【正文】 60。IFE3THENHCF(R3)先按二條規(guī)則合并方法計算出：CF12(H)＝ CF1(H)+CF2(H)－ CF1(H)?CF2(H)再將它和第三條規(guī)則合并：CF(H)＝ CF12(H)+CF3(H)－ CF12(H)?CF3(H)其中 CF3(H)＝ CF(R3)?CF(E3)對于多 OR連接：依次分解、滾動式合并不確定性推理和確定性推理的區(qū)別可信度的差別推理過程的差別 對于確定性推理，當(dāng)結(jié)論的可信度為 1時，就不再進(jìn)行推理；對于不確定性推理，當(dāng)某個結(jié)論的可信度不為 1時（即 CF≠1 ），對于相同結(jié)論的其它規(guī)則仍然要進(jìn)行推理，求該結(jié)論的可信度，并和已計算出該結(jié)論的可信度進(jìn)行合并。確定性推理 ：　　先引用規(guī)則 R1，提問 A？當(dāng)回答為 yes時，推得結(jié)論 G成立，即 yes，這樣就不再搜索 R2對結(jié)論 G進(jìn)行推理。例如，有兩條相同結(jié)論的規(guī)則　　 R1： A→G ；　　 R2： B∧C→G 由于 G的可信度不為 1，還必須對結(jié)論 G的其它規(guī)則進(jìn)行推理。再引用規(guī)則 R2，提問 B和 C？　　設(shè)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) ＝ +－ ＝ 不確定性推理 ：　　 R1： A→G 　 CF()；　 R2： B∧C→G 　 CF()　　推理時，先引用規(guī)則 R1，提問 A？當(dāng)回答為 yes時，還須給定可信度，設(shè)為 CF(），求得 G的可信度： CF1(G)＝ ?＝ 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()。試對目標(biāo) G進(jìn)行推理求解。六、應(yīng)用舉例解 ： 第一步：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：第二步：畫出 “與或樹 ”R1:A∧ B∧ C→GCF()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()FRSGDEJKPQABC 0 0 定義逆向推理的規(guī)則棧和事實數(shù)據(jù)庫第三步：求 D的可信度計算Ｄ的可信度為： CF1(D)＝ ＝ R51規(guī)則成功（ R51規(guī)則退棧）引用 R52規(guī)則（將 R52規(guī)則壓入規(guī)則棧頂）求 R和Ｓ提問 R？ 回答 yes， CF()提問Ｓ？回答 yes， CF()CF2(D)＝ MIN{ ， }＝ R52規(guī)則成功（ R52規(guī)則退棧）合并Ｄ結(jié)點的可信度為：CF(D)＝ +－ ＝ ≈其推理解釋過程為： ⒈ 引用　 R1　 規(guī)則（將 R1規(guī)則壓入規(guī)則棧頂 ),求 A ⒉ 引用　 R21　 規(guī)則 (將 R21規(guī)則壓入規(guī)則棧頂 ),求 D ⒊ 引用　 R51規(guī)則　求 F 提問 F？ 回答 yes， CF()回溯到規(guī)則 R21， 計算 A的可信度第四步：求 A的可信度CF1(A)＝ ＝ ≈R21規(guī)則成功（ R21規(guī)則退棧）引用 R22規(guī)則（將 R22規(guī)則壓入規(guī)則棧頂）求 E提問 E？　 回答 no， 即 CF(0)。CF2(A)＝ 0 ＝ 0R22規(guī)則失?。?R22規(guī)則退棧）合并 A的可信度為：CF(A）＝ +0－ 0 ＝ 回溯到 R1規(guī)則引用 R3規(guī)則（將 R3規(guī)則壓入規(guī)則棧頂），求Ｊ和Ｋ　　提問Ｊ？回答 yes， CF()　　 提問Ｋ？回答 yes， CF()計算 B的可信度第五步：求 B的可信度CF(B)＝ MIN{ ， }＝ R3規(guī)則成功（ R3規(guī)則退棧）回溯到 R1規(guī)則求 C引用 R41規(guī)則（將 R41規(guī)則壓入規(guī)則棧頂）求 P提問Ｐ？回答 no， 即 CF(0)， 計算 C的可信度 CF1(C)＝ 0 ＝ 0 R41規(guī)則失?。?R41規(guī)則退棧）引用 R42規(guī)則（將 R42規(guī)則壓入規(guī)則棧頂）求Ｑ提問Ｑ？回答 yes， CF(04)， 計算 C的可信度 CF2(C)＝ ＝ R42規(guī)則成功（ R42規(guī)則退棧）合并 C的可信度為 CF(C)＝ 0+－ 0 ＝ 第六步：求 C的可信度回溯到 R1規(guī)則 CF(G）＝ MIN{ ， ， }＝ R1規(guī)則成功（ R1規(guī)則退棧）目標(biāo) G成立的可信度為 第七步：求 G的可信度 專家系統(tǒng)與決策支持系統(tǒng)的集成v專家系統(tǒng) (ES)特點：v決策支持系統(tǒng) (DSS)特點：以知識推理的形式解決定性分析問題以模型為核心解決定量分析問題v智能決策支持系統(tǒng) (IDSS)的特點：定性分析與定量分析的有機(jī)結(jié)合DSS ES數(shù)據(jù)庫DSS控制系統(tǒng)模型庫動態(tài)數(shù)據(jù)庫推理機(jī)和解釋器知識庫問題綜合與交互系統(tǒng)智能決策支持系統(tǒng)集成結(jié)構(gòu)圖一 .IDSS中 DSS與 ES的結(jié)合體現(xiàn)： ES的總體結(jié)合二 .IDSS中 DSS與 ES的集成形式 ES并重的結(jié)構(gòu)由綜合系統(tǒng)完成對 DSS和 ES的控制和調(diào)度，根據(jù)實際問題的需要協(xié)調(diào) DSS和 ES的運行。