前言：我們精心挑選了數(shù)篇優(yōu)質(zhì)農(nóng)業(yè)專家系統(tǒng)論文文章，供您閱讀參考。期待這些文章能為您帶來啟發(fā)，助您在寫作的道路上更上一層樓。

第1篇

關(guān)鍵詞：專家系統(tǒng)；計(jì)算機(jī)應(yīng)用

Abstract：ThispaperanalyzedtheapplicationsandopenquestionsofagriculturalexpertsysteminthenewcenturyinChina，finally，hadallexpectationofthedevelopmentprospectforthefutureagriculturalexpertsystem．

Keywords：expertsystem；computerapplication

我國加入了WTO，傳統(tǒng)型農(nóng)業(yè)面臨巨大的挑戰(zhàn)，因而必須依靠先進(jìn)的科學(xué)技術(shù)，向信息化、現(xiàn)代化農(nóng)業(yè)邁進(jìn)。而信息技術(shù)的廣泛應(yīng)用，為農(nóng)業(yè)的發(fā)展提供了技術(shù)支持。[4]農(nóng)業(yè)信息技術(shù)是21世紀(jì)高新技術(shù)應(yīng)用于農(nóng)業(yè)的關(guān)鍵技術(shù)之一，近二十年來在世界各國得以迅速發(fā)展。農(nóng)業(yè)專家系統(tǒng)是農(nóng)業(yè)信息技術(shù)的一個(gè)重要組成部分，它是我國農(nóng)業(yè)信息技術(shù)發(fā)展的突破口，對(duì)我國農(nóng)業(yè)發(fā)展有著深遠(yuǎn)的影響。[5]

農(nóng)業(yè)專家系統(tǒng)也可叫農(nóng)業(yè)智能系統(tǒng)，是一個(gè)具有大量農(nóng)業(yè)專門知識(shí)與經(jīng)驗(yàn)的計(jì)算機(jī)系統(tǒng)它應(yīng)用人工智能技術(shù)，依據(jù)一個(gè)或多個(gè)農(nóng)業(yè)專家提供的特殊領(lǐng)域知識(shí)、經(jīng)驗(yàn)進(jìn)行推理和判斷，模擬農(nóng)業(yè)專家就某一復(fù)雜農(nóng)業(yè)問題進(jìn)行決策。目前國際上有近百個(gè)農(nóng)業(yè)專家系統(tǒng)．廣泛應(yīng)用于作物生產(chǎn)管理、灌溉、施肥、品種選擇、病蟲害控制、溫室管理、畜禽飼料配方、水土保持、食品加工、財(cái)務(wù)分析、農(nóng)業(yè)機(jī)械選擇等方面，有些系統(tǒng)已成為商品進(jìn)入市場。[4]

1.農(nóng)業(yè)專家系統(tǒng)的演變

國際上對(duì)農(nóng)業(yè)專家系統(tǒng)的研究是從70年代末期開始的，當(dāng)時(shí)僅用于診斷作物病蟲害。如1978年美國伊利諾斯大學(xué)開發(fā)的大豆病蟲害診斷專家系統(tǒng)Plant／DS。進(jìn)入80年代以后，開發(fā)出了許多農(nóng)業(yè)專家系統(tǒng)，如1982年美國伊利諾斯大學(xué)開發(fā)的玉米螟蟲害預(yù)測專家系統(tǒng)Plant／OD，1983年日本千葉大學(xué)開發(fā)的MICCS-西紅柿病蟲害診斷專家系統(tǒng)，1986年美國農(nóng)業(yè)部開發(fā)的COMAX／GOSSYM，Plant等開發(fā)的農(nóng)業(yè)管理專家決策支持系統(tǒng)CALEX，Lemmon等開發(fā)了棉花生產(chǎn)管理專家系統(tǒng)，Zhu，XinX等開發(fā)的作物生產(chǎn)過程中的水分處理專家系統(tǒng)等。

國內(nèi)于80年代初期開始研究農(nóng)業(yè)專家系統(tǒng)。1980年浙江大學(xué)與中國農(nóng)科院蠶桑所合作開始研究蠶育種專家系統(tǒng)，1983年中科院合肥智能研究所與安徽農(nóng)科院合作開發(fā)的砂

礓黑土小麥?zhǔn)┓蕦＜蚁到y(tǒng)。近幾年來，我國農(nóng)業(yè)專家系統(tǒng)的研究更是蓬勃發(fā)展，

趙林峰，碩士研究生，湖南農(nóng)業(yè)大學(xué)園藝園林學(xué)院.410128。

*熊興耀，博士，教授，博士生導(dǎo)師，湖南農(nóng)業(yè)大學(xué)園藝園林學(xué)院，410128，E-mail:xiongxingyao@

如基于規(guī)則和圖形的蘋果、梨病蟲害及防治專家系統(tǒng)，多媒體玉米病蟲害診斷專家系統(tǒng)，基于生長模型的小麥管理專家系統(tǒng)，水土保持專家系統(tǒng)的探索與試驗(yàn)等。[6]

2存在的問題

2．1農(nóng)業(yè)專家系統(tǒng)自身存在的問題

2．1．1至今為止，在農(nóng)業(yè)專家系統(tǒng)中，由專家整理出來的知識(shí)大多屬于這個(gè)領(lǐng)域的淺層知識(shí)，形式上也主要是條件規(guī)則型知識(shí)。因?yàn)橹R(shí)種類、數(shù)量可能很多，難于詳細(xì)檢驗(yàn)，待到專家系統(tǒng)具體使用這些知識(shí)時(shí)，機(jī)械死板的計(jì)算機(jī)程序就有可能推導(dǎo)出一些錯(cuò)誤的結(jié)論。另外，由于專家系統(tǒng)并不具有真正的學(xué)習(xí)能力，結(jié)果導(dǎo)致系統(tǒng)的表現(xiàn)只能處理人類專家見過的各種情況，不能“隨機(jī)應(yīng)變”，人工智能面臨嚴(yán)峻的考驗(yàn)。

2．1．2開發(fā)工具不完善,國外目前出現(xiàn)了許多專用的專家系統(tǒng)工具，開發(fā)某領(lǐng)域系統(tǒng)基本上是運(yùn)用開發(fā)工具來實(shí)現(xiàn)的。我國農(nóng)業(yè)專家系統(tǒng)的開發(fā)工具在應(yīng)用國外較成熟的開發(fā)工具的同時(shí)，也自主研制了一些開發(fā)工具。但利用開發(fā)工具開發(fā)的專家系統(tǒng)已形成系列化，商品化水平很低。而且，目前國內(nèi)開發(fā)的農(nóng)業(yè)專家系統(tǒng)生成工具太都在處理文字描述的定性知識(shí)方面功能較強(qiáng)，而在處理用數(shù)學(xué)模型描述的定量知識(shí)方面很少涉及。[7]

2．1．3信息(知識(shí))獲取困難、存儲(chǔ)方式落后。我國是農(nóng)業(yè)大國，農(nóng)業(yè)信息資源極其豐富，但農(nóng)業(yè)信息網(wǎng)絡(luò)和數(shù)據(jù)庫的建設(shè)嚴(yán)重滯后，缺乏有序管理，使專家系統(tǒng)的知識(shí)來源比較單一。另外，我國已完成了農(nóng)業(yè)普查、土壤普查、土地利用現(xiàn)狀調(diào)查等基礎(chǔ)性工作，取得了大量的屬性數(shù)據(jù)圖和形數(shù)據(jù)，這是農(nóng)業(yè)專家系統(tǒng)的基礎(chǔ)數(shù)據(jù)。但這些數(shù)據(jù)太多以紙為存儲(chǔ)介質(zhì)，不但信息的精度和數(shù)量受到限制，信息的更新也不方便，影響其時(shí)效性。[78]

2．2農(nóng)業(yè)專家系統(tǒng)應(yīng)用的外部環(huán)境中存在的問題

2．2．1農(nóng)業(yè)專家系統(tǒng)的應(yīng)用與開發(fā)脫節(jié)、適用對(duì)象狹窄。我國的一些農(nóng)業(yè)專家系統(tǒng)只強(qiáng)調(diào)應(yīng)用，缺乏進(jìn)行二次開發(fā)所需的專家系統(tǒng)開發(fā)工具，使用者無法根據(jù)當(dāng)?shù)貙?shí)際情況創(chuàng)建知識(shí)庫和模型庫，限制了專家系統(tǒng)的進(jìn)一步應(yīng)用。有些農(nóng)業(yè)專家系統(tǒng)雖提供了開發(fā)工具，但缺少通用的模板和模型，要求使用者具有一定的計(jì)算機(jī)基礎(chǔ)技術(shù)，縮小了專家系統(tǒng)的應(yīng)用范圍。而且一些農(nóng)業(yè)專家系統(tǒng)追求所謂先進(jìn)性，要求高檔次的軟硬件，也要求使用者有一定的計(jì)算機(jī)技術(shù)基礎(chǔ)，很難在農(nóng)業(yè)基層普及；另一些農(nóng)業(yè)專家系統(tǒng)與領(lǐng)域知識(shí)結(jié)合不夠，停留于科普性知識(shí)介紹，其先進(jìn)性和實(shí)用性不高[9]。

