专家系统与人工智能的应用

专家系统学院专业研究方向学生姓名学号任课教师姓名任课教师职称2013年6月20 日专家系统与人工智能的应用摘要：人工智能有许多备受关注的领域，如自然语言理解，人工神经系统，专家系统。

专家系统（Expert System）就是对传统人工智能问题中智能程序设计的一个非常成功的近似解决方法；是人工智能从一般思维规律探索走向专门知识利用，从理论方法研究走向实际系统设计的转折点和突破口。

它作为典型的“知识工程”系统，既是知识表达、只是存储、只是推理、知识获取、知识管理技术的综合应用对象，也是研究和开发知识工程技术的工具。

从这个意义上说，它促进了计算机软件、硬件和系统从数据信息处理向知识信息处理的发展。

近年来，专家系统在理论研究和实际应用方面取得了令人瞩目的成就。

在管理决策领域，专家系统也愈来愈受到人们的关注，取得了巨大的发展。

1. 引言专家系统的第一个里程碑是斯坦福大学根鲍姆等人于1968年研制成功的分析化合物分子结构的专家系统——DENDRAL系统。

此后，相继建立了各种不同功能、不同类型的专家系统。

MYCSYMA系统是麻省理工学院（MIT）于1971年开发成功并投入应用的专家系统，用LISP语言实现对特定领域的数学问题进行有效的处理，包括微积分运算、微分方程求解等。

DENDRAL和MYCSYMA系统是专家系统的第一阶段。

这个时期专家系统的特点是高度的专业化，专门问题求解能力强，但结构、功能不完整，移植性差，缺乏解释功能。

20世纪70年代中期，专家系统进入了第二阶段——技术成熟期，出现了一笔成功的专家系统。

具有代表性的专家系统是MYCIN、PROSPECTOR、AM、CASNRT等系统。

MYCIN 系统是美国斯坦福大学研制的用于细菌感染性疾病的诊断和治疗的专家系统，能成功地对细菌性疾病做出专家水平的诊断和治疗。

它是一个结构完整、功能全面的专家系统。

它第一次使用了知识库的概念，引入了可信度的方法进行不精确推理，能够给出推理过程的解释，用英语与用户进行交互。

MYCIN系统对形成专家系统的基本概念、基本结构起了重要的作用PROSPECTOR系统是由美国斯坦福研究所开发的一个探矿专家系统。

由于它首次实地分析华盛顿某山区一带的地质资料，发现了一个钼矿，成为第一个取得显著经济效益的专家系统。

CASNET是一个与MYCIN几乎同时开发的专家系统，由拉特格尔（Rutger），大学开发，用于青光眼诊断与治疗。

AM系统是由斯坦福大学于1981年研制成功的专家系统。

它能模拟人的类进行概括、抽象和归纳推理，发现某些数论的概念和定理。

第二阶段专家系统的特点是：①单学科专业型专家系统。

②系统结构完整，功能较全面，移植性好。

③具有推理解释功能，透明性好。

④采用启发式推理、不精确推理。

⑤用产生式规则、框架、语义网络表达知识。

⑥用限定性英语进行人-机交互20世纪80年代以来，专家系统的研制和开发明显地趋向于商业化，直接服务与生产企业，长生了明显的经济效益。

另一重要发展是出现专家系统开发工具，从而简化了专家系统的构造。

2.专家系统的定义专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。

也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统专家系统的特点：1、具有专家水平的专业知识2、能进行有效的推理3、具有启发性4、具有灵活性5、具有透明性6、具有交互性3、专家系统的类型：4、专家系统的结构：尽管不同类型的专家系统的结构会存在一定差异，但其中基本结构还是大致相同的。

通常，一个专家系统的基本结构有知识库、数据库、推理机、解释模块、知识获取模块和人机接口6大部分多组成。

如下图1所示：图1：专家系统的基本结构理想专家系统的结构图5、专家系统的开发：1.开发步骤采用原型技术的转接系统开发过程如下图2所示，它可分为设计初始值时库、原型系统开发与实验、知识库的改进与归纳三个主要步骤。

图2：建立专家系统的步骤2.知识的获取：图3：知识获取的任务3.开发工具与环境常用的专家系统开发工具和环境可按其性质分为程序设计语言、骨架型工具、语言型工具、开发环境及一些新型专家系统开发工具等。

(一)程序设计语言程序设计语言包括人工智能语言和通用程序设计语言。

它们是专家系统开发的最基础的语言工具。

人工智能语言的主要代表有以 LISP 为代表的函数型语言和以PROLOG 为代表的逻辑型语言等;通用程序设计语言的主要代表有C、C++和 JAVA 等。

(二)骨架型工具骨架型工具也称为专家系统外壳，它是由一些已经成熟的具体专家系统演变来的。

其演变方法是，抽去这些专家系统中的具体知识，保留它们的体系结构和功能，再把领域专用的界面改为通用界面，这样，就可得到相应的专家系统外壳。

(三)语言型工具语言型工具是一种通用型专家系统开发工具，它是不依赖于任何已有专家系统，不针对任何具体领域，完全重新设计的一类专家系统开发工具。

与骨架系统相比，语言型工具具有更大的灵活性和通用性，并且对数据及知识的存取和查询提供了更多的控制手段。

常用的语言型工具有CLIPS 和OSP 等。

(四)开发环境专家系统开发环境是一种为高效率开发专家系统而设计和实现的大型智能计算机软件系统。

专家系统开发环境一般由调试辅助工具、输入输出设施、解释设施和知识编辑器4 个典型部件所组成。

6、实际应用对于专家系统我有自己的一些见解。

下面结合我参与过的一个项目来对专家系统的实际应用来进行阐述。

全厚度再生机材料配置与设备自动控制系统（以下简称“系统”）。

全厚度再生机自动控制系统是沥青路面全厚度再生快速修复关键技术和装备项目的一个子项目，该系统主要实现两个系列的功能。

第一，智能送料。

通过用速度传感器测出再生机行驶车速、铣刨机铣刨深度及材料学专家经实验得到的材料配比标准计算出应有送料速度，使用电子阀门控制送料速度达到最优化，既能达到路面施工标准，又能实现原料利用率的最大化。

