g i n e e r 上 灭、 s y s t e m e n g i n e e r d o m a i ne x p e r t 就是某个领域的专家，他提供原始的知识。k n o w l e d g ee n g i n e e r 是把专 家的知识翻译成电脑所能够识别的知识的工程师。某领域的专家把他所知道的知识告诉 k n o w l e d g ee n g i n e e r 以后，由k n o w l e d g ee n g i n e e r 对这些知识进行处理，最后做成知识库 k n o w l e d g eb a s e 。s y s t e me n g i n e e r 是设计专家系统的程序员，他的主要任务是编写专家系 统的推理机构i n f e r e n c ee n g i n e ，和用户界面u s e ri n t e r f a c e 。用户使用用户界面和专家 系统打交道，他和专家系统之间的交流的一些信息由工作空间w o r k i n gs t o r a g e 储存。推理 机构根据用户信息和知识库中的信息为用户提供服务。 3 专家系统的产生与发展 专家系统( e x p e r ts y s t e m ) 是一门新兴的学科，是人工智能( a r t i f i c i a li n t e l l i g e n c e ) 技术与具体应用学科相结合的产物。作为人工智能领域最为活跃的分支之一的专家系统，在 近2 0 年中的发展非常引人注目。专家系统的产生是a i 从理论研究转向应用领域的一个转折 点，它和自然语言理解、机器人一起并列为a i 研究的三大领域。 2 0 世纪6 0 年代中期，化学家勒德贝格( j l e d e r b e r g ) 与费根鲍姆等人经过近3 年的研究， 在1 9 5 8 年建成著名的d e n d r a l 专家系统，它能根据化合物的分子式及其质谱数据帮助化学家 推断分子的结构。这一系统的出现标志着人工智能的一个新的研究领域，即专家系统的诞生。 2 0 世纪7 0 年代中期，专家系统进入了成熟期，其观点逐渐被接受，出现t m y c i n 等卓有成效 的专家系统。2 0 世纪8 0 年代以来，专家系统的研制开发趋于商品化，直接服务于生产企业。 产生了明显的经济效益。 专家系统的开发技术也取得了长足的进步，初期多为解释型和故障、疾病诊断型。7 0 2 吴 。甲 年代后期出现了其它类型的专家系统，体系结构也有最初的单一知识库以及单一推理机发展 为多知识库及多推理机，由集中式专家系统发展为分布式专家系统，以及和神经网络相结合 的专家系统。近些年来，在专家系统的半自动知识获取，知识表示及推理等方面取得了较大 的进展。此外，还开展了专家系统开发工具的研究，建立了多种不同功能、不同类型的开发 工具，为缩短专家系统的研制周期，提高系统的质量起到了重要的作用。目前，专家系统 应用最活跃的领域有化学、计算机系统、电子、工程、地质、医疗和军事等，其中医疗领域 最为普遍，其次是化学领域，而专家系统理论研究的壤新动向包括专家系统开发工具、非精 确性推理和学习理论等的研究。 1 2 课题来源及背景 贵州地处云贵高原的东斜坡，地势西高东低，南北地形切割强烈。全省平均海拔1 2 0 0 m ， 最高海拔2 9 0 0 m ，最低海拔1 3 7 m ，其中山地、丘陵占9 2 5 ，山间小盆地占7 5 ，喀斯特出 露面积1 0 9 万k m 2 ，占全省土地面积的6 1 9 ，是世界上喀斯特地貌发育最典型的地区之一。 热量资源丰富，年平均气温多在1 8 2 0 。c 之间，i o c 的年积温多在5 5 0 0 6 5 0 0 c 之间，绝 对最低温一5 c 以上，年降雨量为1 1 0 0 1 3 0 0 m m ，日照时数1 0 5 0 - 1 3 0 0 小时，这种特殊的地理 环境适宜柑桔栽培。柑桔是贵州的传统水果，栽培历史悠久，分布面广，种类、品种有1 0 0 多 个。目前大量栽培的柑桔种类为甜橙和宽皮柑桔。但是由于品种结构不舍理、科技含量低、 管理粗放、单位面积产量不高。贵州是我国优质柑橘的主产地，约有1 6 3 4 万亩的退耕还林 坡耕地和荒坡荒山适宜发展柑橘果品，优质柑橘产业化开发的资源潜力很大。 但是许多区域还处在盲目生产、无计划、无规律的状态。我省曾出动大量的人力和物力 对各种农业数据进行普查，积累了各种作物的苗情，土情，肥情，水情，虫情，气象，和灾 害等大量数据资料，但基本上是作为文件文档保存。为解决这一“数据丰富而知识贫乏”的 现象，有效地促进我省柑桔的高质高产，我们在广泛收集和总结贵州特色柑桔生产和研究过 程中积累起来的知识、经验、成果、关键技术的基础上，运用人工智能、知识工程和专家系 统等技术以柑桔病虫害预警防治系统为契机建立了一个基于i n t e r n e t 的农作物专家系统。 