因果圖推理算法及專家系統(tǒng)應用研究.pdf

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

2、度網基礎上發(fā)展起來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。它在知識表達上提出基本事件、節(jié)點事件、連接事件、邏輯門等概念，可以分別獨立地給出連接事件所代表的因果強度，能方便地反映領域專家知識；在推理上引入符號邏輯運算方法，可以進行在線動態(tài)推理，能解決工業(yè)系統(tǒng)故障診斷中經常遇到的多連通和因果環(huán)的問題。 專家系統(tǒng)是目前人工智能研究中最為成功和最廣泛的一類應用。專家系統(tǒng)是一個智能計算機程序系統(tǒng)，其內部含有大量的某

3、個領域專家水平的知識與經驗，能夠利用人類專家的知識和解決問題的方法來處理該領域問題。對因果圖專家系統(tǒng)的應用研究是因果圖理論走向應用的一個關鍵。 本文主要在動態(tài)因果圖知識表達與推理、因果圖解析推理算法、因果圖迭代推理算法以及因果圖專家系統(tǒng)應用等方面進行了研究，主要研究內容和研究成果如下： 在因果圖知識表達與推理方面，主要介紹了因果圖理論的知識表達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，并著重對單值因

4、果圖推理算法的規(guī)模進行了分析，指出其推理算法復雜度是指數時間復雜度，屬于NP 難問題，同時指出多值因果圖由于比單值因果圖更為復雜，推理算法復雜度更高，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用于多值因果圖推理時，存在不嚴格滿足概率推理中的歸一性和互斥性要求的嚴重問題，其原因在于多值因果圖中存在著知識表達獨立性與相關性的矛盾，然后提出了一種引入歸一化常數的多值因果圖解

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)點對結果節(jié)點只貢獻概率值，且每個貢獻是簡單相加的關系。即原因節(jié)點對結果節(jié)點狀態(tài)的影響是非直接的，原因節(jié)點只影響結果節(jié)點各狀態(tài)的概率分布，結果節(jié)點的狀態(tài)由這個狀態(tài)概率分布隨機決定；（2）引入歸一化常數來保證推理過程中的歸一性；（3）通過推導出多值因果圖的一個性質，即可以在推理過程中假定指向同一節(jié)點的所有連接事件的各狀態(tài)之間彼此互斥來保證推理過程的互斥性。從而使得算法在推理過程中同

6、一節(jié)點的各狀態(tài)間完備且互斥，保證了推理的正確性，同時簡化了推理算法。 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，通過迭代的方式來得到推理結果。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化為對應的信度網，然后基于信度網進行信度傳播迭代推理；另一種是針對因果圖MPE（Most Probable Explanation）問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)過程，在可能的組合空間中搜索

7、對于給定證據的最可能解釋。并對上述兩種迭代推理算法以及前面的解析推理算法進行了綜合比較：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果；信度傳播迭代推理算法對因果圖結構有一定要求，適用于無環(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果。遺傳迭代推理算法針對因果圖MPE 問題，推理效率最高，能以概率1 收斂到最優(yōu)解，得到定性的推理結論。 在因果圖專家系統(tǒng)應用研究方面，主要對我們研制的因果圖診斷推理專家系統(tǒng)

8、開發(fā)平臺――《基于動態(tài)因果圖的智能診斷推理平臺DCDA1.0》和因果圖正向推理專家系統(tǒng)開發(fā)平臺――《基于動態(tài)因果圖的正向推理平臺DCDB1.0》進行了介紹，重點介紹了該軟件平臺的主要設計思想和體系結構。該系統(tǒng)完全采用了面向對象和軟構件開發(fā)技術。并為了能在不同層次上實現軟件的二次開發(fā)能力，在軟件的體系結構上遵循了開放和分層設計的思想。整個系統(tǒng)具有結構清晰、層次明確、支持二次開發(fā)能力強的特點。然后通過以清華大學北京核電模擬培訓中心的全尺寸9