前言：我們精心挑選了數篇優質農業專家系統論文文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

關鍵詞：專家系統；計算機應用

Abstract：ThispaperanalyzedtheapplicationsandopenquestionsofagriculturalexpertsysteminthenewcenturyinChina，finally，hadallexpectationofthedevelopmentprospectforthefutureagriculturalexpertsystem．

Keywords：expertsystem；computerapplication

我國加入了WTO，傳統型農業面臨巨大的挑戰，因而必須依靠先進的科學技術，向信息化、現代化農業邁進。而信息技術的廣泛應用，為農業的發展提供了技術支持。[4]農業信息技術是21世紀高新技術應用于農業的關鍵技術之一，近二十年來在世界各國得以迅速發展。農業專家系統是農業信息技術的一個重要組成部分，它是我國農業信息技術發展的突破口，對我國農業發展有著深遠的影響。[5]

農業專家系統也可叫農業智能系統，是一個具有大量農業專門知識與經驗的計算機系統它應用人工智能技術，依據一個或多個農業專家提供的特殊領域知識、經驗進行推理和判斷，模擬農業專家就某一復雜農業問題進行決策。目前國際上有近百個農業專家系統．廣泛應用于作物生產管理、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、財務分析、農業機械選擇等方面，有些系統已成為商品進入市場。[4]

1.農業專家系統的演變

國際上對農業專家系統的研究是從70年代末期開始的，當時僅用于診斷作物病蟲害。如1978年美國伊利諾斯大學開發的大豆病蟲害診斷專家系統Plant／DS。進入80年代以后，開發出了許多農業專家系統，如1982年美國伊利諾斯大學開發的玉米螟蟲害預測專家系統Plant／OD，1983年日本千葉大學開發的MICCS-西紅柿病蟲害診斷專家系統，1986年美國農業部開發的COMAX／GOSSYM，Plant等開發的農業管理專家決策支持系統CALEX，Lemmon等開發了棉花生產管理專家系統，Zhu，XinX等開發的作物生產過程中的水分處理專家系統等。

國內于80年代初期開始研究農業專家系統。1980年浙江大學與中國農科院蠶桑所合作開始研究蠶育種專家系統，1983年中科院合肥智能研究所與安徽農科院合作開發的砂

礓黑土小麥施肥專家系統。近幾年來，我國農業專家系統的研究更是蓬勃發展，

趙林峰，碩士研究生，湖南農業大學園藝園林學院.410128。

*熊興耀，博士，教授，博士生導師，湖南農業大學園藝園林學院，410128，E-mail:xiongxingyao@

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

2存在的問題

2．1農業專家系統自身存在的問題

2．1．1至今為止，在農業專家系統中，由專家整理出來的知識大多屬于這個領域的淺層知識，形式上也主要是條件規則型知識。因為知識種類、數量可能很多，難于詳細檢驗，待到專家系統具體使用這些知識時，機械死板的計算機程序就有可能推導出一些錯誤的結論。另外，由于專家系統并不具有真正的學習能力，結果導致系統的表現只能處理人類專家見過的各種情況，不能“隨機應變”，人工智能面臨嚴峻的考驗。

2．1．2開發工具不完善,國外目前出現了許多專用的專家系統工具，開發某領域系統基本上是運用開發工具來實現的。我國農業專家系統的開發工具在應用國外較成熟的開發工具的同時，也自主研制了一些開發工具。但利用開發工具開發的專家系統已形成系列化，商品化水平很低。而且，目前國內開發的農業專家系統生成工具太都在處理文字描述的定性知識方面功能較強，而在處理用數學模型描述的定量知識方面很少涉及。[7]