该系统将运用多媒体技术并以信息网络等为载体实现了柑桔病虫害预警系统的在线决 策和远程诊断将柑桔的栽培、育苗、土肥、植保等诸多专业权威专家提供的知识融为一体向 果农提供柑桔生产管理全过程详细周到的咨询和决策服务。其主要功能包括病虫害预警诊断 防治决策、品种选择决策、施肥管理决策等柑桔栽培生产管理过程的咨询服务。 该项目的应用将指导农民科学种植，促进柑橘栽培技术的现代化，提高果农的栽培技术 水平，缓解农业专家短缺、充分发挥信息技术的主导作用。这对创建我国喀斯特柑橘学理论 与产业开发技术体系，促进贵州喀斯特低热河谷优势农业资源的开发，增加喀斯特低热河谷 百万农民的经济收入，促进我国西部地区的生态建设，带动区域经济发展，改善和优化项目 区经济结构和生态结构，加快喀斯特山区农村小康社会建设都具有重大的意义和作用，项目 的经济效益、社会效益和生态效益十分显著，填补了省内空白。 3 1 3 课题研究的目的及主要研究内容 专家系统本身是一门实用性很强的技术，它的知识表示、知识获取、知识运用等技术方 法的产生均要依赖很强的实际背景，只有在实践中才能产生有价值有水平的新技术新方法， 脱离实际去研究专家系统是难有出路的。国际上有一条经验，就是专家系统解决的实际问题 面越窄越容易成功。所以，对于专家系统技术，第一要加强基础性研究，重视专家系统与其 它新技术的有机结合：第二要重视从实际领域特点出发，研究一些针对性较强，在实际领域 中应用成功，而又有实用和推广价值的技术。基于以上的研究经验，本专家系统的设计主要 是从诊断型的模糊专家系统入手研究和实现的。 7 本文主要研究以下内容： 1 、专家系统的原理和开发，以及相关技术的研究 2 、确定性理论模型的研究及实现。 3 、利用数据库来构建知识库 4 、搭建模糊知识库，并采用模糊推理技术设计推理引擎，包括全局数据库、模糊推理 机以及具有一定解释功能的解释机。 1 4 本文内容组织及创新点 1 4 1 本文内容组织 本文是在实际工作的基础上完成的，是对我们两年来的研究成果的一个阶段性小结，一 共分为四部分。 第一章，是对全文的一个引述，对专家系统的发展、课题的来源及背景做了概要的介绍。 第二章对课题的总体设计做了大致的介绍，包括：利用p r o l o g 开发病虫害诊断模糊专家系统 的研究，知识表示方法、不确定性表示方法、控制机制、知识获取机制、解释机制。 第三部分是本文的核心部分，包括第三、四章，重点介绍了模糊推理引擎的设计。在该 部分，首先介绍了利用数据库来设计知识库，接着介绍了模糊推理引擎的设计，主要包括全 局数据库设计，推理机设计以及解释器的设计。 第四部分是对以前工作的一个总结，并对后续工作做出展望。 1 4 2 本课题的创新之处 本课题的创新之处在于利用模糊技术来处理专家系统中的不确定性知识，在这里所谓模 糊技术是指建立在模糊集合理论和模糊逻辑推理基础之上的一类工程技术，它能更好的模拟 和反映人类认识和思维过程中所固有的模糊性。另外，在模糊知识库的设计上，采用关系数 据库作为模糊知识库的外部存储形式，也是本文的另一个创新点。 d 第二章模糊专家系统 在传统专家系统中，规则的前件和结论只能是精确的数值或命题，它们只能在f o ，l 中取值。如果要模拟领域专家知识的不确定性，只能在规则的尾部引进一个“置信度”，用 以表示规则的可信程度，除此以外，规则本身是不允许含有模糊数据( 如“大约3 ”) 模糊 命题( 如“他是个年轻人”) 的。采用这种方法不能很好地模拟领域专家的知识，为了更好 地表示不确定性知识，就需要将不确定性引入到规则的内部，即规则的前件和结论。这就需 要在专家系统的研发中，引入模糊数学的理论和方法来开发模糊专家系统。 1 4 1 0 幞糊专家系统就是采用模糊技术来处理其不确定性的一类专家系统，所谓模糊技 术，主要是指建立在模糊集合理论和模糊逻辑推理技术上的一类工程技术，它是对人类认识 和思维过程中的所固有的模糊性的一种模拟和反映。模糊专家系统与传统专家系统的主要区 别如下： 1 知识表示方面 传统专家系统中的一切变量( 除了“置信度”外) 只能取两个值，即要么为真，要么为假。 模糊专家系统中则要求对从领域专家或专业二陪本上抽取出来的包含各种不确定性的知识，能 用一种贴切地反映各种模糊性的方法如实地表示出来，且其中的各种变量应在f 0 ，】1 中取值， 这是一件十分困难的事。这对知识工程师提出了更高的要求。 2 知识处理方面 这里所说的处理主要是指推理，而推理中的关键就是匹配( 如有多条规则满足当前条件， 则采用冲突消解策略从中选出一条最优的规则) 。