【文章內容簡介】 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。 ? 例如 ,有兩條相同結論的規(guī)則 R1: A→G R2: 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→G CF() R2: B∧C→G CF() ? 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(),按 公式求得 G的可信度為 : CF1(G)== ? 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為 yes,CF(),回答 C為 yes,CF(),計算 G的可信度為 : CF2(G)=min(,)= ? 合并 G的可信度為 : CF(G)=CF1(G)+CF2(G)CF1(G)CF2(G) =+= ? 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。 應用舉例： ? 有如下規(guī)則集和可信度： R1: A∧B∧C→G CF() R2: D∨E→A CF() R3: J∧ K→B CF() R4: P∨Q→C CF() R5: F∨(R ∧ S)→D CF() ? 已知事實及可信度： F(),R(),S(),E(n),J(),K(),P(n),Q()。 S R F Q P K J E D C B A G 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→G CF() R21: D→A CF() R22: E→A CF() R3: J∧ K→B CF() R41: P→C CF() R42: Q→C CF() R51: F→D CF() R52: R∧ S→D CF() （ 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() ? 計算 D的可信度為： CF1(D)= = （ 4） 引用 R52規(guī)則求 R和 S。 ? 提問 R？ 回答 yes， CF() ? 提問 S？ 回答 yes， CF() CF2(D)= min{, }= ? 合并 D結點的可信度為： CF(D)=+－ =≈ （ 5）回溯到規(guī)則 R21， 計算 A的可信度： CF1(A)= =≈ （ 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 ? 合并 A的可信度為： CF(A)=+ 0= （ 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() ? 提問 K？ 回答 yes， CF() ? 計算 B的可信度： CF(B)= min{, }= （ 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=0 （ 11） 引用 R42規(guī)則求 Q。 ? 提問 Q？ 回答 yes， CF() ， 計算 C的可信度： CF2(C) = = ? 合并 C的可信度為： CF(C)=0+ = （ 12）回溯到 R1規(guī)則 CF(G) = min{, , }= ? 因此，目標 G成立的可信度為 。 （三）該問題的成功推理路徑的解釋 1. F成立的可信度為 ，用戶回答的事實 2. R成立的可信度為 ，用戶回答的事實 3. S成立的可信度為 ，用戶回答的事實 4. D成立的可信度為 ，由規(guī)則 R51， R52推出 5. A成立的可信度為 ，由規(guī)則 R21推出 6. J成立的可信度為 ，用戶回答的事實 7. K成立的可信度為 ，用戶回答的事實 8. B成立的可信度為 ，由規(guī)則 R3推出 9. Q成立的可信度為 ，用戶回答的事實 10. C成立的可信度為 ，由規(guī)則 R42推出 11. G成立的可信度為 ，由規(guī)則 R1推出 練習： ? 有如下規(guī)則集和可信度： R1: A∧B→G CF() R2: C∨D∨E→A CF() R3: F∧ H→B CF() R4: I→D CF() R5: K→H CF() ? 已知事實及可信度： C(),I(),E(),F(),K()。 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。 H F E D B A G C I K 專家系統(tǒng)示例 PC計算機故障診斷指導專家系統(tǒng)（ PCDGES） 1. 系統(tǒng)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。 2. 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(tǒng) 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 …… 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(tǒng)采用產生式規(guī)則表達診斷知識 ,整個系統(tǒng)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 知識庫中一些典型規(guī)則 : ? RULE1： IF 第 1類系統(tǒng)錯 , AND 第 1類啟動錯 , AND 第 4類報錯叫聲 , THEN 系統(tǒng)板有問題 ， 應修理或更換 ? RULE2： IF 啟動不正常 THEN 第 1類系統(tǒng)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 ? ……… 4. 軟件實現 （ 1）知識庫 ? RULEl: diagm(“系統(tǒng)板 ” ):— (結論 ) checkc(“系統(tǒng) ”,?1?),(檢查是否第 1類系統(tǒng)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(tǒng)板 ”). (顯示結論信息 ) ? RULE2: checkc(“系統(tǒng) ”,?1?):— cond(1,“系統(tǒng)啟動失敗 ”). ? RULE3: checkc(“啟動 ?,?1?):— cond(2,“加電后屏幕無反應 ”), cond(3,“機內電源電壓正常 ”). ? RULE4: checkc(“叫聲 ”,?4?):— cond(4,“系統(tǒng)啟動失敗 ”), cond(5,“喇叭一聲長叫 ,一聲短叫 ”). ? RULE5: cause(“系統(tǒng)板 ”):— write(系統(tǒng)板有問題 ,應修理或更換 ). （ 2）推理機 ? 系統(tǒng)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(tǒng)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。 （ 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TURBO PROLOG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 （ 4）人機接口 ? PCDGES的人機接口采用交互式人機接口。 ? 系統(tǒng)菜單分為四級 ,一級為系統(tǒng)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 PCDGES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