2．1．3信息(知識)獲取困難、存儲方式落后。我國是農業大國，農業信息資源極其豐富，但農業信息網絡和數據庫的建設嚴重滯后，缺乏有序管理，使專家系統的知識來源比較單一。另外，我國已完成了農業普查、土壤普查、土地利用現狀調查等基礎性工作，取得了大量的屬性數據圖和形數據，這是農業專家系統的基礎數據。但這些數據太多以紙為存儲介質，不但信息的精度和數量受到限制，信息的更新也不方便，影響其時效性。[78]

2．2農業專家系統應用的外部環境中存在的問題

2．2．1農業專家系統的應用與開發脫節、適用對象狹窄。我國的一些農業專家系統只強調應用，缺乏進行二次開發所需的專家系統開發工具，使用者無法根據當地實際情況創建知識庫和模型庫，限制了專家系統的進一步應用。有些農業專家系統雖提供了開發工具，但缺少通用的模板和模型，要求使用者具有一定的計算機基礎技術，縮小了專家系統的應用范圍。而且一些農業專家系統追求所謂先進性，要求高檔次的軟硬件，也要求使用者有一定的計算機技術基礎，很難在農業基層普及；另一些農業專家系統與領域知識結合不夠，停留于科普性知識介紹，其先進性和實用性不高[9]。

2．2．2動態服務能力低，時效性差。農業生產中的多變因素復雜，受很多外界條件的影響，有許多結果事先是無法預測的，這就要求專家系統有適應動態變化的能力，而我國目前的農業專家系統多數是靜態的，因此在農業專家系統開發過程中必須注意動態性建設[4,9]。

2.2.3缺少進一步延續開發的能力。一些農業專家系統只是為了一時的應用，而忽視了搭建好功能強、靈活性高的平臺，缺少二次開發的接口。目前雖然有許多的開發工具，但通用性差，很難在農業基層普及，使那些具有普通計算機水平而又想開發所研究領域專家系統的人員無計可施，從而限制了專家系統的進一步開發與應用，因此，開發與應用并進，增強系統的實用性是非常必要的。

2．2．4網絡化農業專家系統的開發數量不多。多數農業專家系統僅局限于某一區域，應用面窄，若要擴大應用范圍，就得大力開發網絡版專家系統，充分利用好網絡，實現專家系統的網絡化遠程服務，這也是今后專家系統研制和應用的大勢所趨[10]。

2．2．5推廣問題。目前研制出的農業專家系統較多，但真正用于生產實際的不多，這說明我們重開發，輕系統推廣，在推廣上下的功夫不夠。在目前情況下，每戶的種、養殖的規模都很小．投資電腦、購買專家系統軟件費用很高，投入產出比很低，要推廣就得換思路。充分利用互聯網，在各地網站設立專家系統咨詢推廣點，或許是不錯的選擇。同時，加強農業專家系統的實用培訓，提高使用者的對專家系統的認識、計算機使用水平和科學生產的水平，也是推廣中需要加強的措施之一。

2．2．6知識產權問題

在開發農業專家系統時，需要大量領域專家的智慧或者說采納了許多領域專家的經驗，如果專家系統作為產品要銷售時，就存在商業盈利目的，就必然會產生知識產權的糾紛。現在農業專家系統的使用還不普遍，但是隨著網絡信息服務業的發展，各國都在重視網絡環境下的知識產權立法問題。對此，農業專家系統的設計者在建造時，所采用的各種圖文資料最好是具有自主知識產權的，或者購買別人的圖文資料。農業專家系統中，無論是知識庫中知識的抽取、規則的確定，還是推理機的設計，每一個環節都要符合科學的原則，相關數據、公式都要經實踐檢驗，經試運行完善后才可正式使用。因此，在研制農業專家系統時，要有法律意識，研制者要對專家系統使用的后果負責[11]。