在传统的专家系统中，匹配只有两种情况， 即规则前件与当前数据库要么匹配，要么不匹配；而模糊专家系统中的匹配则要复杂得多 3 4 】 例如，如下的各种语言的模糊性就很难匹配： ( 1 ) 模糊谓词：如“小”，“年轻”，“漂亮”，“丰富”等。 ( 2 ) 模糊量词：如“大部分”，“至少7 0 ”，“大约7 ”等。 ( 3 ) 模糊修饰词：如“很”，“或多或少”，“不( 或非) ”，“相当”等。 ( 4 ) 模糊概率：如“可能”，“不可能”，“不大可能”等。 ( 5 ) 模糊真值：如“相当真”，“很真”，“几乎是假的”等。 ( 6 ) 模糊可能性：如“很可能”，“可能”，“完全不可能”等。 传统的专家系统只允许精确匹配，不允许部分匹配：模糊专家系统则允许部分匹配。从 而在知识的处理中提供了一种近似( 或模糊) 的推理机制，传统专家系统仅提供了一种精确推 理机制。当然，在模糊专家系统中也能处理精确推理，因为精确推理只是近似( 或模糊) 推理 的一种特殊情况。 3 知识获取方面 与传统专家系统不同的是、模糊专家系统所要获取的知识不求结构和量的精确描述，即 5 所要获取的知识可以是一些不确定、不完全、不精确和模糊的知识，这在很大程度上方便了 领域专家。缩小了知识工程师与领域专家的“距离”，这是因为领域专家求解问题的许多经 验、窍门，技巧就是专家本人有时也很难表述清楚，甚至到了只可意会不可言传的地步。如 果在知识获取阶段不苛求领域专家把他求解问题的策略、方法和启发式行为表述得十分严格 和十分清楚，将会受到领域专家的欢迎，也可以使研制的系统更符合实际情况。 2 1 模糊数学和模糊逻辑理论及其实际应用 1 普通集合和模糊集合【“ ， 在普通集合的定义中，个元素x 与集合a 的关系，只有x e a 或者x 硭a 两种情况，也 就是x 属于a 或者不属于a 两种情况，二者必居其一，可以通过特征函数的表达式c a ( x ) 来刻画。每一个集合都有一个特征函数c a ( x ) ，如果x c a ，则c 一( x ) = 1 ；如果x 岳a ， c a ( x ) = 0 。即： f l 工a c a “卜1 0 工印 模糊集舍的概念是l a z a d e h ( 查德) 于1 9 6 5 年首先提出来的，其基本思想就是把经 典集合中的绝对隶属关系灵活化或称模糊化。从特征函数方面讲就是：元素x 对集合a 的 隶属程度不再局限于0 或1 ，而是可以取从0 到1 的任何一个数值，这一数值反映了元素x 隶属于集合a 的程度。所谓论域u 上的一个模糊子集a ，是指：对于任意x e u ，都指定了 一个数i ta ( x ) 0 ，1 ，叫做x 对a 的隶属程度。映射 ua ：u 一【0 ，1 】 x 1 t a ( x ) 叫做a 的隶属函数。上述定义表明，一个模糊集a 完全由隶属函数u a 来刻画。ua ( x ) 的 值越接近于1 ，表示x 对于a 的隶属程度越高；ua ( x ) 的值越接近于0 ，表示x 对于a 的 隶属程度越低。当ua ( x ) 的值域变为 0 ，1 时，ua ( x ) 演变为普通集合的特征函数c a ( x ) ，a 也就演化为普通集合a 。因此，可以认为模糊集合是普通集合的一般化。 2 关系与模糊关系 设u 、v 为两个集合，u 到v 的一个( 二元) 关系r 是u x v 中的一个子集：r u x v 。 严格的讲，r 是一个关系的集合表示，若( x ，y ) r ( 其中x u ，y v ) 则称x 对y 有关 系r ，记为x r y 。 设u 、v 为两个集合，u 到v 的一个( 二元) 模糊关系r 是u v 中的一个模糊集合， 其隶属函数用r ( x ，y ) 来表示，pr ：u x v - - 0 ，1 。亦即，对于( x ，y ) u v ，ur ( x ，y ) 表示x 对y 有关系r 的程度，或x 对y 有关系r 的相关程度。模糊关系一般表达 为：r = r ur ( x ，y ) ( x ，y ) 。 模糊集合和模糊关系的提出，可以很好的模拟专家系统中很多实际的问题。比如说当系 统中有条规则：病斑颜色( 灰色) 一病变，而用户只能不能给出确定的答案，只能含糊地 回答病斑的颜色为深灰色，或者是浅灰色，我们就可以通过模糊技术来解决。 3 分解定理与表现定理 设a 为论域x 中的模糊集合， 0 ，1 ，定义 与集合a 、的“数积”为模糊集合 b = ax ，其隶属函数为b ( x ) = r a i n ( ，c ax ( x ) ) ，其中c a x ( x ) 为截集a - 的特征函数。其 中，数积b 的隶属函数可记为“2 1 吣，2 恬嚣。 