2．2．2動(dòng)態(tài)服務(wù)能力低，時(shí)效性差。農(nóng)業(yè)生產(chǎn)中的多變因素復(fù)雜，受很多外界條件的影響，有許多結(jié)果事先是無法預(yù)測的，這就要求專家系統(tǒng)有適應(yīng)動(dòng)態(tài)變化的能力，而我國目前的農(nóng)業(yè)專家系統(tǒng)多數(shù)是靜態(tài)的，因此在農(nóng)業(yè)專家系統(tǒng)開發(fā)過程中必須注意動(dòng)態(tài)性建設(shè)[4,9]。

2.2.3缺少進(jìn)一步延續(xù)開發(fā)的能力。一些農(nóng)業(yè)專家系統(tǒng)只是為了一時(shí)的應(yīng)用，而忽視了搭建好功能強(qiáng)、靈活性高的平臺(tái)，缺少二次開發(fā)的接口。目前雖然有許多的開發(fā)工具，但通用性差，很難在農(nóng)業(yè)基層普及，使那些具有普通計(jì)算機(jī)水平而又想開發(fā)所研究領(lǐng)域?qū)＜蚁到y(tǒng)的人員無計(jì)可施，從而限制了專家系統(tǒng)的進(jìn)一步開發(fā)與應(yīng)用，因此，開發(fā)與應(yīng)用并進(jìn)，增強(qiáng)系統(tǒng)的實(shí)用性是非常必要的。

2．2．4網(wǎng)絡(luò)化農(nóng)業(yè)專家系統(tǒng)的開發(fā)數(shù)量不多。多數(shù)農(nóng)業(yè)專家系統(tǒng)僅局限于某一區(qū)域，應(yīng)用面窄，若要擴(kuò)大應(yīng)用范圍，就得大力開發(fā)網(wǎng)絡(luò)版專家系統(tǒng)，充分利用好網(wǎng)絡(luò)，實(shí)現(xiàn)專家系統(tǒng)的網(wǎng)絡(luò)化遠(yuǎn)程服務(wù)，這也是今后專家系統(tǒng)研制和應(yīng)用的大勢所趨[10]。

2．2．5推廣問題。目前研制出的農(nóng)業(yè)專家系統(tǒng)較多，但真正用于生產(chǎn)實(shí)際的不多，這說明我們重開發(fā)，輕系統(tǒng)推廣，在推廣上下的功夫不夠。在目前情況下，每戶的種、養(yǎng)殖的規(guī)模都很小．投資電腦、購買專家系統(tǒng)軟件費(fèi)用很高，投入產(chǎn)出比很低，要推廣就得換思路。充分利用互聯(lián)網(wǎng)，在各地網(wǎng)站設(shè)立專家系統(tǒng)咨詢推廣點(diǎn)，或許是不錯(cuò)的選擇。同時(shí)，加強(qiáng)農(nóng)業(yè)專家系統(tǒng)的實(shí)用培訓(xùn)，提高使用者的對(duì)專家系統(tǒng)的認(rèn)識(shí)、計(jì)算機(jī)使用水平和科學(xué)生產(chǎn)的水平，也是推廣中需要加強(qiáng)的措施之一。

2．2．6知識(shí)產(chǎn)權(quán)問題

在開發(fā)農(nóng)業(yè)專家系統(tǒng)時(shí)，需要大量領(lǐng)域?qū)＜业闹腔刍蛘哒f采納了許多領(lǐng)域?qū)＜业慕?jīng)驗(yàn)，如果專家系統(tǒng)作為產(chǎn)品要銷售時(shí)，就存在商業(yè)盈利目的，就必然會(huì)產(chǎn)生知識(shí)產(chǎn)權(quán)的糾紛。現(xiàn)在農(nóng)業(yè)專家系統(tǒng)的使用還不普遍，但是隨著網(wǎng)絡(luò)信息服務(wù)業(yè)的發(fā)展，各國都在重視網(wǎng)絡(luò)環(huán)境下的知識(shí)產(chǎn)權(quán)立法問題。對(duì)此，農(nóng)業(yè)專家系統(tǒng)的設(shè)計(jì)者在建造時(shí)，所采用的各種圖文資料最好是具有自主知識(shí)產(chǎn)權(quán)的，或者購買別人的圖文資料。農(nóng)業(yè)專家系統(tǒng)中，無論是知識(shí)庫中知識(shí)的抽取、規(guī)則的確定，還是推理機(jī)的設(shè)計(jì)，每一個(gè)環(huán)節(jié)都要符合科學(xué)的原則，相關(guān)數(shù)據(jù)、公式都要經(jīng)實(shí)踐檢驗(yàn)，經(jīng)試運(yùn)行完善后才可正式使用。因此，在研制農(nóng)業(yè)專家系統(tǒng)時(shí)，要有法律意識(shí)，研制者要對(duì)專家系統(tǒng)使用的后果負(fù)責(zé)[11]。

3農(nóng)業(yè)專家系統(tǒng)研究的前景展望

3．1系統(tǒng)數(shù)據(jù)動(dòng)態(tài)化。農(nóng)作物生產(chǎn)系統(tǒng)是由生態(tài)系統(tǒng)、經(jīng)濟(jì)系統(tǒng)和技術(shù)系統(tǒng)在持定的空間和時(shí)間上(四維特性)組合而成的復(fù)雜大系統(tǒng)，它是一個(gè)多因素、多層次、多目標(biāo)、關(guān)系縱橫交叉的復(fù)合系統(tǒng)。這一系統(tǒng)的復(fù)雜性、動(dòng)態(tài)性、模糊性和不可確定性是其它專家系統(tǒng)無法比擬的。由于農(nóng)作物生產(chǎn)的這一特性就要求專家系統(tǒng)中的基礎(chǔ)數(shù)據(jù)不但是海量的，而且必須是動(dòng)態(tài)的。如知識(shí)庫、數(shù)據(jù)庫、模型庫必須要不斷有新的知識(shí)、新數(shù)據(jù)、新技術(shù)來更新擴(kuò)充支撐，盡快解決農(nóng)業(yè)生產(chǎn)中的實(shí)際問題。“3S”技術(shù)即地理信息系統(tǒng)(GeographicInformationSystem)、全球定位系統(tǒng)(GlobalPositioningSystem)以及遙感技術(shù)(RemoteSeniing)、為核心的包括多媒體技術(shù)、計(jì)算機(jī)技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)，為專家系統(tǒng)的構(gòu)建提供了巨大的技術(shù)支撐。因?yàn)椤?S”技術(shù)的集成首先緩解了專家系統(tǒng)知識(shí)源和數(shù)據(jù)庫的缺乏問題，提供了海量的基礎(chǔ)數(shù)據(jù)，為專家系統(tǒng)基礎(chǔ)數(shù)據(jù)庫、知識(shí)庫和模型庫的建立提供了數(shù)據(jù)支持，使農(nóng)作物生產(chǎn)管理立體化、空間化和實(shí)時(shí)化。其次，提供的數(shù)據(jù)不僅量大、全面、而且動(dòng)態(tài)、可更新的，因而使知識(shí)庫、數(shù)據(jù)庫和模型庫具有強(qiáng)大的生命力，這極大地豐富了農(nóng)業(yè)專家系統(tǒng)有功能和使價(jià)值。

3．2系統(tǒng)功能集成化。農(nóng)作物生產(chǎn)是一個(gè)多方面的綜合體，影響因素繁多，時(shí)空差異和變異性大，生產(chǎn)穩(wěn)定性和可控性差，隨時(shí)可能遭受氣候、氣象、病蟲害的侵襲，因此需要不同的相關(guān)的多個(gè)領(lǐng)域?qū)＜蚁到y(tǒng)共同合作。將系統(tǒng)模擬、地理信息系統(tǒng)、全球定位系統(tǒng)、決策支持系統(tǒng)等技術(shù)相結(jié)合，這些集成技術(shù)可以更有效地研究氣候變化對(duì)農(nóng)業(yè)的影響、土地評(píng)價(jià)以及農(nóng)業(yè)環(huán)境保護(hù)等問題。

3．3系統(tǒng)技術(shù)綜合化。現(xiàn)有的專家系統(tǒng)在建模中多利用簡單的數(shù)學(xué)回歸模型，這種模型一般只考慮部分因素，而作物生產(chǎn)過程中需要解決的問題往往是多個(gè)因素的共同作用，因此建模時(shí)應(yīng)考慮多因素的影響。目前，人工神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)、隨機(jī)模擬等多種技術(shù)的研究日趨成熟，將這些技術(shù)用于專家系統(tǒng)必然會(huì)增加其處理功能。尤其是在解決一些復(fù)雜問題時(shí)，人類專家有時(shí)很難準(zhǔn)確表達(dá)自己的想法，或者很難找出其規(guī)律，利用這些技術(shù)可以幫助知識(shí)工程師解決問題。