第二，生产环境实时监测。

通过各种传感器，元器件对装备的运行状态进行监测，并将监测到的数据进行实时显示、报警、保存，使物料的生产保证质量。

7、现状与发展前景专家系统运用于医疗、军事、地质勘探、教学、化工等领域，产生了巨大的经济效益和社会效益。

但与此同时，专家系统在开发使用中也存在着一下缺点:(1)知识获取的“瓶颈”。

通常专家系统的知识获取主要靠人工移植，由知识工程师将领域专家的知识总结为规则加入到知识库中，这种知识获取是间接的，因而效率低;另外，领域专家的某些经验知识往往只能意会，不能言传，很难用一定的规则或者数学模型来严格描述，而这些经验知识在问题求解过程中是相当重要的，这就是专家系统设计开发中的“瓶颈”问题。

(2)另一种知识获取的困难就是多个领域专家的知识之间相互矛盾的处理。

是在这些知识之间作某种折中处理，还是只取其中的某一种，作为非领域专家的知识工程师在这种情况下也束手无策。

(3)知识“窄台阶”。

目前，一般的专家系统只能在相当窄的专业知识领域内求解专门性问题，对于那些可以用相应经验知识完整描述的问题能够得到正确结论，但是一旦问题超出系统所拥有的专业领域经验知识，出现系统未预计到的情况，即使问题所涉及到的知识只与现有专业领域知识有细微偏差，系统就得不出结论甚至还可能得到错误的结果。

所以存在知识的“窄台阶”，即只有浅层的、表面的、经验性的知识，缺少深层的、本质的、理性的知识。

(4)推理能力弱。

由于推理方法简单，控制策略不灵活，所以容易出现“匹配冲突”、“组合爆炸”及“无穷递归”等问题，推理速度慢，效率低。

(5)智能水平低。

专家系统的知识存储是一一对应的，且限定没有冗余性，因而就失去了灵活性。

一般的专家系统一般不具备自学习能力和联想记忆功能，不能在运行过程中自我完善、发展和创新，不能用联想记忆、识别和类比等方式进行推理。

这样，系统就不能在实践中不断自我完善，就不能从环境变化中发展和创新知识。

系统的功能取决于系统最初的知识和能力，它的本领只是输入知识的总和。

以上种种都是专家系统发展中存在着的一些限制，在未来的年代中，许多今日专家系统缺失将会被改善，相信未来专家系统应该继续研究的项目有:具有处 16 理常识的能力;发展深层的推论系统;不同层次解释的能力;使专家系统具有学习的能力;分布式专家系统;轻易获取与更新知识的能力。

未来发展的专家系统，能经由感应器直接由外界接受资料，也可由系统外的知识库获得资料，在推理机中除推理外，上能拟定规划，仿真问题状况等。

知识库所存的不只是静态的推论规则与事实，更有规划、分类、结构模式及行为模式等动态知识。

人工智能与专家系统的开发标志着计算机系统的发展进入了崭新的阶段，使得计算机的性能更科学、更智能化。

专家们预计，人们在一般的知识系统支持下开发专家系统的日期不会太长。

到那时，用户通过将本领域的专门知识放入预先设计好的问题求解软件包中，就能获得用于解决本领域问题的专家系统，甚至可能从根本上改变传统设计程序的观念。

8、总结首先，通过此次的论文撰写，使得我对本专业的相关知识有了更清楚的认识，熟悉和掌握了人工智能的基本概念，对专家系统也有了初步的了解，知识也得到了巩固与升华。

其次，我主要是对专家系统进行介绍，而在此之前已经有很多人研究过了，所以要参考他们的想法，但有些地方我们也要勇敢的跳出他们的框架，结合我们的实际情况进行分析设计，思想不局限于前人。

最后，惭愧的是，由于本人知识与能力有限，对专家系统的了解以及应用方面掌握的知识都不够全面，因此需要迫切的提高自己这方面的知识。

参考文献[1] 王永庆. 人工智能原理与方法[M].西安：西安交通大学出版社,1998.[2]VictorB.Kreng.TheConstructandApplicationofKnowledgeDiffusionMod2 el.Expert Systems with Applications,2003,(2).[3] 敖志刚. 人工智能与专家系统导论[M].合肥:中国科技大学出版社,2002.[4] 杨学山. 专家系统及其在管理中的应用.北京:清华大学出版社,1991.[5] 武波，马玉祥.专家系统[M].北京:北京理工大学出版社，2001.[6] 王万良. 人工智能及其应用[M].北京高等教育出版社,2008.6[7] 蔡自兴，约翰·德尔金，龚涛. 高级专家系统原理、设计及应用[M].北京: 科学出版社,2005.[8]付炜. 基于框架网络结构的专家知识表示方法研究[J].计算机应用.2002,22(1): 3-6.[9]李士勇.模糊控制、神经控制和智能控制理论[M].哈尔滨:哈尔滨工业大学出版社,1998.[10]吴泉源.人工智能与专家系统[M].长沙:国防科技大学出版社，1995.[11]乌日图.实时专家系统及其应用研究[J].内蒙古工业大学学报，1998，17(2).。