因果圖推理算法及專(zhuān)家系統(tǒng)應(yīng)用研究.pdf

1、對(duì)不確定性問(wèn)題的處理是人工智能的核心問(wèn)題之一。不確定的知識(shí)表達(dá)可分為兩大類(lèi)：一類(lèi)是基于概率的方法，包括信度網(wǎng)、因果圖、馬爾可夫網(wǎng)以及在PROSPECTOR 中使用的方法等。另一類(lèi)是非概率的方法，包括MYCIN 的信度因子、模糊邏輯以及Dempster-Shafer 的證據(jù)理論等。其中，Pearl 的信度網(wǎng)因其理論上的嚴(yán)格性和一致性，以及具有有效的局部計(jì)算機(jī)制和直觀的圖形化知識(shí)表達(dá)方式已成為不確定性知識(shí)表達(dá)的主流方法。動(dòng)態(tài)因果圖理論是在信

2、度網(wǎng)基礎(chǔ)上發(fā)展起來(lái)的一種新的不確定性推理模型，于1994 年由張勤教授完整提出。它在知識(shí)表達(dá)上提出基本事件、節(jié)點(diǎn)事件、連接事件、邏輯門(mén)等概念，可以分別獨(dú)立地給出連接事件所代表的因果強(qiáng)度，能方便地反映領(lǐng)域?qū)＜抑R(shí)；在推理上引入符號(hào)邏輯運(yùn)算方法，可以進(jìn)行在線(xiàn)動(dòng)態(tài)推理，能解決工業(yè)系統(tǒng)故障診斷中經(jīng)常遇到的多連通和因果環(huán)的問(wèn)題。 專(zhuān)家系統(tǒng)是目前人工智能研究中最為成功和最廣泛的一類(lèi)應(yīng)用。專(zhuān)家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某

3、個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與經(jīng)驗(yàn)，能夠利用人類(lèi)專(zhuān)家的知識(shí)和解決問(wèn)題的方法來(lái)處理該領(lǐng)域問(wèn)題。對(duì)因果圖專(zhuān)家系統(tǒng)的應(yīng)用研究是因果圖理論走向應(yīng)用的一個(gè)關(guān)鍵。 本文主要在動(dòng)態(tài)因果圖知識(shí)表達(dá)與推理、因果圖解析推理算法、因果圖迭代推理算法以及因果圖專(zhuān)家系統(tǒng)應(yīng)用等方面進(jìn)行了研究，主要研究?jī)?nèi)容和研究成果如下： 在因果圖知識(shí)表達(dá)與推理方面，主要介紹了因果圖理論的知識(shí)表達(dá)方式以及分別介紹了單值、多值、連續(xù)離散混合因果圖模型的推理算法，并著重對(duì)單值因

4、果圖推理算法的規(guī)模進(jìn)行了分析，指出其推理算法復(fù)雜度是指數(shù)時(shí)間復(fù)雜度，屬于NP 難問(wèn)題，同時(shí)指出多值因果圖由于比單值因果圖更為復(fù)雜，推理算法復(fù)雜度更高，因此需要尋求高效的近似推理算法。 在因果圖解析推理算法方面，首先指出在將原單值因果圖解析推理算法直接應(yīng)用于多值因果圖推理時(shí)，存在不嚴(yán)格滿(mǎn)足概率推理中的歸一性和互斥性要求的嚴(yán)重問(wèn)題，其原因在于多值因果圖中存在著知識(shí)表達(dá)獨(dú)立性與相關(guān)性的矛盾，然后提出了一種引入歸一化常數(shù)的多值因果圖解

5、析推理算法，成功解決了這一難題：（1）假定多值因果圖中原因節(jié)點(diǎn)對(duì)結(jié)果節(jié)點(diǎn)只貢獻(xiàn)概率值，且每個(gè)貢獻(xiàn)是簡(jiǎn)單相加的關(guān)系。即原因節(jié)點(diǎn)對(duì)結(jié)果節(jié)點(diǎn)狀態(tài)的影響是非直接的，原因節(jié)點(diǎn)只影響結(jié)果節(jié)點(diǎn)各狀態(tài)的概率分布，結(jié)果節(jié)點(diǎn)的狀態(tài)由這個(gè)狀態(tài)概率分布隨機(jī)決定；（2）引入歸一化常數(shù)來(lái)保證推理過(guò)程中的歸一性；（3）通過(guò)推導(dǎo)出多值因果圖的一個(gè)性質(zhì)，即可以在推理過(guò)程中假定指向同一節(jié)點(diǎn)的所有連接事件的各狀態(tài)之間彼此互斥來(lái)保證推理過(guò)程的互斥性。從而使得算法在推理過(guò)程中同

6、一節(jié)點(diǎn)的各狀態(tài)間完備且互斥，保證了推理的正確性，同時(shí)簡(jiǎn)化了推理算法。 在因果圖迭代推理算法方面，提出了兩種不同的迭代推理算法，通過(guò)迭代的方式來(lái)得到推理結(jié)果。一種是信度傳播迭代推理算法，其基本思想是首先將因果圖轉(zhuǎn)化為對(duì)應(yīng)的信度網(wǎng)，然后基于信度網(wǎng)進(jìn)行信度傳播迭代推理；另一種是針對(duì)因果圖MPE（Most Probable Explanation）問(wèn)題提出的遺傳迭代推理算法，其基本思想是利用遺傳算法的迭代尋優(yōu)過(guò)程，在可能的組合空間中搜索

7、對(duì)于給定證據(jù)的最可能解釋。并對(duì)上述兩種迭代推理算法以及前面的解析推理算法進(jìn)行了綜合比較：解析推理算法適用面廣，推理效率高，能得到確定性的定量結(jié)果；信度傳播迭代推理算法對(duì)因果圖結(jié)構(gòu)有一定要求，適用于無(wú)環(huán)和少量環(huán)的因果圖，推理效率較低，可以得到近似的定量推理結(jié)果。遺傳迭代推理算法針對(duì)因果圖MPE 問(wèn)題，推理效率最高，能以概率1 收斂到最優(yōu)解，得到定性的推理結(jié)論。 在因果圖專(zhuān)家系統(tǒng)應(yīng)用研究方面，主要對(duì)我們研制的因果圖診斷推理專(zhuān)家系統(tǒng)

8、開(kāi)發(fā)平臺(tái)――《基于動(dòng)態(tài)因果圖的智能診斷推理平臺(tái)DCDA1.0》和因果圖正向推理專(zhuān)家系統(tǒng)開(kāi)發(fā)平臺(tái)――《基于動(dòng)態(tài)因果圖的正向推理平臺(tái)DCDB1.0》進(jìn)行了介紹，重點(diǎn)介紹了該軟件平臺(tái)的主要設(shè)計(jì)思想和體系結(jié)構(gòu)。該系統(tǒng)完全采用了面向?qū)ο蠛蛙洏?gòu)件開(kāi)發(fā)技術(shù)。并為了能在不同層次上實(shí)現(xiàn)軟件的二次開(kāi)發(fā)能力，在軟件的體系結(jié)構(gòu)上遵循了開(kāi)放和分層設(shè)計(jì)的思想。整個(gè)系統(tǒng)具有結(jié)構(gòu)清晰、層次明確、支持二次開(kāi)發(fā)能力強(qiáng)的特點(diǎn)。然后通過(guò)以清華大學(xué)北京核電模擬培訓(xùn)中心的全尺寸9