管理信息系统_8

第8章专家系统 本章要点 1 专家系统的概念及研究的主要问题2 人工智能的概念及主要包括的内容3 确定性推理与不确定性推理4 产生式系统的结构 推理树的构成 深度优先搜索方法5 专家系统开发方法 8 1专家系统概述 先进行 记忆 再进行比较与判别 外加推理 最后取出所存与需求相关的内容完成决策 这样实现的决策系统 就是简单的专家系统 所谓记忆 是将知识用一种符号来标记并存储的过程 在实际决策时根据每一步判断当前的环境与数据情况 与所存储的各个记忆块进行比较 判别找出最合适的处置办法 取出相应的动作内容 再按其操作就可以自动化了 专家系统操作简便 有极好鲁棒性 效率很高 但这种系统控制精度不很高 推理与人工智能 最简单的推理是基于古希腊哲学家亚里士多德的三段论 如果A是B 且所有的B都是C 那么A是C 也就是说 如果我们有关于B与C的关系曲线或数据表 那么只要得到B 实际就得到A 也就得到了C 利用布尔代数可以作更复杂的推论 有些决策问题实际没有正确的结果 但是又必须要做某一件事情 要做一件模糊被认可的事情 需要借鉴人的思考过程 模拟人类某些智能行为的基本方法和技术来试图求解该问题 这就是人工智能 求解问题的思维活动一般包括3个步骤 首先从记忆库中找出解决问题的办法 提出解题计划 再从记忆库中找出解决问题的计算公式 分析相关数据 按计划实施解题过程 在实施解题时要不断进行方法和目的的分析 修正计划并再求解 直到得到满意的结论 专家系统的应用 1970年 用于诊断和治疗细菌感染性血液病的专家咨询系统MYCIN使用了知识库的概念 并采用了可信度来表示经验性知识与数据 可以进行不确定性推理 对推理结构进行解释 涉及并基本解决了知识表示 知识获取 搜索策略 不精确推理和结构等重大问题 专家系统研究开始了 在管理决策领域 专家系统被广泛应用于各种预测与计划制定 例如资源分配 财务分析 市场营销 计划制定 生产管理 质量控制等 8 2专家系统基本概念 8 2 1基本概念1 人工智能的概念人工智能 ArtificialIntelligence AI 主要研究用人工的方法和技术 模仿 延伸和扩展人的智能 实现机器智能 知识是人们通过实践得到的关于客观世界的有规律性的事实 方法 规则 它是经过加工的信息 包括陈述性知识 过程性知识与控制性知识 人工智能的基本概念 人工智能的关键问题有 1 知识表示 2 自然语言处理 3 自动推理 4 机器学习 5 听觉与视觉 6 控制与执行 知识表示研究的是用计算机表示知识的可行的 有效的 通用的原则和方法 包括对知识的描述 有关的约定 表示知识的数据结构等 常用的知识表示方法有逻辑模式 产生式系统 框架 语义网络 状态空间 面向对象 连接主义等 对于不同的知识表示与对于知识的不同使用方法 需要研究不同的搜索方法 大致可以分为无信息导引的盲目搜索与利用经验知识导引的启发式搜索 推理的分类与机器学习 自动推理可分为演绎推理 归纳推理 反绎推理等 演绎推理是从一般到个别的推理过程 例如 A B B C 那么A C 归纳推理是从个别到一般的推理过程 例如 A B C D 那么AC BD 反绎推理试图从结论推得原因 例如 A B 我们知道的是B 希望求得A 一般来讲 反绎推理是不可靠的 但因为结论是准确的 因此又被认为是最佳解释推理 特殊的推理与机器学习 按推理过程中推出的结论是否是单调增加 推理又分为单调推理与非单调推理 单调的意思是说确定为真的判断数目随着推理的进行增加 非单调推理常在知识不完全的情况下发生 为使推理进行下去 常需要再假设 再推理 如果新知识加入后发现原来的假设不成立 就要推翻以前的假设及其之后的所有结论重新推理 不确定问题产生原因可能是事物变化的随机性 人类知识的不完全 不可靠 不精确和不一致性 自然语言中的模糊性与歧义性等 对于这每一种原因 需要研究各自特殊的推理方法 