DSS綜合控制系統(tǒng)ESDSS和 ES并重的 IDSS結(jié)構(gòu) DSS為主體的 IDSS結(jié)構(gòu)體現(xiàn)以定量分析為主，結(jié)合定性分析解決問題。數(shù)據(jù)庫模型庫 DSS控制系統(tǒng) ES以 DSS為主的 IDSS結(jié)構(gòu) ES為主體的 IDSS結(jié)構(gòu)體現(xiàn)以定性分析為主，結(jié)合定量分析解決問題。vDSS作為一種推理機(jī)形式出現(xiàn)， DSS受 ES中推理機(jī)的控制。有兩種形式：v數(shù)學(xué)模型作為一種知識出現(xiàn)，模型是一種過程型知識。 建模專家系統(tǒng) (實例 )彈簧振動建模專家系統(tǒng) (ES)規(guī)則 (20條 )規(guī)則中各項英文字母的含義為：A： 彈簧滿足胡克定律；B： 彈簧質(zhì)量可以忽略；C： 可以忽略摩擦力；D： 沒有沖力；A1： 彈簧有線性恢復(fù)力；A11： 彈簧力與位移成正比；A12： 位移量很小；E： 要考慮摩擦力；F： 摩擦力與速度之間為線性關(guān)系；C1： 若振動為自發(fā)時振幅為常數(shù)；E： 若振動是自發(fā)時振幅是遞減的；G： 有沖擊力 F(T)；B1： 彈簧有質(zhì)量 N并且 N/M遠(yuǎn)遠(yuǎn)小于 1；H1： 彈簧勢能不是關(guān)于平衡位置對稱；H： 彈簧不滿足胡克定律；A2： 彈簧勢能與函數(shù) X(T)成正比；I： 摩擦力與速度之間為非線性關(guān)系；規(guī)則中各項英文字母的含義為：模型共有 12個： M1,M2,… ,M12模型模型共有 12個： M1,M2,… ,M12模型M(M1,M2,M3,… M12)A B C D E F G H IA2 A1 B1 C1 ? E1 ? ? H1 ? ? A11 A12 ? ? ? ? ? ? 規(guī)則庫的推理樹每個葉結(jié)點提問的回答為： YYES， NNO?；谕评淼膶＜蚁到y(tǒng) (CaseBased Reasoning)基本思想： 模擬人類推理活動中 “ 回憶 ” 的認(rèn)識能力，將過去典型問題的求解方案按照一定的組織方式存儲起來，形成案例庫。當(dāng)人們找實際新問題的解時，首先利用檢索機(jī)制在案例庫中尋找。如果完全匹配，則將找到的案例的解輸出，該解為新問題的解；如果不完全匹配，則找到的案例的解為求解實際問題的起點，通過適應(yīng)性修改可獲得新問題的解?；谕评淼膶＜蚁到y(tǒng)推理過程新范例 相似的歷史范例確認(rèn)的解 建議解范例庫新問題檢索重用修改保存案例推理步驟：檢索重用修正案例保存案例CBR工作過程基于推理的專家系統(tǒng)優(yōu)點：信息的完全表達(dá)；增量式學(xué)習(xí)；知識的獲取較為容易，不存在知識獲取的瓶頸；檢索機(jī)制是 CBR的核心，不必進(jìn)行逐步推理，從而求解效率高；容易為用戶接受，用以前的案例證明結(jié)果是正確的?；谕评淼膶＜蚁到y(tǒng)缺點：對噪音數(shù)據(jù)較為敏感，錯誤、冗余數(shù)據(jù)容易影響檢索效率和求解效果； CBR系統(tǒng)在管理數(shù)量較大的案例庫時，時間、空間復(fù)雜性要認(rèn)真考慮；缺乏案例知識的自動生成；有可能盲目引用舊的案例，過分依賴經(jīng)驗；不能完全探明自身解決問題方法的空間，有時不能找到最優(yōu)解。結(jié)束結(jié)束回顧結(jié)合實例講解模型組合技術(shù)智能決策支持系統(tǒng)概述人工智能基本原理v邏輯推理v知識表示與知識推理v搜索技術(shù)數(shù)理邏輯表示法產(chǎn)生式規(guī)則語義網(wǎng)絡(luò)框架劇本產(chǎn)生式規(guī)則XFWZPQGIJKLMEABC兩級推理專家系統(tǒng)元知識推理元知識推理 1）專家陳述知識的方法和計算機(jī)表達(dá)之間存在差異；2）專家知識存在主觀性、不確定性（部分正確）等問題；3）專家系統(tǒng)本身受計算機(jī)的限制；4）專家系統(tǒng)只在較窄的知識領(lǐng)域應(yīng)用較好；5）有可能得不到結(jié)論。知識獲取是專家系統(tǒng)構(gòu)成的 “ 瓶頸 ” 。專家系統(tǒng)的局限專家系統(tǒng)的局限回顧啟發(fā)式搜索 專家系統(tǒng)及其結(jié)構(gòu)專家知識獲取用戶人機(jī)接口知識庫 推理機(jī)咨詢 建議全局?jǐn)?shù)據(jù)庫