3．4系統(tǒng)應(yīng)用網(wǎng)絡(luò)化。進(jìn)一步提高農(nóng)業(yè)專家系統(tǒng)的智能化和本土化程度，通過網(wǎng)絡(luò)傳送走向田間將成為一種趨勢。網(wǎng)絡(luò)技術(shù)無疑可以彌補(bǔ)我國農(nóng)業(yè)的分散與閉塞弱勢。光纖化和寬帶化的國家網(wǎng)絡(luò)建設(shè)，為農(nóng)業(yè)專家系統(tǒng)應(yīng)用網(wǎng)絡(luò)化提供了良好的硬件條件。因此，未來農(nóng)業(yè)專家系統(tǒng)在設(shè)計(jì)階段首先要考慮網(wǎng)絡(luò)化、數(shù)據(jù)共享問題。能夠成功地在網(wǎng)上運(yùn)行的系統(tǒng)才真正具有強(qiáng)大的生命力和實(shí)用性，符合農(nóng)業(yè)生產(chǎn)與管理的要求[12,13]。

3．5系統(tǒng)面向多層次設(shè)計(jì)。專家系統(tǒng)服務(wù)的對(duì)象并不都在同一個(gè)層次上，文化程度存在較大的差異，不同對(duì)象要求獲取信息的復(fù)雜程度不同，所操作的專家系統(tǒng)和輸出的內(nèi)容復(fù)雜程度也不相同，因此開發(fā)不同層次的專家系統(tǒng)(如面向灌溉管理專業(yè)人員、農(nóng)村技術(shù)人員、農(nóng)戶的灌溉專家系統(tǒng))也是需要考慮的一個(gè)問題[14]。

3．6系統(tǒng)開發(fā)市場化。我國已經(jīng)成功加入WTO，因此農(nóng)業(yè)專家系統(tǒng)的建造不應(yīng)忽視國際市場的需求，開發(fā)既能滿足我國需求也能適宜國際需求的農(nóng)業(yè)專家系統(tǒng)是必要的[12,13]。

3．7創(chuàng)造良好的農(nóng)業(yè)專家系統(tǒng)應(yīng)用的外部環(huán)境。目前，我國農(nóng)村計(jì)算機(jī)的普及(包括上網(wǎng))雖然初顯端倪，但由于資金、條件和培訓(xùn)對(duì)象文化程度等諸多因素的限制，推廣和普及計(jì)算機(jī)依然存在著許多實(shí)際困難，與經(jīng)濟(jì)和社會(huì)發(fā)展的要求相差甚遠(yuǎn)，遠(yuǎn)遠(yuǎn)滯后于其他行業(yè)，與發(fā)達(dá)國家相比更顯不足，從而也影響了農(nóng)業(yè)專家系統(tǒng)的更進(jìn)一步推廣應(yīng)用。為此，必須從計(jì)算機(jī)技術(shù)培訓(xùn)人手，傳播和普及計(jì)算機(jī)技術(shù)，并進(jìn)一步在現(xiàn)有的有線通信技術(shù)體系中，減少農(nóng)村缺乏網(wǎng)絡(luò)服務(wù)商的服務(wù)及農(nóng)民文化素質(zhì)低等重大障礙，改善農(nóng)民的上網(wǎng)條件。另外，農(nóng)業(yè)企業(yè)是我國農(nóng)業(yè)生產(chǎn)的主力軍之一，只有農(nóng)業(yè)企業(yè)積極使用農(nóng)業(yè)專家系統(tǒng)，大力推進(jìn)電子商務(wù)，才能提供全球服務(wù)、提升企業(yè)形象、開拓潛在市場、增加企業(yè)利潤，才能使企業(yè)信息化走向?qū)崉?wù)。由于農(nóng)業(yè)生產(chǎn)具有生產(chǎn)周期長、成本高、風(fēng)險(xiǎn)大、收益低等特點(diǎn)，我國大部分企業(yè)分散經(jīng)營，環(huán)境閉塞，信息不靈，傳遞不便，難以形成競爭優(yōu)勢。而在市場經(jīng)濟(jì)下，隨著全球經(jīng)濟(jì)一體化的發(fā)展和我國加入WTO進(jìn)程的加快，企業(yè)信息化能使人力、物力、財(cái)力以及內(nèi)外部信息資源得以充分開發(fā)和利用，從而降低成本，提高經(jīng)濟(jì)效益，在激烈的競爭中找到自己生存與發(fā)展的空間，并最終使農(nóng)業(yè)專家系統(tǒng)更好地為農(nóng)業(yè)、農(nóng)村、農(nóng)民服務(wù)創(chuàng)造一個(gè)良好的外部環(huán)境[15]。

4結(jié)束語

農(nóng)業(yè)專家系統(tǒng)在生產(chǎn)中有著廣闊的應(yīng)用前景。可以說，在農(nóng)作物生產(chǎn)的各個(gè)環(huán)節(jié)中都可以用到專家系統(tǒng)。隨著計(jì)算機(jī)應(yīng)用的日益普及和各地建設(shè)信息高速公路設(shè)想的提出，建設(shè)農(nóng)業(yè)專家系統(tǒng)將成為加快農(nóng)業(yè)科技知識(shí)和農(nóng)業(yè)信息傳播的重要手段，成為促進(jìn)農(nóng)業(yè)快速發(fā)展的積極動(dòng)力。鑒于農(nóng)業(yè)專家系統(tǒng)在促進(jìn)農(nóng)業(yè)生產(chǎn)發(fā)展中的重大意義。可以預(yù)料，一個(gè)以農(nóng)業(yè)專家系統(tǒng)為重要手段的智能化農(nóng)業(yè)信息技術(shù)將在我國迅速發(fā)展，并將成為我國2l世紀(jì)農(nóng)業(yè)現(xiàn)代化的重要內(nèi)容。

參考文獻(xiàn)：

[1]（美）JosephC.Giarratano，GaryD.Riley印鑒，等（譯）.機(jī)械工業(yè)出版社.

[2]熊范綸．農(nóng)業(yè)專家系統(tǒng)及開發(fā)工具．清華大學(xué)出版社，1999，4-27

[3]熊范綸．人工智能與計(jì)算機(jī)在農(nóng)業(yè)現(xiàn)代化中的應(yīng)用．農(nóng)業(yè)現(xiàn)代化研究所，1992．13(2)：123-126

[4]吳璽，譚宏，夏建國，鄧建良。試論我國農(nóng)業(yè)專家系統(tǒng)的應(yīng)用及發(fā)展。計(jì)算機(jī)與農(nóng)業(yè)，2000，（8），1-4

[5]李軍，鄒志榮，程瑞鋒，白福萍.農(nóng)業(yè)專家系統(tǒng)及其在園藝業(yè)中的研究與應(yīng)用.陜西農(nóng)業(yè)科學(xué),2002(11),22-24.

[6]柴萍，張保軍，汪志農(nóng).農(nóng)業(yè)專家系統(tǒng)在小麥栽培管理中的應(yīng)用,水土保持研究,2002.(2)

[7]高明亮，王雪珍，吳順章.農(nóng)業(yè)專家系統(tǒng)存在的問題與對(duì)策.洛陽農(nóng)業(yè)高等專科學(xué)校學(xué)報(bào),2001.21(2):88-90

[8]劉莉，宣洋，李紹穩(wěn)，房文娟.農(nóng)業(yè)專家系統(tǒng)在作物病蟲害預(yù)防中的應(yīng)用.計(jì)算機(jī)與農(nóng)業(yè),2003.（5）:11-14

[9]張文龍，周靜，戴保威.農(nóng)業(yè)專家系統(tǒng)研究進(jìn)展.種子,2004.23（10）:

[10]馬文杰，賀立源.專家系統(tǒng)在我國農(nóng)業(yè)中的應(yīng)用進(jìn)展.山地農(nóng)業(yè)生物學(xué)報(bào),2005.24(4):343-346

[11]楊國強(qiáng)，王雙喜，杜偉.我國農(nóng)業(yè)專家系統(tǒng)的研究進(jìn)展.山西農(nóng)業(yè)大學(xué)學(xué)報(bào),2004.93):303-306

[12]周賢君，鄒冬生.農(nóng)業(yè)專家系統(tǒng)在作物栽培中的應(yīng)用.農(nóng)業(yè)網(wǎng)絡(luò)信息,2004.11,12-15

[13]黃貴平,楊林,任明見,張慶勤.專家系統(tǒng)及其在農(nóng)業(yè)上的應(yīng)用.種子,2003.(1),54-57

第2篇

生長環(huán)境的好壞決定著農(nóng)產(chǎn)品的質(zhì)量，植物的健康成長更是與其環(huán)境息息相關(guān)。除此之外，自然因素對(duì)植物的生長有著決定性的作用，最主要的則表現(xiàn)在：光線的強(qiáng)度及陽光照射時(shí)間的長短、土壤環(huán)境、二氧化碳濃度、水分的控制等等，這些都共同決定了植物的生長狀況。現(xiàn)代科學(xué)技術(shù)還可以在一定程度上改變植物的生長環(huán)境，通過改變其土壤中的養(yǎng)分及空氣中二氧化碳的濃度，來對(duì)植物的正常生長環(huán)境進(jìn)行合理的控制，通過這種方法可以在某種程度上提高果實(shí)的結(jié)果率，再利用現(xiàn)代化生物技術(shù)等來提高農(nóng)產(chǎn)品質(zhì)量，從而為企業(yè)迎來更好的發(fā)展。