机器学习指机器自动记录人工操作或程序运行的过程与状态 重新组织已有的知识结构 得到新的知识或技能 不断使机器的动作符合客观世界的规律的过程 常见的机器学习方法有归纳学习 类比学习 分析学习 加强学习 遗传算法 连接学习等 专家系统的基本概念 专家系统 ExpertSystem ES 是利用专家知识及知识推理等技术理解与求解问题的系统 专家知识包括专家掌握的信息与专家解决问题的方法 成功的专家系统都以启发式知识为中心 由启发式知识指导问题的求解 系统的能力主要由知识库中包含的领域特有的知识来决定 图8 2专家系统结构示意图 专家系统由知识库 KnowledgeBase 推理机 InferenceEngine 综合数据库 GlobalDatabase 人机交互界面 Human LomputerInteractionInterface 解释器 Interpreter 和知识获取 KnowledgeAcquisition 等六部分组成 专家系统组成 知识库用于存储求解问题所需知识 包括事实 规则和其他有用信息 推理机是实施问题求解的核心执行机构 它针对当前问题的条件或已知信息 反复匹配知识库中的规则 获得新的结论 以得到问题求解结果 知识获取是专家系统知识库是否优越的关键 通过知识获取扩充和修改知识库中的内容并实现自动学习功能 人机交互方法是专家系统重要方法 综合数据库专门用于存储推理过程中所需的原始数据 中间结果和最终结论 解释器根据用户的提问 对结论与求解过程做出说明 专家系统可以解决的问题 专家系统可以解决的问题一般包括解释 预测 诊断 设计 规划 监视 修理 指导和控制等 发展专家系统的关键是表达和运用专家知识 即来自人类的并已经被证明对解决有关领域内的典型问题是有用的事实和过程 专家系统和传统的计算机 应用程序 最本质的不同之处在于 专家系统所要解决的问题一般没有算法解 并且经常要在不完全 不精确或不确定的信息基础上做出结论 专家系统的基本工作流程 1 领域专家或其他系统程序通过专门的接口实现知识 包括规则 的获取并存放到知识库中 2 用户通过人机界面回答系统的提问 3 推理机将用户输入的信息与知识库中各个规则的条件进行匹配 并把被匹配的结论存放到综合数据库中 4 可以通过解释器向用户解释以下问题 系统为什么要向用户提出该问题 计算机是如何得出最终结论的 5 最后 专家系统将得出的最终结论呈现给用户 8 2 2产生式系统 产生式系统的规则是在满足若干彼此间关系不大的规则的情况下 得到一系列结论 可以如下表示 IFTHENIFTHEN IFTHEN也可以表示为 等 产生式系统基本结构 产生式系统基本结构包括综合数据库 产生式规则库和控制系统三部分 综合数据库用来表述问题的状态或有关事实 包含所有为求解问题所需的触发事实信息和所有与结论有关的结论事实信息 规则库存放规则 每条规则是一个 条件 动作 的产生式 所有条件都必需出现在综合数据库之中 当一条产生式规则满足了应用的先决条件之后就会产生动作 其结果会修改综合数据库中的内容 表现系统状态的改变 控制系统是对规则的解释程序 它规定如何选择一条可应用的规则来对综合数据库进行操作 产生式系统一例 某公司关于产品销售量的改变与产品产量 产品质量 社会需求量 社会存量 运输能力 投入生产的费用 广告宣传费用 销售人员数量 产品销售价格 产品市场价格 销售人员素质 有关政策约束 生产成本 运输成本 销售成本 生产设备数量 生产人力资源数量 原材料数量 能源状况 原材料质量 销售信息量与销售管理工作都有关系 根据经验 其中关联较强的如 需求增加 销量会增加 产品质量提高可能导致销量增加 销售价格减少可能导致销量增加 加强宣传与广告可能促使销量增加 但各因素起的作用不相同 表现在当二个以上改变时动作情况不确定 例如 产品质量增加 同时销售价格也增加 此时不能肯定销售是增加还是萎缩 针对每一因素给出一个 可信度 可信度高的因素所起作用较大 