3農業專家系統研究的前景展望

3．1系統數據動態化。農作物生產系統是由生態系統、經濟系統和技術系統在持定的空間和時間上(四維特性)組合而成的復雜大系統，它是一個多因素、多層次、多目標、關系縱橫交叉的復合系統。這一系統的復雜性、動態性、模糊性和不可確定性是其它專家系統無法比擬的。由于農作物生產的這一特性就要求專家系統中的基礎數據不但是海量的，而且必須是動態的。如知識庫、數據庫、模型庫必須要不斷有新的知識、新數據、新技術來更新擴充支撐，盡快解決農業生產中的實際問題。“3S”技術即地理信息系統(GeographicInformationSystem)、全球定位系統(GlobalPositioningSystem)以及遙感技術(RemoteSeniing)、為核心的包括多媒體技術、計算機技術和計算機網絡技術，為專家系統的構建提供了巨大的技術支撐。因為“3S”技術的集成首先緩解了專家系統知識源和數據庫的缺乏問題，提供了海量的基礎數據，為專家系統基礎數據庫、知識庫和模型庫的建立提供了數據支持，使農作物生產管理立體化、空間化和實時化。其次，提供的數據不僅量大、全面、而且動態、可更新的，因而使知識庫、數據庫和模型庫具有強大的生命力，這極大地豐富了農業專家系統有功能和使價值。

3．2系統功能集成化。農作物生產是一個多方面的綜合體，影響因素繁多，時空差異和變異性大，生產穩定性和可控性差，隨時可能遭受氣候、氣象、病蟲害的侵襲，因此需要不同的相關的多個領域專家系統共同合作。將系統模擬、地理信息系統、全球定位系統、決策支持系統等技術相結合，這些集成技術可以更有效地研究氣候變化對農業的影響、土地評價以及農業環境保護等問題。

3．3系統技術綜合化?，F有的專家系統在建模中多利用簡單的數學回歸模型，這種模型一般只考慮部分因素，而作物生產過程中需要解決的問題往往是多個因素的共同作用，因此建模時應考慮多因素的影響。目前，人工神經網絡、模糊數學、隨機模擬等多種技術的研究日趨成熟，將這些技術用于專家系統必然會增加其處理功能。尤其是在解決一些復雜問題時，人類專家有時很難準確表達自己的想法，或者很難找出其規律，利用這些技術可以幫助知識工程師解決問題。

3．4系統應用網絡化。進一步提高農業專家系統的智能化和本土化程度，通過網絡傳送走向田間將成為一種趨勢。網絡技術無疑可以彌補我國農業的分散與閉塞弱勢。光纖化和寬帶化的國家網絡建設，為農業專家系統應用網絡化提供了良好的硬件條件。因此，未來農業專家系統在設計階段首先要考慮網絡化、數據共享問題。能夠成功地在網上運行的系統才真正具有強大的生命力和實用性，符合農業生產與管理的要求[12,13]。

3．5系統面向多層次設計。專家系統服務的對象并不都在同一個層次上，文化程度存在較大的差異，不同對象要求獲取信息的復雜程度不同，所操作的專家系統和輸出的內容復雜程度也不相同，因此開發不同層次的專家系統(如面向灌溉管理專業人員、農村技術人員、農戶的灌溉專家系統)也是需要考慮的一個問題[14]。

3．6系統開發市場化。我國已經成功加入WTO，因此農業專家系統的建造不應忽視國際市場的需求，開發既能滿足我國需求也能適宜國際需求的農業專家系統是必要的[12,13]。