2物聯(lián)網(wǎng)技術(shù)的實(shí)施方案

2.1傳感器單元物聯(lián)網(wǎng)技術(shù)農(nóng)業(yè)專家系統(tǒng)想要獲得更好的應(yīng)用效果，在傳感器方面，需要做到對(duì)癥有效。

2.1.1氣體溫度傳感器在國外的先進(jìn)國家這種傳感器技術(shù)已相對(duì)純熟。我國主要采用瑞士公司推出的單片數(shù)字溫濕度傳感器，來對(duì)空氣溫度進(jìn)行傳感探究。這種高端傳感產(chǎn)品具有可靠性和穩(wěn)定性等特點(diǎn)，可以在一定程度上大幅降低了獲取數(shù)據(jù)的難度，并有效增強(qiáng)了其抗干擾能力，做到低能耗、高靈敏、高性價(jià)比等特點(diǎn)。在實(shí)際的農(nóng)業(yè)栽培培養(yǎng)技術(shù)中，可以利用這種氣體溫濕度傳感器來更加準(zhǔn)確的獲取環(huán)境信息，并為以后的農(nóng)作物生長提供相應(yīng)的材料資源。

2.1.2土壤水分溫度傳感器該傳感器主要利用時(shí)域反射原理進(jìn)行設(shè)計(jì)，并通過將其埋藏在土壤的方法，更好地檢測土壤中水分的分布情況。土壤水分溫度傳感器可以與采集器結(jié)合使用，利用這2種現(xiàn)代科技可以對(duì)土壤中各種理化性狀、氣溫變化及人為水分管理進(jìn)行合理化監(jiān)測。除此之外，這種傳感器可適用于各種土壤環(huán)境，并對(duì)其土壤水分情況進(jìn)行精確的判斷，并將數(shù)據(jù)及時(shí)上傳到數(shù)據(jù)庫中，以便人們對(duì)其合理控制。

2.1.3光照傳感器這種傳感器的主要特點(diǎn)在于，其體型較小、使用時(shí)間長、密封性好、精準(zhǔn)性高、可控效果好，可以更好地抵御因自然環(huán)境造成的干擾，從而對(duì)現(xiàn)代溫室環(huán)境進(jìn)行合理監(jiān)測。

2.2數(shù)據(jù)采集單元

2.2.1無線傳感器采集器通過傳輸數(shù)據(jù)的方式將采集器所采集到的信息及時(shí)傳送到管理系統(tǒng)當(dāng)中，使人們可以在第一時(shí)間對(duì)農(nóng)作物生長情況做出準(zhǔn)確的監(jiān)測及處理。采集器主要包括數(shù)據(jù)采集和傳輸2方面，其特點(diǎn)則表現(xiàn)在安裝簡便、使用成本低等。對(duì)采集器的電路本身而言，其主要包括信息處理電路、復(fù)位電路、A/D/D/A轉(zhuǎn)換器、晶振電路、顯示電路等等。

2.2.2多通道無線數(shù)據(jù)采集器這種多通道數(shù)據(jù)采集器可以采集多種信號(hào)，而信號(hào)則主要表現(xiàn)在物理模擬信號(hào)和數(shù)字信號(hào)2種。通過這種采集方式可以有效解決傳統(tǒng)的人力、物力和資源等問題，除此之外，還具有防水、防曬、安全采集、防雷擊等優(yōu)點(diǎn)。物聯(lián)網(wǎng)農(nóng)業(yè)專家系統(tǒng)可以實(shí)現(xiàn)在數(shù)據(jù)上的多種顯示技術(shù)，在數(shù)據(jù)采集、打印、存儲(chǔ)等方面更是具有突出的特點(diǎn)。

3結(jié)論

第3篇

〔關(guān)鍵詞〕知識(shí)圖譜；專家系統(tǒng)；發(fā)展軌跡

DOI：10．3969／j．issn．1008－0821．2012．02．040

〔中圖分類號(hào)〕G250.71 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008－0821（2012）02－0159－08

Knowledge-based Expert System Development Overview MapLiao Yi

（Political Department，National University of Defense Technology，Changsha 410073，China）

〔Abstract〕Artificial intelligence expert system is the most important and most active areas of an application,which implements the artificial intelligence research from theory to practice,turning from the general reasoning strategies of a major breakthrough in the use of expertise.This chronological order,the expert system into the 1980s before the 1980s,1990s,2000,after four stages.Articles using bibliometric methods,analysis of the expert system development process,development and trends,pointing out that the current phase is the development of expert systems,expert systems into a variety of commercial operation,need to address the knowledge acquisition bottleneck,matching conflicts and other issues for expert systems to understand and master the subject structure,evolution,development and so provide an unique perspective and knowledge.

〔Key words〕knowledge maps;expert systems;the development trajectory

專家系統(tǒng)作為人工智能的一個(gè)重要分支，發(fā)展已經(jīng)超過50年，在很多應(yīng)用領(lǐng)域都獲得了廣泛使用，取得了豐碩成果。本文運(yùn)用文獻(xiàn)計(jì)量這一獨(dú)特視角對(duì)專家系統(tǒng)進(jìn)行了再回顧和再分析，將智能科技劃分為初創(chuàng)期、成長期、低谷期、發(fā)展期，利用詞頻分析、共引分析、作者共現(xiàn)分析等方法揭示專家系統(tǒng)的學(xué)科結(jié)構(gòu)、影響程度、關(guān)鍵節(jié)點(diǎn)與時(shí)間點(diǎn)等重要而獨(dú)特的知識(shí)，為了解和掌握專家系統(tǒng)的發(fā)展與演化過程提供了獨(dú)特視角。

1 數(shù)據(jù)來源

SCI（Science Citation Index）是美國科學(xué)情報(bào)研究所ISI（Institute for Science Information）出版的期刊文獻(xiàn)檢索工具，所收錄的文獻(xiàn)覆蓋了全世界最重要和最有影響力的研究成果，成為世界公認(rèn)的自然科學(xué)領(lǐng)域最為重要的評(píng)價(jià)工具。本文以Web of Science中的SCI數(shù)據(jù)庫為數(shù)據(jù)來源，選用高級(jí)檢索方式，以“Expert System/Experts System”作為主題詞，于2011年5月在Web of Secience中進(jìn)行檢索，一共檢索到14 500篇相關(guān)文獻(xiàn)記錄。獲得的年度分布如圖1。所示。雖然，專家系統(tǒng)研究從20世紀(jì)五六十年代就開始了，但是從圖1可以看出直到1982年才有主題詞與專家系統(tǒng)相關(guān)的論文出現(xiàn)。圖1表明1991年左右，專家系統(tǒng)相關(guān)論文達(dá)到了峰值，但隨后呈逐年下降的趨勢。到1999年，只有494篇。但21世紀(jì)開始，專家系統(tǒng)相關(guān)論文又出現(xiàn)了增加的趨勢，并維持在一個(gè)穩(wěn)定的水平中。圖1 專家系統(tǒng)在SCI數(shù)據(jù)庫文獻(xiàn)發(fā)表年度變化情況

2012年2月第32卷第2期基于知識(shí)圖譜的專家系統(tǒng)發(fā)展綜述Feb.，2012Vol.32 No.22 專家系統(tǒng)前40年的發(fā)展

本文利用基于JAVA平臺(tái)的引文分析可視化軟件Citespace，首先設(shè)定時(shí)間跨度為1950-1991年，時(shí)間切片長度為1年，聚類方式為共被引聚類（Cited Reference），閾值選擇為（2，2，20）、（3，3，20）、（3，3，20）。Citespace得出這些引文的時(shí)間跨度為1950－1990年，可以繪制出該時(shí)間段的專家系統(tǒng)論文時(shí)區(qū)分布圖，如圖2所示。我們以年代先后為序，將20世紀(jì)80年代以前作為第一階段，80年代至90年代作為第二階段。圖2 1950-1991年各年度專家系統(tǒng)論文之間的時(shí)區(qū)分布圖

2.1 專家系統(tǒng)起源時(shí)期

根據(jù)圖2顯示，這段時(shí)期有7個(gè)突出節(jié)點(diǎn)，既有7位代表人物。第一個(gè)節(jié)點(diǎn)代表的是“人工智能之父”――英國著名科學(xué)家阿蘭?麥席森?圖靈（Alan Mathison Turing），他于1950年在《心靈》雜志上《計(jì)算機(jī)器與智能》，提出了著名的“圖靈測試”，探討了機(jī)器智能的可能性，為后來的人工智能科學(xué)提供了開創(chuàng)性的構(gòu)思［1］。