例如 仍是刚才的问题 如果产品质量因素的可信度高于销售价格的可信度 那么当产品质量增加 同时销售价格也增加时可以推断销售将增加 产生式规则特点 1 相同的条件可以得到不同的结论 例如A B A C 2 不同的条件可以得到相同的结论 例如A C B C 3 条件之间可以用 与 AND 或 或 OR 连接 例如 A B C表示A与B均为真时 得到结论C A B C表示A与B有一个为真时 就可以得到结论C 4 一条规则中的结论可以是另一个规则中的条件 例如 A B B C 第4条规则使得规则之间存在联系 可以按逆向推理思想将规则库所含的若干规则的结论作为总目标 按规则的前提和结论联系起来成一颗树的形式 这颗树称为推理树或知识树 关于销售量的推理树 上一例子各项因素中 某些因素间具有因果关系 例如 产品质量会因为产品产量增加 投入生产的费用减少 原材料质量下降而下降 可以画出关于销售量增加的推理树如图所示 图8 3关于销售量的推理树 基于规则树的推理方法 基于规则树可以有二种推理方法 1 正向推理 指从条件到结论的推理 在规则树中是从下而上地进行推理 对每一个条件 分析其结论 再以该结论为条件 分析上一层的结论 直到得到所需要的结论 2 反向推理 根据所希望达到的目标分析所需要的条件 在规则树中是从上而下的分析 直到得到所有可以实现该目标的规则 这二种推理方法中 后一种有利于决策分析 用于找到所有为达到目标而可以考虑的方案 前一种方法可以用于预测 从某一因素的变化预测将导致什么样的结果 在计算机中推理树可以用规则表来存储与表现 规则表由规则编号 前序规则编号 并行规则编号 条件 结论等数据构成 由规则树求规则集 如图所示规则树中规则集 A B C G D E F AI BJ K CL M EO N J 图8 4规则树规则集 在计算机中推理树可以用规则表来存储与表现 规则表由规则编号 前序规则编号 并行规则编号 条件 结论等数据构成 用规则表表示 图8 3所示规则集对应的规则表 规则编号前序规则编号并行规则编号条件结论10AG203BG302CG415DA514EA61FA72IB83JC93KC105LE115ME12813NJ13812OJ可以不要 前序规则编号 这一列 如果某一个规则的结论等于另一个规则的条件 那么后一个规则的编号就是前一个规则的前序规则编号 深度优先搜索方法搜索并分析的算法 一个目标的实现最终是因为一些叶节点条件的变化而实现的 有时需要分析某一个结论是由于哪些原因造成的 可以对推理树按深度优先搜索方法搜索并进行分析 其算法是 1 从根开始逐级向下搜索 2 如果到达枝节点 继续向下搜索 3 如果到达叶节点 向用户提问是否满足条件 用户回答 1 如果回答为满足 标志为 y 并检查有无并行 AND 规则 如果没有并行规则 将结论标志为 y 向上重复3 1 如果有并行规则 向上回溯到结论 并沿并行枝向下搜索 如果并行的所有节点都为 y 将上一结论标志为 y 向上重复3 1 否则将上一结论标志为 n 并剪枝 将该结论以下部分删除 2 如果回答为不满足 标志为 n 并检查有无或 OR 规则 如果没有或规则 将结论标志为 n 并剪枝 将该结论以下部分删除 如果有或规则 向上回溯到结论 并沿另一枝向下搜索 如果或关系的所有节点有一个为 y 将上一结论标志为 y 向上重复3 1 如果所有 或 关系的节点都为 n 将上一结论标志为 n 并剪枝 将该结论以下部分删除 例题 如果规则树如图8 4所示 当问及D L M I N O K时用户的回答为y n y n y y n n 问G A B C各是否满足 图8 4规则树规则集 解 从根G开始逐级向下搜索 到A 再到D 已知用户的回答为y 再到E 到L 已知用户的回答为n 再到M 已知用户的回答为y 向上回溯到E为y 再向上回溯到A为y 已经可以得到G为y 搜索B 到I 用户的回答为n 回溯到B为n 