3．7創造良好的農業專家系統應用的外部環境。目前，我國農村計算機的普及(包括上網)雖然初顯端倪，但由于資金、條件和培訓對象文化程度等諸多因素的限制，推廣和普及計算機依然存在著許多實際困難，與經濟和社會發展的要求相差甚遠，遠遠滯后于其他行業，與發達國家相比更顯不足，從而也影響了農業專家系統的更進一步推廣應用。為此，必須從計算機技術培訓人手，傳播和普及計算機技術，并進一步在現有的有線通信技術體系中，減少農村缺乏網絡服務商的服務及農民文化素質低等重大障礙，改善農民的上網條件。另外，農業企業是我國農業生產的主力軍之一，只有農業企業積極使用農業專家系統，大力推進電子商務，才能提供全球服務、提升企業形象、開拓潛在市場、增加企業利潤，才能使企業信息化走向實務。由于農業生產具有生產周期長、成本高、風險大、收益低等特點，我國大部分企業分散經營，環境閉塞，信息不靈，傳遞不便，難以形成競爭優勢。而在市場經濟下，隨著全球經濟一體化的發展和我國加入WTO進程的加快，企業信息化能使人力、物力、財力以及內外部信息資源得以充分開發和利用，從而降低成本，提高經濟效益，在激烈的競爭中找到自己生存與發展的空間，并最終使農業專家系統更好地為農業、農村、農民服務創造一個良好的外部環境[15]。

4結束語

農業專家系統在生產中有著廣闊的應用前景?？梢哉f，在農作物生產的各個環節中都可以用到專家系統。隨著計算機應用的日益普及和各地建設信息高速公路設想的提出，建設農業專家系統將成為加快農業科技知識和農業信息傳播的重要手段，成為促進農業快速發展的積極動力。鑒于農業專家系統在促進農業生產發展中的重大意義?？梢灶A料，一個以農業專家系統為重要手段的智能化農業信息技術將在我國迅速發展，并將成為我國2l世紀農業現代化的重要內容。

參考文獻：

[1]（美）JosephC.Giarratano，GaryD.Riley印鑒，等（譯）.機械工業出版社.

[2]熊范綸．農業專家系統及開發工具．清華大學出版社，1999，4-27

[3]熊范綸．人工智能與計算機在農業現代化中的應用．農業現代化研究所，1992．13(2)：123-126

[4]吳璽，譚宏，夏建國，鄧建良。試論我國農業專家系統的應用及發展。計算機與農業，2000，（8），1-4

[5]李軍，鄒志榮，程瑞鋒，白福萍.農業專家系統及其在園藝業中的研究與應用.陜西農業科學,2002(11),22-24.

[6]柴萍，張保軍，汪志農.農業專家系統在小麥栽培管理中的應用,水土保持研究,2002.(2)

[7]高明亮，王雪珍，吳順章.農業專家系統存在的問題與對策.洛陽農業高等專科學校學報,2001.21(2):88-90

[8]劉莉，宣洋，李紹穩，房文娟.農業專家系統在作物病蟲害預防中的應用.計算機與農業,2003.（5）:11-14

[9]張文龍，周靜，戴保威.農業專家系統研究進展.種子,2004.23（10）:

[10]馬文杰，賀立源.專家系統在我國農業中的應用進展.山地農業生物學報,2005.24(4):343-346

[11]楊國強，王雙喜，杜偉.我國農業專家系統的研究進展.山西農業大學學報,2004.93):303-306

[12]周賢君，鄒冬生.農業專家系統在作物栽培中的應用.農業網絡信息,2004.11,12-15

[13]黃貴平,楊林,任明見,張慶勤.專家系統及其在農業上的應用.種子,2003.(1),54-57

第2篇

生長環境的好壞決定著農產品的質量，植物的健康成長更是與其環境息息相關。除此之外，自然因素對植物的生長有著決定性的作用，最主要的則表現在：光線的強度及陽光照射時間的長短、土壤環境、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?，F代科學技術還可以在一定程度上改變植物的生長環境，通過改變其土壤中的養分及空氣中二氧化碳的濃度，來對植物的正常生長環境進行合理的控制，通過這種方法可以在某種程度上提高果實的結果率，再利用現代化生物技術等來提高農產品質量，從而為企業迎來更好的發展。