第二個(gè)節(jié)點(diǎn)代表的是美國工程院院士、加州大學(xué)扎德（LA.Zadeh）教授，他于1965年在《信息與控制》雜志第8期上發(fā)表題為《模糊集》的論文，提出模糊集合理論，給出了模糊性現(xiàn)象定量描述和分析運(yùn)算的方法，從而誕生了模糊數(shù)學(xué)。1978年，扎德教授提出了“可能性理論”，將不確定性理解為可能性，為模糊集理論建立了一個(gè)實(shí)際應(yīng)用上的理論框架，這也被認(rèn)為是模糊數(shù)學(xué)發(fā)展的第二個(gè)里程碑。同年，國際性期刊《International Journal of Fuzzy Sets and System》誕生，這使得模糊理論得到普遍承認(rèn)，理論研究高速發(fā)展，實(shí)際應(yīng)用迅速推廣。

第三個(gè)節(jié)點(diǎn)代表的美國兩院院士、卡內(nèi)基-梅隆大學(xué)教授艾倫?紐厄爾（Allen Newell），1972年，他出版了《人怎樣解題》（Human Problem Solving)一書，書中描述了他和西蒙試圖建立一個(gè)計(jì)算機(jī)化的“通用問題求解器”的歷程：20世紀(jì)50年代，他們發(fā)現(xiàn)，人類的問題解決，在一定知識(shí)領(lǐng)域內(nèi)可以通過計(jì)算機(jī)實(shí)現(xiàn)，所以他們開始用計(jì)算機(jī)編程來解決問題，1956年，他們研發(fā)出了邏輯理論家和通用問題求解器（General Problem Solver），并建立了符號(hào)主義人工智能學(xué)派。我們可以看出，這本書是對(duì)他以前所作工作的總結(jié)與歸納，而邏輯理論家和通用問題求解器正是專家系統(tǒng)的雛形，為專家系統(tǒng)的出現(xiàn)奠定了堅(jiān)實(shí)的基礎(chǔ)。

但是艾倫?紐厄爾的嘗試無法解決大的實(shí)際問題，也很難把實(shí)際問題改造成適合于計(jì)算機(jī)解決的形式，并且對(duì)于解題所需的巨大搜索空間也難于處理。為此，美國國家工程院院士、斯坦福大學(xué)教授費(fèi)根鮑姆（E.A.Feigenbaum）等人在總結(jié)通用問題求解系統(tǒng)成功與失敗的經(jīng)驗(yàn)基礎(chǔ)上，結(jié)合化學(xué)領(lǐng)域的專門知識(shí)，于1965年研制了世界上第一個(gè)專家系統(tǒng)dendral，可以推斷化學(xué)分子結(jié)構(gòu)。專家系統(tǒng)進(jìn)入了初創(chuàng)期，其代表有dendral、macsyma（數(shù)學(xué)專家系統(tǒng)）等，第一代專家系統(tǒng)以高度專業(yè)化、求解專門問題的能力強(qiáng)為特點(diǎn)，向人們展示了人工智能應(yīng)用的廣闊前景［2］。

第四個(gè)節(jié)點(diǎn)代表人物是美國麻省理工學(xué)院著名的人工智能學(xué)者明斯基（Minsky）。1975年，他在論文《表示知識(shí)的框架》(A Framework for Representating Knowledge，McGraw-Hill)中提出了框架理論，框架理論的核心是以框架這種形式來表示知識(shí)。理論提出后，在人工智能界引起了極大的反響，并成為了基于框架的專家系統(tǒng)的理論基礎(chǔ)，基于框架的專家系統(tǒng)適合于具有固定格式的事物、動(dòng)作或事件。

第五個(gè)節(jié)點(diǎn)代表人物是美國普林斯頓大學(xué)教授格倫謝弗（Glenn Shafer），他在1976年出版了《數(shù)學(xué)理論的證據(jù)》（A mathematical theory of evidence）一書，介紹了由他和Dempster于1967年提出的D-S理論（即證據(jù)理論）。證據(jù)理論可處理由不知道因素引起的不確定性，后來，該理論被廣泛應(yīng)用于計(jì)算機(jī)科學(xué)和工程應(yīng)用，是基于D-S證據(jù)理論的專家系統(tǒng)的理論基礎(chǔ)。

第六個(gè)重要節(jié)點(diǎn)代表是美國斯坦福大學(xué)愛德華?漢斯?肖特利夫（Shortliff EH）教授，他于1975年在著名雜志《數(shù)學(xué)生物科學(xué)》上發(fā)表《A model of inexact reasoning in medicine》（《在醫(yī)學(xué)模型的不精確推理》）一文，他結(jié)合自己1972－1974年研制的世界第一個(gè)醫(yī)學(xué)專家系統(tǒng)――MYCIN系統(tǒng)（用于診斷和治療血液感染及腦炎感染，是第二代專家系統(tǒng)的經(jīng)典之作），提出了確定性理論，該理論對(duì)專家系統(tǒng)的發(fā)展產(chǎn)生了重大影響。

第七個(gè)節(jié)點(diǎn)代表人物是美國麻省理工學(xué)院計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室的戴維斯（Randall Davis）教授，他于1976年提出元知識(shí)的概念，并在專家系統(tǒng)的研制工具開發(fā)方面做出了突出貢獻(xiàn)――研制出知識(shí)獲取工具Teiresias，為專家系統(tǒng)獲取知識(shí)實(shí)現(xiàn)過程中知識(shí)庫的修改和添加提供了工具［3］，關(guān)Teiresias，他于1977年在《Artificial Intelligence》雜志上中進(jìn)行了詳細(xì)介紹，而這也為本時(shí)期專家系統(tǒng)的快速增多和廣泛應(yīng)用奠定了堅(jiān)實(shí)基礎(chǔ)。

20世紀(jì)70年代后期，隨著專家系統(tǒng)應(yīng)用領(lǐng)域的不斷開拓，專家系統(tǒng)研發(fā)技術(shù)逐漸走向成熟。但同時(shí)，專家系統(tǒng)本身存在的應(yīng)用領(lǐng)域狹窄、缺乏常識(shí)性知識(shí)、知識(shí)獲取困難、推理方法單一等問題也被逐漸暴露出來。人們從各種不同類型的專家系統(tǒng)和知識(shí)處理系統(tǒng)中抽取共性，人工智能又從具體研究逐漸回到一般研究。圍繞知識(shí)這一核心問題，人們重新對(duì)人工智能的原理和方法進(jìn)行探索，并在知識(shí)的獲取、表示以及知識(shí)在推理過程中的利用等方面開始出現(xiàn)一組新的原理、工具和技術(shù)。

2.2 專家系統(tǒng)發(fā)展的黃金時(shí)期

20世紀(jì)80年代是專家系統(tǒng)突飛猛進(jìn)、迅速發(fā)展的黃金時(shí)代，根據(jù)圖2顯示，這段時(shí)期共有論文982篇，有7個(gè)突出節(jié)點(diǎn)。

1980年，出現(xiàn)了第一個(gè)節(jié)點(diǎn)代表――美國斯坦福大學(xué)計(jì)算機(jī)科學(xué)系系主任尼爾森（NILS J.NILSSON），他出版的《人工智能原理》（《Principles of artificial intelligence》）一書，表明了拉近理論和實(shí)踐的距離的目標(biāo)，書中對(duì)基于規(guī)則的專家系統(tǒng)、機(jī)器問題解決系統(tǒng)以及結(jié)構(gòu)對(duì)象的代表等都進(jìn)行了具體的論述。

1981年，出現(xiàn)了第二個(gè)節(jié)點(diǎn)代表――英國赫特福德大學(xué)教授Clocksin，威廉F，他出版的《PROLOG語言編程》一書，引起了計(jì)算機(jī)科學(xué)界的極大興趣，并已被證明是一個(gè)重要的編程語言和人工智能系統(tǒng)的新一代基礎(chǔ)，是專家系統(tǒng)的重要編程語言。

1982年，出現(xiàn)了第三個(gè)節(jié)點(diǎn)代表――美國匹茲堡大學(xué)教授米勒（Miller RA），他在《英格蘭醫(yī)藥分冊(cè)》上發(fā)表了《基于計(jì)算機(jī)的醫(yī)學(xué)內(nèi)科實(shí)驗(yàn)診斷顧問》（An Experimental Computer based Diagnostic Consultant for General Internal Medicine.N Engl J Med,307,468-76,1982）一文，屬當(dāng)時(shí)診斷專家系統(tǒng)的代表力作，書中介紹了著名的內(nèi)科疾病診斷咨詢系統(tǒng)INTERNIST-1，之后將其不斷完善成改進(jìn)型INTERNIST-2，即后來的CADUCEUS專家系統(tǒng)，其知識(shí)庫中包含了572種疾病，約4 500種癥狀。

