2.1 专家系统
2.1.1 专家系统概述
1.定义
专家系统是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。
2.发展历史
专家系统的发展分为3个时期。
（1）初创期（1965—1971年）
第一代专家系统DENLDRA和MACSMA的出现，标志着专家系统的诞生。其中，DENLDRA为推断化学分子结构的专家系统，由专家系统的奠基人、Stanford大学计算机系的Feigenbaum教授及其研究小组研制。MACSMA为用于数学运算的数学专家系统，由麻省理工学院完成。
（2）成熟期（1972—1977年）
在此期间Stanford大学研究开发了最著名的专家系统——血液感染病诊断专家系统MY-CIN，标志着专家系统从理论走向应用。另一个著名的专家系统——语音识别专家系统HEARSAY的出现，标志着专家系统从理论走向成熟。
（3）发展期（1978年至现在）
在此期间，专家系统走向应用领域，专家系统的数量增加，仅1987年研制成功的专家系统就有1000多种。
专家系统可以解决的问题一般包括解释、预测、设计、规划、监视、修理、指导和控制等。目前，专家系统已经广泛地应用于医疗诊断、语音识别、图像处理、金融决策、地质勘探、石油化工、教学、军事、计算机设计等领域。
2.1.2 专家系统的构成
专家系统主要由知识库和推理机构成，专家系统的结构如图2-1所示。
图2-1 专家系统的结构
2.1.3 专家系统的建立
1.知识库
知识库包含3类知识：
① 基于专家经验的判断性规则；
② 用于推理、问题求解的控制性规则；
③ 用于说明问题的状态、事实和概念及当前的条件和常识等的数据。
知识库包含多种功能模块，主要有知识查询、检索、增删、修改和扩充等。知识库通过人机接口与领域专家相沟通，从而实现知识的获取。
2.推理机
推理机是用于对知识库中的知识进行推理来得到结论的“思维”机构。推理机包括3种推理方式。
① 正向推理：从原始数据和已知条件得到结论。
② 反向推理：先提出假设的结论，然后寻找支持的证据，若证据存在，则假设成立。
③ 双向推理：运用正向推理提出假设的结论，运用反向推理来证实假设。
3.知识的表示
常用的知识表示方法为：产生式规则、框架、语义网络、过程。其中，产生式规则是专家系统最流行的表达方法。由产生式规则表示的专家系统又称为基于规则的系统或产生式系统。
产生式规则的表达方式为
IF E THEN H WITH CF（E，H）
式中，E表示规则的前提条件，即证据，它可以是单独命题，也可以是复合命题；H表示规则的结论部分，即假设，也是命题；CF（Certainty Factor）为规则的强度，反映当前提为真时，规则对结论的影响程度，即可信度。
4.专家系统开发语言
① C语言，人工智能语言（如Prolog，Lisp等）。
② 专家系统开发工具：已经建好的专家系统框架，包括知识表达和推理机。在运用专家系统开发工具开发专家系统时，只需要加入领域知识。
5.专家系统建立步骤
（1）知识库的设计
① 确定知识类型：叙述性知识、过程性知识、控制性知识。
② 确定知识表达方法。
③ 知识库管理系统的设计：实现规则的保存、编辑、删除、增加、搜索等功能。
（2）推理机的设计
① 选择推理方式；
② 选择推理算法：选择各种搜索算法，如深度优先搜索、广度优先搜索、启发式优先搜索等。
（3）人机接口的设计
① 设计“用户-专家系统接口”：用于咨询理解和结论解释。
② 设计“专家-专家系统接口”：用于知识库扩充及系统维护。