2物聯網技術的實施方案

2.1傳感器單元物聯網技術農業專家系統想要獲得更好的應用效果，在傳感器方面，需要做到對癥有效。

2.1.1氣體溫度傳感器在國外的先進國家這種傳感器技術已相對純熟。我國主要采用瑞士公司推出的單片數字溫濕度傳感器，來對空氣溫度進行傳感探究。這種高端傳感產品具有可靠性和穩定性等特點，可以在一定程度上大幅降低了獲取數據的難度，并有效增強了其抗干擾能力，做到低能耗、高靈敏、高性價比等特點。在實際的農業栽培培養技術中，可以利用這種氣體溫濕度傳感器來更加準確的獲取環境信息，并為以后的農作物生長提供相應的材料資源。

2.1.2土壤水分溫度傳感器該傳感器主要利用時域反射原理進行設計，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合使用，利用這2種現代科技可以對土壤中各種理化性狀、氣溫變化及人為水分管理進行合理化監測。除此之外，這種傳感器可適用于各種土壤環境，并對其土壤水分情況進行精確的判斷，并將數據及時上傳到數據庫中，以便人們對其合理控制。

2.1.3光照傳感器這種傳感器的主要特點在于，其體型較小、使用時間長、密封性好、精準性高、可控效果好，可以更好地抵御因自然環境造成的干擾，從而對現代溫室環境進行合理監測。

2.2數據采集單元

2.2.1無線傳感器采集器通過傳輸數據的方式將采集器所采集到的信息及時傳送到管理系統當中，使人們可以在第一時間對農作物生長情況做出準確的監測及處理。采集器主要包括數據采集和傳輸2方面，其特點則表現在安裝簡便、使用成本低等。對采集器的電路本身而言，其主要包括信息處理電路、復位電路、A/D/D/A轉換器、晶振電路、顯示電路等等。

2.2.2多通道無線數據采集器這種多通道數據采集器可以采集多種信號，而信號則主要表現在物理模擬信號和數字信號2種。通過這種采集方式可以有效解決傳統的人力、物力和資源等問題，除此之外，還具有防水、防曬、安全采集、防雷擊等優點。物聯網農業專家系統可以實現在數據上的多種顯示技術，在數據采集、打印、存儲等方面更是具有突出的特點。

3結論

第3篇

〔關鍵詞〕知識圖譜；專家系統；發展軌跡

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

〔中圖分類號〕G250.71 〔文獻標識碼〕A 〔文章編號〕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

專家系統作為人工智能的一個重要分支，發展已經超過50年，在很多應用領域都獲得了廣泛使用，取得了豐碩成果。本文運用文獻計量這一獨特視角對專家系統進行了再回顧和再分析，將智能科技劃分為初創期、成長期、低谷期、發展期，利用詞頻分析、共引分析、作者共現分析等方法揭示專家系統的學科結構、影響程度、關鍵節點與時間點等重要而獨特的知識，為了解和掌握專家系統的發展與演化過程提供了獨特視角。

1 數據來源

SCI（Science Citation Index）是美國科學情報研究所ISI（Institute for Science Information）出版的期刊文獻檢索工具，所收錄的文獻覆蓋了全世界最重要和最有影響力的研究成果，成為世界公認的自然科學領域最為重要的評價工具。本文以Web of Science中的SCI數據庫為數據來源，選用高級檢索方式，以“Expert System/Experts System”作為主題詞，于2011年5月在Web of Secience中進行檢索，一共檢索到14 500篇相關文獻記錄。獲得的年度分布如圖1。所示。雖然，專家系統研究從20世紀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相關的論文出現。圖1表明1991年左右，專家系統相關論文達到了峰值，但隨后呈逐年下降的趨勢。到1999年，只有494篇。但21世紀開始，專家系統相關論文又出現了增加的趨勢，并維持在一個穩定的水平中。圖1 專家系統在SCI數據庫文獻發表年度變化情況

2012年2月第32卷第2期基于知識圖譜的專家系統發展綜述Feb.，2012Vol.32 No.22 專家系統前40年的發展

本文利用基于JAVA平臺的引文分析可視化軟件Citespace，首先設定時間跨度為1950-1991年，時間切片長度為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得出這些引文的時間跨度為1950－1990年，可以繪制出該時間段的專家系統論文時區分布圖，如圖2所示。我們以年代先后為序，將20世紀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年各年度專家系統論文之間的時區分布圖