搜索C 到J 到N 用户的回答为y 再到O 用户的回答为n 因为是AND关系 回溯到J为n 再看K 用户的回答为n 回溯到C为n 推理方法小结 专家系统将规则组织成推理树 根节点的状态是需要得到的信息 每个节点都可以有真与假二个状态 系统工作的基本流程是按深度优先的方法对推理树进行搜索 在叶节点让用户通过预先设计的人机界面回答系统的提问 推理机将用户的回答与各个规则的条件进行匹配 再向上回溯逐层判断各枝节点状态 枝节点状态由其下层节点决定 如果下层节点均为AND关系 只要其中有一个节点为假 该枝节点状态为假 如果下层节点均为OR关系 只要其中有一个节点为真 该枝节点状态为真 如果下层节点中同时存在AND关系与OR关系 可以将AND关系看成是一个临时节点 只要这些临时节点与其他节点中有一个节点为真 该枝节点状态为真 这样最终可以推理得到根节点的状态 实际的专家系统 实际的专家系统中状态并不是真与假这样简单 例如前面关于销售量的推理树 其中有关产量 质量 价格等都有具体的数据 来自管理信息系统中各有关数据库 可以由数据库中的数据分析各个因素增加与减少的情况 人机交互界面供用户输入那些数据库中数据不能回答的信息 在设计专家系统时 要事先分析需要提出那些问题 用户回答的内容大致有那些 对每一可能的回答规定一定的语境 再表示成规则的形式 放到规则树中 有针对性地设计推理方法 8 2 3不确定性推理 在日常工作中 许多决策是在知识不确定的情况下进行的 例如数据不完全 各个因素对最终决策的作用不容易估计等等 需要研究存在不确定性知识情况下的推理 可以用可信度 CF 表示知识的不确定性 例如 已知规则R1为E H CF R1 0 8表示规则R1 条件E满足就可以得到结论H满足 的可信度为0 8 可信度又分为条件的可信度 结论的可信度 推理的可信度 例如 CF H 表示结论的可信度 CF E 表示条件的可信度 CF R1 表示推理的可信度 关于可信度的计算方法 1 如果E H 那么CF H CF E CF R1 当条件肯定成立时 CF E 1 那么结论的可信度等于规则的可信度 2 如果K K1 K2 Kn那么CF K Min CF K1 CF K2 CF Kn 这里K可以是条件 也可以是规则 3 如果E E1 E2 En那么CF E Max CF E1 CF E2 CF En 这里E表示条件 4 如果条件不同 结论相同 例如R1为E1 H R2为E2 H 且R R1 R2那么需要先根据每一规则的可信度计算各自结论的可信度CF1 H 与CF2 H 当CF1 H 与CF2 H 均大于0时 最终CF H CF1 H CF2 H CF1 H CF2 H 当CF1 H 与CF2 H 均小于0时 最终CF H CF1 H CF2 H CF1 H CF2 H 当CF1 H 与CF2 H 异号时 最终CF H CF1 H CF2 H 5 如果有三条以上规则 且中间有 或 关系 则可以先处理二个 得到合并后的可信度 再将合并后的规则逐一和尚未合并的规则合并并计算每一新合并后的可信度 例8 2 如图8 4所示规则树中D L M F I N O K的可信度均为0 7 各规则集及其可信度如下所示 求结果G的可信度 A B C G A G0 8 B G0 7 C G0 8 D E F A D A0 9 E A0 8 F A0 9 图8 4规则树规则集 I B0 6J K C J C0 7 K C0 7 L M E L E0 8 M E0 7 O N J O J0 7 N J0 5 解 D L M F I N O K的可信度均为0 7 1 CF1 E CF L CF E L 0 7 0 8 0 56CF2 E CF M CF E M 0 7 0 7 0 49CF E CF1 E CF2 E CF1 E CF2 E 0 78 2 CF1 J CF N CF J N 0 7 0 5 0 