基于模糊Petri網的專家系統(tǒng)知識推理及其應用.pdf

1、專家系統(tǒng)開發(fā)所涉及到的關鍵技術:知識表示、知識獲取、知識庫組織、知識庫維護、推理機制和解釋機制等都與知識息息相關,所以知識仍是影響專家系統(tǒng)性能的關鍵因素。模糊Petri網(FPN)是Petri網的一個擴充,能較好的描述模糊問題,其表示能力比普通Petri網要強得多,越來越多的研究證明:模糊Petri網是一種很好的知識表示方法,它既可以合理描述出現實世界中的不確定性和模糊性,又可以進行不確定性推理,而且與其他方法相比,它支持并行推理和對知

2、識庫的驗證。模糊Petri網完全符合專家系統(tǒng)建模的要求,并且具有明顯的自身優(yōu)勢。本文研究基于模糊Petri網的專家系統(tǒng)知識表示及推理方法。給出了專家系統(tǒng)模糊產生式規(guī)則庫與FPN模型的轉換算法,把孤立的模糊產生式規(guī)則統(tǒng)一成為完整的FPN表示的知識庫形式:對于基于模糊產生式規(guī)則的專家系統(tǒng)知識庫,提出了正向推理算法、反向推理算法和雙向推理算法,并提出一種基于FPN的并行推理算法,該算法充分利用了模糊Petri網的并行處理能力,且能避免變遷的重

3、復觸發(fā),提高了推理效率；為了使模糊Petri網可以在知識不完備的情況下進行推理,提出了一種基于默認推理的FPN模型；針對專家系統(tǒng)知識庫中可能出現的等價規(guī)則集、冗余規(guī)則集、沖突規(guī)則集、循環(huán)規(guī)則集和死鎖等一致性缺陷,給出了基于FPN的不精確知識的一致性維護算法；由于模糊Petri網的權值、變遷閾值,規(guī)則置信度等參數難以精確獲得,阻礙了知識推理,文中討論了基于BP算法和遺傳算法的模糊Petri網參數優(yōu)化算法；為了降低模糊Petri網的復雜度,