1983年，出現(xiàn)了第四個(gè)節(jié)點(diǎn)代表――美國的海斯羅斯（Hayes-Roth，F(xiàn)）教授，他于1983年發(fā)表著作《建立專家系統(tǒng)》，對(duì)專家系統(tǒng)建立的原則和要素、開發(fā)的生命周期等重要問題進(jìn)行了詳細(xì)講解，為研究與開發(fā)各種類型的專家系統(tǒng)提供了理論依據(jù)。

1984年，出現(xiàn)了第五個(gè)節(jié)點(diǎn)代表――美國匹茲堡大學(xué)計(jì)算機(jī)科學(xué)、哲學(xué)和醫(yī)學(xué)教授布魯斯?布坎南（Bruce G.Buchanan），他于1984年發(fā)表著作《規(guī)則的專家系統(tǒng)：斯坦福啟發(fā)式編程項(xiàng)目Mycin實(shí)驗(yàn)》（《Rule Based Expert Systems:The Mycin Experiments of the Stanford Heuristic Programming Project》，這是有史以來關(guān)于醫(yī)療診斷系統(tǒng)MYCIN的實(shí)驗(yàn)規(guī)則庫公布。基于規(guī)則的專家系統(tǒng)MYCIN是專家系統(tǒng)開發(fā)過程中一個(gè)里程碑，研究其開發(fā)思路與方法具有非常重要的意義。

1985年，出現(xiàn)了第六個(gè)節(jié)點(diǎn)代表――美國人工智能專家、加州大學(xué)教授哈蒙（Harmon P），他出版了《專家系統(tǒng)：人工智能業(yè)務(wù)》（《Expert systems：artificial intelligence in business》）一書。書中闡述了專家系統(tǒng)如何解決問題，代表知識(shí)，并得出推論，并介紹了人工智能的具體制度，確定了專家系統(tǒng)的市場。

1986年，出現(xiàn)了第七個(gè)節(jié)點(diǎn)代表――著名的專家系統(tǒng)學(xué)者沃特曼（Waterman DA），他出版了《專家系統(tǒng)指南》一書，該書對(duì)專家系統(tǒng)的概念、組成、建立過程、建立工具、應(yīng)用領(lǐng)域等做了深入淺出的系統(tǒng)介紹與論述，是當(dāng)時(shí)全面介紹專家研發(fā)與應(yīng)用的經(jīng)典書籍。

20世紀(jì)80年代初，醫(yī)療專家系統(tǒng)占主流，主要原因是它屬于診斷類型系統(tǒng)且容易開發(fā)。80年代中期，出現(xiàn)大量投入商業(yè)化運(yùn)行的專家系統(tǒng)，為各行業(yè)帶來了顯著的經(jīng)濟(jì)效益。從80年代后期開始，大量新技術(shù)成功運(yùn)用到專家系統(tǒng)之中，使得專家系統(tǒng)得到更廣泛的運(yùn)用。在這期間開發(fā)的專家系統(tǒng)按處理問題的類型可以分為：解釋型、預(yù)測型、診斷型、設(shè)計(jì)型等。應(yīng)用領(lǐng)域擴(kuò)展到農(nóng)業(yè)、商業(yè)、化學(xué)、通信、醫(yī)學(xué)等多個(gè)方面，成為人們常用的解決問題的手段之一。

然而，與此同時(shí)，現(xiàn)有的專家系統(tǒng)也暴露出了自身嚴(yán)重的缺陷，使不少計(jì)算機(jī)界的知名學(xué)者對(duì)專家系統(tǒng)產(chǎn)生了懷疑，認(rèn)為專家系統(tǒng)存在的問題有以下幾點(diǎn)：（1）專家系統(tǒng)中的知識(shí)多限于經(jīng)驗(yàn)知識(shí)，極少有原理性的知識(shí)，系統(tǒng)沒有應(yīng)用它們的能力；（2）知識(shí)獲取功能非常弱。為了建造專家系統(tǒng)，必須依賴于專家獲取知識(shí)， 不僅費(fèi)時(shí)， 而且很難獲取完備性和一致性的知識(shí)；（3）求解問題的方法比較單一，以推理機(jī)為核心的對(duì)問題的求解尚不能反映專家從認(rèn)識(shí)問題到解決問題的創(chuàng)造性過程；（4）解釋功能不強(qiáng)［4］。等到學(xué)者們回過頭重新審視時(shí)，20世紀(jì)90年代的專家系統(tǒng)理論危機(jī)已然爆發(fā)。

3 90年代專家系統(tǒng)向多個(gè)方向發(fā)展

由于20世紀(jì)80年代專家系統(tǒng)研究迅猛發(fā)展，商業(yè)價(jià)值被各行各業(yè)看好，導(dǎo)致90年代大批專家系統(tǒng)從實(shí)驗(yàn)室走出來，開始了它們的工程化市場化進(jìn)程。從圖1看以看出，在20世紀(jì)90年代，專家系統(tǒng)的相關(guān)論文不增反減，進(jìn)入一個(gè)局部低谷期，這期間以“Expert System/Experts System”為主題詞的論文共7 547篇。本文利用Citespace軟件，設(shè)置參數(shù)為（4，4，20）（4，3，20）（4，4，20），獲取了該時(shí)期論文的引文聚類圖（如圖3所示）。圖2 專家系統(tǒng)1990－2000年的論文引文聚類圖

從圖3中我們可以看出，全圖的節(jié)點(diǎn)比較分散，沒有形成大的聚類，這表示該階段沒有形成重點(diǎn)研究方向，也沒有重大科研成果和標(biāo)志性著作產(chǎn)生，專家系統(tǒng)的市場化進(jìn)程嚴(yán)重牽引了研究者們的注意力，這是專家系統(tǒng)研究陷入低谷期的重要原因。

這段時(shí)間專家系統(tǒng)的研究工作大致分以下幾個(gè)方面：第一個(gè)研究方向依舊是建立在扎德（LA.Zadeh）教授模糊理論上的模糊專家系統(tǒng)，它同樣是該年代專家系統(tǒng)研究的重點(diǎn)方向。

第二個(gè)研究方向是骨架專家系統(tǒng)，代表人物有美國斯坦福大學(xué)的愛德華?漢斯?肖特利夫（Shortliff EH）教授。1974年末，MYCIN系統(tǒng)基本建成后，MYCIN的設(shè)計(jì)者們就想到用其它領(lǐng)域的知識(shí)替換關(guān)于感染病學(xué)的知識(shí)，可能會(huì)得到一個(gè)新的專家系統(tǒng)，這種想法導(dǎo)致了EMYCIN骨架系統(tǒng)的產(chǎn)生。EMYCIN的出現(xiàn)大大縮短了專家系統(tǒng)的研制周期，隨后，AGE、OPS5、KEE、KBMS、GESDE等骨架系統(tǒng)應(yīng)運(yùn)而生，它們?cè)?0世紀(jì)90年代專家系統(tǒng)的研究進(jìn)程中，發(fā)揮著重要作用。

第三個(gè)研究方向是故障診斷專家系統(tǒng)，代表人物有美國麻省理工學(xué)院的蘭德爾?戴維斯（Randall Davis）教授。他于1984年在《人工智能》雜志上發(fā)表了《基于結(jié)構(gòu)和行為的診斷推理 》（《Diagnostic Reasoning Based on Structure and Behavior》）一文，該論文描述了一個(gè)利用知識(shí)結(jié)構(gòu)和行為，在電子電路領(lǐng)域進(jìn)行故障診斷排除的專家系統(tǒng)。之后，故障診斷專家系統(tǒng)在電路與數(shù)字電子設(shè)備、機(jī)電設(shè)備等各個(gè)領(lǐng)域已取得了令人矚目的成就，已成為當(dāng)今世界研究的熱點(diǎn)之一。

第四個(gè)研究方向是基于規(guī)則的專家系統(tǒng)，布魯斯?布坎南（Bruce G.Buchanan）的著作對(duì)基于規(guī)則的專家系統(tǒng)在這個(gè)時(shí)期的發(fā)展仍有著積極的指導(dǎo)作用。多種基于規(guī)則的專家系統(tǒng)進(jìn)入了試驗(yàn)階段。傳統(tǒng)基于規(guī)則的專家系統(tǒng)只是簡單的聲明性知識(shí)，而目前，規(guī)則的形式開始向產(chǎn)生式規(guī)則轉(zhuǎn)變，并趨向于提供較完善的知識(shí)庫建立和管理功能。

第五個(gè)研究方向是知識(shí)工程在專家系統(tǒng)中的運(yùn)用。代表人物是美國斯坦福大學(xué)的克蘭西教授（Clancy W J），他于1985年在《人工智能》雜志上發(fā)表了重要論文《啟發(fā)式分類》（《Heuristis classification》），啟發(fā)式分類即對(duì)未知領(lǐng)域情況的類的識(shí)別過程。它是人類思維解決問題的重要方法，在人工智能、專家系統(tǒng)中可常用啟發(fā)式設(shè)計(jì)計(jì)算機(jī)程序，模擬人類解決問題的思維活動(dòng)。