分解定理：4 - a 为论域x 中的模糊集合，则a = u m ，另外还可以用隶属函数的形式给 出，a ( x ) = m ，a x ，( m i n ( , ；t ，c “( o ) ) ) ，记作a ( x ) = vqa c “0 ) ) 。分解定理告诉我 楫0，11目01l 们，任何一个模糊集均可以由它自己分解出的集合合成。 4 隶属函数的确定 隶属函数的确定，无论是在理论上还是在实践方面，都是模糊集合理论及其应用的基本 而关键的问题。目前，确定隶属函数的各种方法还处于研究阶段，常见的比较实用的确定隶 属函数的途径有： 1 专家确定法：根据主观认识或个人经验，主要是专家经验，给出隶属函数的具体数值。 2 借用已有的客观尺度：有些模糊集所反映的模糊概念已有相应的成熟的指标，这种指标 经过长期的实践，已经成为公认的对客观事实的真实而又本质的刻画。我们可以根据问 题的性质，直接采用这些指标或隶属函数来刻画问题中的不确定性。 3 模糊统计法 4 对比排序法 5 综合加权法 6 基本概念扩充法 在本系统的开发中，根据农业专家系统开发的实际情况，主要采用第1 种方法和第2 种方法的结合。 2 2 模糊专家系统中的知识表示方法 知识按其含义来分，可以分为事实、规则和推理方法等。 事实是人对客观事物及其属性的值的描述，它们通常可以用一个其值为真的命题来表 达，在问题求解过程中，它们有时亦被称为原始证据。 规则是一类可分解为前提( 条件) 和结论两部分的那种能够表达一定因果关系的知识。 其一股形式为：如果a ，则b 。规则是专家系统中最普遍的一类知识，是专家解决问题时常 7 采用的一类思维方式。由于一条规则的结论又可能是另一条规则的前提( 或前提的一部分) ， 因此，若干条规则的综合运用就有可能形成一条推理链，从而将问题的证据和结论关联在一 起。 推理方法也是专家系统中很重要的一类知识，用它可以从已有的知识推出新的知识，是 专家系统中问题解答或问题求解的重要方法和工具。主要包括演绎推理、归纳推理和试探推 理等。 模糊产生式系统是对基本产生式系统的一种改进，它将传统产生式系统的全局数据库、 规则库和规则解释器三个组成部分扩充为模糊全局数据库、模糊规则库和模糊规则解释器。 这种扩充有十分现实的意义。由于领域专家的直觉、经验、窍门和启发式知识常常缺乏明确 的逻辑联系，因此领域专家常常用一些比较含糊的语言来描述这些知识并采用它们进行推 理。为了在产生式规则中描述这种模糊性的知识，有必要引入模糊产生式规则。 模糊规则是将传统产生式规则模糊化，其模糊化主要从以下几个方面来进行： a 1前提条件模糊化 b 1动作或结论模糊化 c )设置规则激活阀值f ( 0 ( f 1 ) 设置规则可信度( 或规则强度) c f ( 0 匹配规则的结论，以进行跟进 要求用户回答必要的信息 失败，此时原目标也失败。 ( 8 ) 重复步骤( 1 ) - ( 7 ) ， 反向推理的主要优点是不必使用与目标无关的知识，目的性很强。它特别适合于解空间 小的问题。对于解空间大的问题，初始目标的提出较困难。同时它还能主动向用户询问有关 信息和有利于向用户提供解释，告诉用户所要达到的目标及为此而使用的知识。 推理机的构造简单还是复杂，依赖于知识库的结构。在柑橘病虫害诊断系统中，由于各 种症状较多，相应结论较少，因此主要采用反向推理模型。 4 3 3 模糊推理机的结构模型以及类定义 模糊推理机与专家系统中其他部分的关系密切。传统的方法将其作为一个整体来设计和 实现，增大了难度，也不易构造出推理功能强大、适应性强的推理机。在柑橘病虫害诊断专 家系统的设计开发中我们根据模糊推理机的工作机制，采用面向对象的方法分析和设计，使 推理机具有清晰的逻辑结构，更易于实现；具有更好的扩充性，更易于扩充功能；具有更大 的独立性，与专家系统中其他部分的耦合程度减到最小，更易于推理算法的修改和更新。模 糊推理机主要由三部分组成：模糊匹配器、驱动解释部件、保存结论部件 模糊推理机的类定义如下 知识库中的规则 。魈煳椎理加 事实更新消息 库中已有事实 旺配器 r _ 推出的新事实 保存结 论部件 成功匹配的规则 l 驱动群 l 释部件 图：模糊推理机结构模型 c l a s sc m a t c h m a c h i n e ：p u b l i cc o b l i s t p u b l i c ： 采用成员函数的方式定义“模糊匹配器部件” p o s i t i onp o s f a c tr u l e m a t c h ( c b l a c k b o a r d + m _ a l a c k b o a r d ，c o b l i s t + m p r u l e g r o u p l i s t ，c w n d + mp w n d c a s e j u g d l g ) ； v o i ds a v e c o n c l u s i o n ( c b l a c k b o a t d + m b l a c k b o a r d ，c o b l i s t 。