2.1 專家系統起源時期

根據圖2顯示，這段時期有7個突出節點，既有7位代表人物。第一個節點代表的是“人工智能之父”――英國著名科學家阿蘭?麥席森?圖靈（Alan Mathison Turing），他于1950年在《心靈》雜志上《計算機器與智能》，提出了著名的“圖靈測試”，探討了機器智能的可能性，為后來的人工智能科學提供了開創性的構思［1］。

第二個節點代表的是美國工程院院士、加州大學扎德（LA.Zadeh）教授，他于1965年在《信息與控制》雜志第8期上發表題為《模糊集》的論文，提出模糊集合理論，給出了模糊性現象定量描述和分析運算的方法，從而誕生了模糊數學。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實際應用上的理論框架，這也被認為是模糊數學發展的第二個里程碑。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，理論研究高速發展，實際應用迅速推廣。

第三個節點代表的美國兩院院士、卡內基-梅隆大學教授艾倫?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計算機化的“通用問題求解器”的歷程：20世紀50年代，他們發現，人類的問題解決，在一定知識領域內可以通過計算機實現，所以他們開始用計算機編程來解決問題，1956年，他們研發出了邏輯理論家和通用問題求解器（General Problem Solver），并建立了符號主義人工智能學派。我們可以看出，這本書是對他以前所作工作的總結與歸納，而邏輯理論家和通用問題求解器正是專家系統的雛形，為專家系統的出現奠定了堅實的基礎。

但是艾倫?紐厄爾的嘗試無法解決大的實際問題，也很難把實際問題改造成適合于計算機解決的形式，并且對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、斯坦福大學教授費根鮑姆（E.A.Feigenbaum）等人在總結通用問題求解系統成功與失敗的經驗基礎上，結合化學領域的專門知識，于1965年研制了世界上第一個專家系統dendral，可以推斷化學分子結構。專家系統進入了初創期，其代表有dendral、macsyma（數學專家系統）等，第一代專家系統以高度專業化、求解專門問題的能力強為特點，向人們展示了人工智能應用的廣闊前景［2］。

第四個節點代表人物是美國麻省理工學院著名的人工智能學者明斯基（Minsky）。1975年，他在論文《表示知識的框架》(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。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的理論基礎，基于框架的專家系統適合于具有固定格式的事物、動作或事件。

第五個節點代表人物是美國普林斯頓大學教授格倫謝弗（Glenn Shafer），他在1976年出版了《數學理論的證據》（A mathematical theory of evidence）一書，介紹了由他和Dempster于1967年提出的D-S理論（即證據理論）。證據理論可處理由不知道因素引起的不確定性，后來，該理論被廣泛應用于計算機科學和工程應用，是基于D-S證據理論的專家系統的理論基礎。

第六個重要節點代表是美國斯坦福大學愛德華?漢斯?肖特利夫（Shortliff EH）教授，他于1975年在著名雜志《數學生物科學》上發表《A model of inexact reasoning in medicine》（《在醫學模型的不精確推理》）一文，他結合自己1972－1974年研制的世界第一個醫學專家系統――MYCIN系統（用于診斷和治療血液感染及腦炎感染，是第二代專家系統的經典之作），提出了確定性理論，該理論對專家系統的發展產生了重大影響。

第七個節點代表人物是美國麻省理工學院計算機科學和人工智能實驗室的戴維斯（Randall Davis）教授，他于1976年提出元知識的概念，并在專家系統的研制工具開發方面做出了突出貢獻――研制出知識獲取工具Teiresias，為專家系統獲取知識實現過程中知識庫的修改和添加提供了工具［3］，關Teiresias，他于1977年在《Artificial Intelligence》雜志上中進行了詳細介紹，而這也為本時期專家系統的快速增多和廣泛應用奠定了堅實基礎。