第六個(gè)研究方向是機(jī)器學(xué)習(xí)在專家系統(tǒng)中的運(yùn)用。代表人物是機(jī)器學(xué)習(xí)領(lǐng)域前輩、澳洲悉尼大學(xué)著名教授John Ross Quinlan。他于1986年在《機(jī)器學(xué)習(xí)》（《Mach.Learn》）雜志上發(fā)表《決策樹算法》（《Induction of Decision Trees》）一文，文中他詳細(xì)描述了決策樹算法的代表――ID3算法。之后，有大量學(xué)者圍繞該算法進(jìn)行了廣泛的研究，并提出多種改進(jìn)算法，由于決策樹的各類算法各有優(yōu)缺點(diǎn)，在專家系統(tǒng)的實(shí)際應(yīng)用中，必須根據(jù)數(shù)據(jù)類型的特點(diǎn)及數(shù)據(jù)集的大小，選擇合適的算法。

第七個(gè)研究方向是神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，代表人物有人工智能專家Stephan I.Gallant和美國加利福尼業(yè)大學(xué)教授巴特?卡斯科（Bart Kosko）。Gallant于1988年在《ACM的通信》上發(fā)表了《連接主義專家系統(tǒng)》（《Connectionist expert systems》）一文，文中講述Gallant 設(shè)計(jì)了一個(gè)連接主義專家系統(tǒng)（Connectionist expert system），其知識(shí)庫是由一個(gè)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的（即神經(jīng)網(wǎng)絡(luò)知識(shí)獲取），開創(chuàng)了神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)相結(jié)合的先例。

第八個(gè)研究方向是遺傳算法在專家系統(tǒng)中的運(yùn)用。代表人物是遺傳算法領(lǐng)域著名學(xué)者、美國伊利諾伊大學(xué)David Goldberg教授和人工智能專家L.Davis。1989年，Goldberg出版了專著《搜索、優(yōu)化和機(jī)器學(xué)習(xí)中的遺傳算法》，該書系統(tǒng)總結(jié)了遺傳算法的主要研究成果，全面而完整地論述了遺傳算法的基本原理及其應(yīng)用；1991年，Davis編輯出版了《遺傳算法手冊(cè)》，書中包含了遺傳算法在科學(xué)計(jì)算、工程技術(shù)和社會(huì)經(jīng)濟(jì)中的大量應(yīng)用實(shí)例，該書為推廣和普及遺傳算法的應(yīng)用起到了重要的指導(dǎo)作用。這些都推動(dòng)了基于遺傳算法的專家系統(tǒng)的研發(fā)推廣。

第九個(gè)研究方向是決策支持系統(tǒng)在專家系統(tǒng)中的運(yùn)用，代表人物是美國加利福尼亞大學(xué)伯克利分校教授埃弗雷姆?特班（Efraim Turban）。他于1990年出版了《決策支持和專家系統(tǒng)的管理支持系統(tǒng)》（《Decision support and expert systems:management support systems》）一書。20世紀(jì)80年代末90年代初，決策支持系統(tǒng)開始與專家系統(tǒng)相結(jié)合，形成智能決策支持系統(tǒng)，該系統(tǒng)充分做到了定性分析和定量分析的有機(jī)結(jié)合，將解決問題的范圍和能力提高到一個(gè)新的層次。

第十個(gè)研究方向是各種理論知識(shí)在專家系統(tǒng)中的綜合運(yùn)用，代表人物是美國加利福尼業(yè)大學(xué)教授巴特?卡斯科（Bart Kosko）和美國伊利諾伊州研究所教授Abdul-Rahman K.H。卡斯科（Kosko）于1992年出版《神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)：一個(gè)擁有機(jī)器智能的動(dòng)力系統(tǒng)方法》（《Neural networks and fuzzy systems:a dynamical systems approach to machine intelligence》）一書，這是第一本將神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)結(jié)合起來的讀本，也是神經(jīng)網(wǎng)絡(luò)與模糊理論綜合應(yīng)用于專家系統(tǒng)建設(shè)的經(jīng)典著作；Abdul-Rahman K.H教授于1995年，在美國電氣和電子工程師協(xié)會(huì)的《電力系統(tǒng)及自動(dòng)化》（《Transactions on Power Systems》）會(huì)議刊上發(fā)表了《人工智能模糊無功負(fù)荷的最優(yōu)VAR控制方法 》（《AI approach to optimal VAR control with fuzzy reactive loads》）一文，論文提出了一個(gè)解決無功功率（VAR）控制問題，這個(gè)方法包含了專家系統(tǒng)、模糊集理論和人工神經(jīng)網(wǎng)絡(luò)的重要知識(shí)。

雖然專家系統(tǒng)大量建造，但投入實(shí)際運(yùn)行的專家系統(tǒng)并不多，且效率較低，問題求解能力有待進(jìn)一步提高。原因之一就是專家系統(tǒng)主要是模擬某一領(lǐng)域中求解特定問題的專家的能力，而在模擬人類專家協(xié)作求解方面很少或幾乎沒有做什么工作。然而在現(xiàn)實(shí)世界中，協(xié)作求解具有普遍性，針對(duì)特定領(lǐng)域、特定問題的求解僅僅具有特殊性，專家系統(tǒng)雖然在模擬人類專家某一特定領(lǐng)域知識(shí)方面取得了成功，但它仍然不能或難以解決現(xiàn)實(shí)世界中的問題。其次，開發(fā)的專家系統(tǒng)的規(guī)模越來越大，并且十分復(fù)雜。這樣就要求將大型專家系統(tǒng)的開發(fā)變成若干小的、相對(duì)獨(dú)立的專家系統(tǒng)來開發(fā)，而且需要將許多不同領(lǐng)域的專家系統(tǒng)聯(lián)合起來進(jìn)行協(xié)作求解。然而，與此相關(guān)的分布式人工智能理論和實(shí)用技術(shù)尚處在科研階段。只有分布式系統(tǒng)協(xié)作求解問題得以解決，才能克服由于單個(gè)專家系統(tǒng)知識(shí)的有限性和問題求解方法的單一性等導(dǎo)致系統(tǒng)的“脆弱性”，也才能提高系統(tǒng)的可靠性，并且在靈活性、并行性、速度等方面帶來明顯的效益［5］。

4 21世紀(jì)專家系統(tǒng)進(jìn)入穩(wěn)定發(fā)展時(shí)期

進(jìn)入21世紀(jì)，專家系統(tǒng)開始緩慢發(fā)展，這期間以“Expert System/Experts System”為主題詞的論文共5 964篇。本文利用Citespace軟件，設(shè)置參數(shù)為（6，6，20）（5，5，20）（5，5，20），獲取了該時(shí)期論文的引文聚類圖（如圖4所示）。圖4 專家系統(tǒng)2000－2010年的論文引文聚類圖

這個(gè)時(shí)期專家系統(tǒng)有3個(gè)主要研究方向：第一個(gè)是研究方向是節(jié)點(diǎn)明顯的基于模糊邏輯的專家系統(tǒng)研究方向。90年代以來，模糊控制與專家系統(tǒng)技術(shù)相結(jié)合，進(jìn)一步提高了模糊控制器的智能水平。基于模糊邏輯的專家系統(tǒng)有以下優(yōu)點(diǎn)：一是具有專家水平的專門知識(shí)，能表現(xiàn)專家技能和高度的技巧以及有足夠的魯棒性（即健壯性）；二是能進(jìn)行有效的推理，能夠運(yùn)用人類專家的經(jīng)驗(yàn)和知識(shí)進(jìn)行啟發(fā)性的搜索和試探性的推理；三是具有靈活性和透明性。

第二個(gè)是研究方向是Rete模式匹配算法在專家系統(tǒng)中的應(yīng)用，代表人物是美國卡內(nèi)基―梅隆大學(xué)計(jì)算機(jī)科學(xué)系的Charles L.Forgy教授，1979年，他首次提出Rete算法。專家系統(tǒng)工具中一個(gè)核心部分是推理機(jī)，Rete算法能利用推理機(jī)的“時(shí)間冗余”特性和規(guī)則結(jié)構(gòu)的相似性，并通過保存中間運(yùn)算結(jié)果的方法來提高推理的效率。1982年，他在《人工智能》雜志上發(fā)表《Rete算法：許多模式／多對(duì)象的模式匹配問題的一個(gè)快速算法》（《Rete:A Fast Algorithm for the Many Pattern/Many Object Pattern Match Problem》）一文，該文解釋了基本算法的概念，介紹了詳細(xì)的算法，描述了模式和適當(dāng)?shù)膶?duì)象交涉算法，并說明了模式匹配的執(zhí)行操作。

第三個(gè)是研究方向是專家系統(tǒng)在電力系統(tǒng)中的運(yùn)用。世界各國的專家們開始熱衷于在電力生產(chǎn)的各個(gè)環(huán)節(jié)使用專家系統(tǒng)，代表人物有日本的福井賢、T.Sakaguchi、印度的Srinivasan D、美國伊利諾伊州研究所的Abdul-Rahman K.H、希臘雅典國立技術(shù)大學(xué)的Protopapas C.A、和中國的羅旭，他們?cè)诿绹姎夂碗娮庸こ處焻f(xié)會(huì)的《電力傳輸》（《IEEE transactions on power delivery）會(huì)議刊及《電源設(shè)備系統(tǒng)》會(huì)議刊（《On Power Apparatus and Systems》）上發(fā)表了多篇有影響力的論文，內(nèi)容涉及系統(tǒng)恢復(fù)、電力需求預(yù)測、變電站故障診斷和報(bào)警處理等多方面。