m p m a t c h e d r u l e l i s t ， c w n d + m p w n d c a s e j u g d l 曲；膘用成员函数的方式定义“保存结论部件口 c o b l i s tm _ r u l e g r o u p l i s t ；规则组链表 c o b l i s t + m p a l r e a d y m a t c h e d r u l e l i s t ；己成功匹配的规则链表 c m a t c h m a c h i n e q ； v i r t u a l c m a t c h m a c h i n e 0 ； ； ( 1 ) 模糊匹配器的作用、工作流程及程序实现 在“事实更新消息”的激励下，模糊匹配器根据全局数据库中己有的事实从知识库中取 出尚未匹配成功的规则与已有事实进行匹配，选出所有成功匹配的规则，采用基于可信度表 示的不确定性推理方法和按匹配度排序的冲突消解策略，计算可信度传播值，将成功匹配的 规则和匹配次序号等标记及可信度传播值等信息传送给“驱动解释部件”，发出“保存结论 消息”到应用程序消息队列中，激励模糊推理机的“保存结论部件”将本次推理出的结论作 为新的事实保存到综合数据库中。模糊匹配器的工作流程如图所示。 模糊匹配器的程序实现如下 p o s n l o n 图：模糊匹配器工作流程 c m a t c h m a c h i n e ：p o s f a c tr u l e _ m a t e h ( c b i a c k b o a r d + m ! a c k b o a r d ，c o b l i s t + m _ p r u l e g r o u p l i s t ， c w n d 8 mp w n d c a s c j u g d l g ) g e t h e a d 0 ；得到规则组 n lp r u l el i s t = m _ p r u l e g r o u p - m p r u l e l i s t ；得到规则链表 遍历规则链表中的每个规则与综台数据库中的事实相匹配 f o r ( mp o s r u l e p o s = m a _ ) r u l e l i s t 一 g e c h e a d p o s i t i o n p ；m _ p o s r u l e p o s i = n u l l ；) mf a s s e m b l e t r u s t v a l u e t e m p = 0 o ； m u n u s e d r u l e = f a l s e ； 从规则链表中得到每条规则 mp r u l e = ( c r u l e + ) mp r u l e l i s t - g e t n e x t ( m p o s r u l e p o s ) ； i f ( m _ p r u l e 一 m u s e d ) c o n t i n u e ；若规则已使用过则不再重复匹配 mp r u l ep r e l i s t = m p r u l e 一 m p r u l e p r e l i s t ；解到前提链表 b o o lb n e c e s s a r y p r e u n m a t c h e d ；某规则必要子条件未匹配标识 b n e c e s s a r y p r e u n m a t c h e d = f a l s e ； f o r ( m p o sr u l e p r c p o s = m _ p r u l e p r e l i s t - g e t h e a d p o s i t i o n 0 ；m p o s r u l e p r e p o s ! = n u l l ；) 遍历规则前提链表 2 7 m _ p r u l e p r e = ( c r u l e pr e + ) m p r u l e p r e l i s t 一 g e t n e x t ( mp o s r u l e p r e p o s ) ； b o o lb p r e m a t c h e d ； b p r e m a t c h e d = f al s e ， f o r ( m _ p o s p a c t p os = m _ b