35CF2 J CF O CF J O 0 7 0 7 0 49CF J MIN CF1 J CF2 J 0 35 3 CF1 A CF D CF A D 0 7 0 9 0 63CF2 A CF E CF A E 0 78 0 8 0 62CF3 A CF F CF A F 0 7 0 9 0 63CF12 A MIN CF1 A CF2 A 0 62CF A CF12 A CF3 A CF12 A CF3 A 0 86 规则树规则集 L M E L E0 8 M E0 7 O N J O J0 7 N J0 5 J K C J C0 7 K C0 7 D E F A D A0 9 E A0 8 F A0 9 I B0 6A B C G A G0 8 B G0 7 C G0 8 CF E 0 78 CF J 0 35 CF A 0 86 4 CF B CF I CF B I 0 7 0 6 0 42 5 CF1 C CF J CF C J 35 0 7 0 24CF2 C CF K CF C K 0 7 0 7 0 49CF C CF1 C CF2 C CF1 C CF2 C 0 74 6 CF1 G CF A CF G A 0 86 0 8 0 69CF2 G CF B CF G B 0 42 0 7 0 29CF3 G CF C CF G C 0 74 0 8 0 59CF23 G MIN CF2 G F3 G 0 29CF G CF1 G F23 G CF1 G F23 G 0 69 0 29 0 69 0 29 0 78即结果G的可信度为0 78 规则树规则集 L M E L E0 8 M E0 7 O N J O J0 7 N J0 5 J K C J C0 7 K C0 7 D E F A D A0 9 E A0 8 F A0 9 I B0 6A B C G A G0 8 B G0 7 C G0 8 8 3其他结构的专家系统 除了数据不完全 推理不准确等原因外 不确定性的产生还有人类知识的不可靠性 数据不清晰 变化随机等原因 概率论方法根据某些高概率事件的原因和结果进行推理 要求给出假设的先验概率 例如MYCIN中采用一种确信度方法 制定了一些简单直观的证据合并规则 德姆斯特和莎弗提出证据理论 引进信任函数的概念 规定信任函数满足比概率公理更弱的公理 人们不需要给出具体的概率值 只需要根据已有的领域知识就能对事件的概率分布进行约束 模糊集理论 包括模糊数学 模糊逻辑 模糊决策 可能性理论等 模糊专家系统是指采用模糊技术来处理不确定性的一类专家系统 其基本结构与前述专家系统类似 由模糊知识库 模糊综合数据库 模糊推理机 知识获取 解释器和人机接口6部分所组成 神经网络专家系统是神经网络与传统专家系统集成所得到的一种专家系统 它将基于知识表示方法的显式的知识表示变为基于神经网络及其突触权值的隐式知识表示 把基于逻辑的串行推理技术变为基于神经网络的并行联想和自适应推理 突触权值用于储存所获取的知识 这些知识来自于学习 按照学习算法实现的程序从外界环境中获取知识 基于Web的专家系统技术由浏览器 应用服务器和数据库服务器组成 包括Web接口 推理机 知识库 数据库和解释器 它利用Web浏览器实现人机交互 使得各类用户都可通过浏览器访问专家系统 分布式专家系统是具有并行分布处理特征的专家系统 同时强调并行和分布 它把一个专家系统的功能分解后 分布到多个处理机上去并行执行 它的运行环境可以是紧密耦合的多处理器系统 也可以是松耦合的计算机网络环境 分布式专家系统强调的是功能分布和知识分布 它要求系统必须在多个节点上并行运行 协同式专家系统亦称群专家系统 是一种能综合若干个相近领域或同一领域内多个方面的分专家系统的功能 强调协作与协同 共同解决单个分专家系统无法解决的更广领域或更复杂问题 协同式专家系统强调的是各分专家系统之间的协同 各分专家系统可