這十年間，專家系統(tǒng)的研究不再滿足于用現(xiàn)有各種模型與專家系統(tǒng)進(jìn)行簡單結(jié)合，形成基于某種模型的專家系統(tǒng)的固有模式。研究者們不斷探索更方便、更有效的方法，來解決困擾專家系統(tǒng)的知識(shí)獲取瓶頸、匹配沖突、組合爆炸等問題，而這也推動(dòng)了研究不斷向深層次、新方向發(fā)展。但是，由于專家系統(tǒng)應(yīng)用的時(shí)間長、領(lǐng)域廣，他們?cè)庥龅钠款i問題一時(shí)得不到有效解決，導(dǎo)致了這一時(shí)期末，專家系統(tǒng)研究呈現(xiàn)出暫時(shí)的下滑現(xiàn)象。

5 專家系統(tǒng)發(fā)展趨勢分析

圖一發(fā)展曲線上第二個(gè)時(shí)間節(jié)點(diǎn)是1992年，從該年起專家系統(tǒng)相關(guān)論文呈下降趨勢，然后在2002年又開始緩慢增長，近一年多來又開始下降，這標(biāo)志著專家系統(tǒng)研究在布滿荊棘的道路上前行，前景是光明的，但道路是曲折的。本文以5年為一個(gè)單位，統(tǒng)計(jì)了1990－2009年20年期間專家系統(tǒng)相關(guān)論文中高頻詞的變化情況，如表1所示，從該表可以獲得這個(gè)時(shí)期專家系統(tǒng)研究的一些特點(diǎn)。

（1）在1990-1999年期間，人工智能出現(xiàn)新的研究，由于網(wǎng)絡(luò)技術(shù)特別是國際互連網(wǎng)技術(shù)發(fā)展，人工智能開始由單個(gè)智能主體研究轉(zhuǎn)向基于網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究，使人工智能更加實(shí)用，這給專家系統(tǒng)帶來了發(fā)展的希望。正因?yàn)槿绱耍覀儚脑~頻上可以看出，人工智能（artificial intelligence）一詞在這十年一直位居前兩位，在專家系統(tǒng)研究中處于主導(dǎo)地位，而與其相關(guān)的知識(shí)表示（knowledge representation）、知識(shí)獲取(knowledge acquisition)等，也成為了學(xué)者們研究的重點(diǎn)方向。

（2）該時(shí)期的第二個(gè)特點(diǎn)是神經(jīng)網(wǎng)絡(luò)研究的復(fù)蘇。神經(jīng)網(wǎng)絡(luò)是通過模擬人腦的結(jié)構(gòu)和工作模式，使機(jī)器具有類似人類的智能，如機(jī)器學(xué)習(xí)、知識(shí)獲取、專家系統(tǒng)等。我們從詞頻上可以看出神經(jīng)網(wǎng)絡(luò)（neural network）一詞得以快速增長，1995年時(shí)位列第一，進(jìn)入21世紀(jì)也是穩(wěn)居第二位，神經(jīng)網(wǎng)絡(luò)很好地解決了專家系統(tǒng)中知識(shí)獲取的瓶頸問題，能使專家系統(tǒng)具有自學(xué)習(xí)能力，它的出現(xiàn)為專家系統(tǒng)提供了一種新的解決途徑［6］，同時(shí)也顯示出他獨(dú)有的生機(jī)與活力。

（3）該時(shí)期是模糊邏輯的發(fā)展時(shí)期。模糊理論發(fā)展至今已接近三十余年，應(yīng)用范圍非常廣泛，它與專家系統(tǒng)相結(jié)合，在故障診斷、自然語言處理、自動(dòng)翻譯、地震預(yù)測、工業(yè)設(shè)計(jì)等方面取得了眾多成果。我們從詞頻上可以看出，模糊邏輯（fuzzy logic）一詞，除在1990－1994年期間位居第六位外，之后都位居前三甲，2000-2004年期間更是位列第一。模糊控制與專家系統(tǒng)技術(shù)相結(jié)合，進(jìn)一步提高了模糊控制器智能水平，這種控制方法既保持了基于規(guī)則的方法的價(jià)值和用模糊集處理帶來的靈活性，同時(shí)把專家系統(tǒng)技術(shù)的表達(dá)與利用知識(shí)的長處結(jié)合起來，能處理更廣泛的控制問題。

（4）故障診斷成為專家系統(tǒng)研究與應(yīng)用的又一重要領(lǐng)域。故障診斷專家系統(tǒng)的發(fā)展起始于20世紀(jì)70年代末,雖然時(shí)間不長,但在電路與數(shù)字電子設(shè)備、機(jī)電設(shè)備等各個(gè)領(lǐng)域已取得了令人矚目的成就,已成為當(dāng)今世界研究的熱點(diǎn)之一。這從高頻詞分布可以開出，故障診斷（fault diagnosis）從1995-1999年間的最后一位攀升至2005-2009年間的第一位，足見其強(qiáng)大的生命力。在專家系統(tǒng)己有較深厚基礎(chǔ)的國家中，機(jī)械、電子設(shè)備的故障診斷專家系統(tǒng)已基本完成了研究和試驗(yàn)的階段，開始進(jìn)入廣泛應(yīng)用。

（5）遺傳算法的應(yīng)用逐漸增多。20世紀(jì)90年代，遺傳算法迎來了發(fā)展時(shí)期，無論是理論研究還是應(yīng)用研究都成了十分熱門的課題。尤其是遺傳算法的應(yīng)用研究顯得格外活躍，不但應(yīng)用領(lǐng)域擴(kuò)大，而且利用遺傳算法進(jìn)行優(yōu)化和規(guī)則學(xué)習(xí)的能力也顯著提高。進(jìn)入21世紀(jì)，遺傳算法的應(yīng)用研究已從初期的組合優(yōu)化求解擴(kuò)展到了許多更新、更工程化的應(yīng)用方面。這在高頻詞分布中可以看出，以2000作為臨界點(diǎn)，遺傳算法（genetic algorithms）從20世紀(jì)90年代的10名之后，到位于高頻詞前六強(qiáng)之中，充分反映出它發(fā)展的良好勢頭。

6 小 結(jié)

專家系統(tǒng)是20世紀(jì)下半葉發(fā)展起來的重大技術(shù)之一，它不僅是高技術(shù)的標(biāo)志，而且有著重大的經(jīng)濟(jì)效益。“知識(shí)工程之父”E.Feignbaum在對(duì)世界許多國家和地區(qū)的專家系統(tǒng)應(yīng)用情況進(jìn)行調(diào)查后指出：幾乎所有的ES都至少將人的工作效率提高10倍，有的能提高100倍，甚至300倍［7］。

專家系統(tǒng)技術(shù)能夠使專家的專長不受時(shí)間和空間的限制，以便推廣稀缺的專家知識(shí)和經(jīng)驗(yàn)；同時(shí)，專家系統(tǒng)能促進(jìn)各領(lǐng)域的發(fā)展，是各領(lǐng)域?qū)＜覍I(yè)知識(shí)和經(jīng)驗(yàn)的總結(jié)和提煉。

專家系統(tǒng)發(fā)展的近期目標(biāo)，是建造能用于代替人類高級(jí)腦力勞動(dòng)的專家系統(tǒng)；遠(yuǎn)期目標(biāo)是探究人類智能和機(jī)器智能的基本原理，研究用自動(dòng)機(jī)模擬人類的思維過程和智能行為，這幾乎涉及自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科，遠(yuǎn)遠(yuǎn)超出了計(jì)算機(jī)科學(xué)的范疇。

隨著人工智能應(yīng)用方法的日漸成熟，專家系統(tǒng)的應(yīng)用領(lǐng)域也不斷擴(kuò)大。有人類活動(dòng)的地方，必將有智能技術(shù)包括專家系統(tǒng)的應(yīng)用，專家系統(tǒng)將成為21世紀(jì)人類進(jìn)行智能管理與決策的工具與助手。

參考文獻(xiàn)

［1］百度百科［EB］.http:∥baike.省略/view/2130.htm．

［2］黃可鳴.專家系統(tǒng)二十年［J］.計(jì)算機(jī)科學(xué)，1986，（4）：26-37.

［3］路耀華.思維模擬與知識(shí)工程［M］.北京：清華大學(xué)出版社，1997．

［4］趙致琢.專家系統(tǒng)研究［J］.貴州大學(xué)學(xué)報(bào)：自然科學(xué)版，1990，（6）：40-48.

［5］鄒光宇.專家系統(tǒng)發(fā)展現(xiàn)狀及其應(yīng)用前景［J］.電力勘測，1994，（3）：21-26.