l a c k b o a r d g e t h e a d p o s i t i o n o m _ p o s f a c t p o s ! = n u l l ；、 i 宜历事实链表 m _ p f a c t = ( c f a c t + ) m b l a c k b o a r d - g e t n e x t ( m _ p o s f a c t p o s ) ； ，比较关键字 i f ( m _ p r u l e p r e - m _ s t r p r e k e y = = m _ p f a c t - ms t r f a c t k e y ) i f ( m p r u l e p r e n l _ s t r p r e v a l u e = m p f a c t 一 m s t r f a c t v a l u e ) 脯各前提权重参与计算 b p r e m a t c h e d ：t r u e ； f l o a tf t e m p f a c t v = o ，f t e m p p r v w = o ； t t e m p f a c t v = a t o f ( ( c h a r + ) ( r n _ p f a ct - m s t r f a c t v g e t b u f f e r ( m _ p f a c t - m _ s t r f a c t v g e t l e n g t h 0 ) ) ) ；得到事实可信度 f t e m p p r v w = a t o f ( ( c h a r + 、( mp r u l e p r e 一 m _ s t r p r e w g e t b u f f e r ( m _ p r u l e p r e ms t r p r e w g e t l e n g t h 0 ) ) ) ；得到规则的子前提权重 ，计算综合可信度 mf a s s e m b t r u s t v a l u e t e m p + = f t e m p f a c t v + f i e m p p r vw i f ( ! ( m _ p r u l e p r e mb m a t c h e d ) ) i nb u n u s e d r u l e = t r u e ； m _ p r u l e p r e 一 m b m a t c h e d = t r u e ； ) b r e a k 比较关键字分支 c o n t i n u e ； ，遍历事实链表循环 储规则子条件是必要条件，并且未被匹配，则跳出规则前提与事实比较的循环 i f ( ( m _ p r u l e p r e 一 m _ b n e c e s s a r y ) & & ( ! b p r e m a t c h e d ) ) c o n t i n u e ； 遍历规则前提链表循环 i f ( m b u n u s e d r u l e & & ( m _ f a s s e m b l e t r u s t v a l u e t e m p 0 ) ) ，选中规则的条件是综合确信度值 大于零 ( 懒据传播确信度值和规则优先级排列规则在规则链表中的位置 m _ p r u l e m _ f a s s e m b l e t r u s t v a | u e = mf a s s e m b l e t r u s t v a l u e t e m p + a t o f ( ( c h a r ) ( mp r u i e - m r u l e v , g e t b u f f e r ( m _ p r u l e - m _ s t r r u l e v g e t l e n g t h 0 ) ) ) ； mp m a t c h e d r u l e l i s t - a d d h e a d ( mp r u l e ) ； m p r u l e m _ u s e d = t r u e ； ) ) 肌赶历规则链表循环 脯载有所有匹配成功规则的规则链表传c c a s e j u g d l g 类成员变量 ( ( c c a s e j u g d l g + ) m p w n d c a s e j u g d l g ) 一 m _ p m a t c h e d r u l e l i s t = m _ p m a t c h e d r u l e l i s t ； 脯所有匹配成功的规则加入“己匹配规则链表” m _ p a l r e