20世紀70年代后期，隨著專家系統應用領域的不斷開拓，專家系統研發技術逐漸走向成熟。但同時，專家系統本身存在的應用領域狹窄、缺乏常識性知識、知識獲取困難、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和知識處理系統中抽取共性，人工智能又從具體研究逐漸回到一般研究。圍繞知識這一核心問題，人們重新對人工智能的原理和方法進行探索，并在知識的獲取、表示以及知識在推理過程中的利用等方面開始出現一組新的原理、工具和技術。

2.2 專家系統發展的黃金時期

20世紀80年代是專家系統突飛猛進、迅速發展的黃金時代，根據圖2顯示，這段時期共有論文982篇，有7個突出節點。

1980年，出現了第一個節點代表――美國斯坦福大學計算機科學系系主任尼爾森（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踐的距離的目標，書中對基于規則的專家系統、機器問題解決系統以及結構對象的代表等都進行了具體的論述。

1981年，出現了第二個節點代表――英國赫特福德大學教授Clocksin，威廉F，他出版的《PROLOG語言編程》一書，引起了計算機科學界的極大興趣，并已被證明是一個重要的編程語言和人工智能系統的新一代基礎，是專家系統的重要編程語言。

1982年，出現了第三個節點代表――美國匹茲堡大學教授米勒（Miller RA），他在《英格蘭醫藥分冊》上發表了《基于計算機的醫學內科實驗診斷顧問》（An Experimental Computer based Diagnostic Consultant for General Internal Medicine.N Engl J Med,307,468-76,1982）一文，屬當時診斷專家系統的代表力作，書中介紹了著名的內科疾病診斷咨詢系統INTERNIST-1，之后將其不斷完善成改進型INTERNIST-2，即后來的CADUCEUS專家系統，其知識庫中包含了572種疾病，約4 500種癥狀。

1983年，出現了第四個節點代表――美國的海斯羅斯（Hayes-Roth，F）教授，他于1983年發表著作《建立專家系統》，對專家系統建立的原則和要素、開發的生命周期等重要問題進行了詳細講解，為研究與開發各種類型的專家系統提供了理論依據。

1984年，出現了第五個節點代表――美國匹茲堡大學計算機科學、哲學和醫學教授布魯斯?布坎南（Bruce G.Buchanan），他于1984年發表著作《規則的專家系統：斯坦福啟發式編程項目Mycin實驗》（《Rule Based Expert Systems:The Mycin Experiments of the Stanford Heuristic Programming Project》，這是有史以來關于醫療診斷系統MYCIN的實驗規則庫公布?；谝巹t的專家系統MYCIN是專家系統開發過程中一個里程碑，研究其開發思路與方法具有非常重要的意義。

1985年，出現了第六個節點代表――美國人工智能專家、加州大學教授哈蒙（Harmon P），他出版了《專家系統：人工智能業務》（《Expert systems：artificial intelligence in business》）一書。書中闡述了專家系統如何解決問題，代表知識，并得出推論，并介紹了人工智能的具體制度，確定了專家系統的市場。

1986年，出現了第七個節點代表――著名的專家系統學者沃特曼（Waterman DA），他出版了《專家系統指南》一書，該書對專家系統的概念、組成、建立過程、建立工具、應用領域等做了深入淺出的系統介紹與論述，是當時全面介紹專家研發與應用的經典書籍。

20世紀80年代初，醫療專家系統占主流，主要原因是它屬于診斷類型系統且容易開發。80年代中期，出現大量投入商業化運行的專家系統，為各行業帶來了顯著的經濟效益。從80年代后期開始，大量新技術成功運用到專家系統之中，使得專家系統得到更廣泛的運用。在這期間開發的專家系統按處理問題的類型可以分為：解釋型、預測型、診斷型、設計型等。應用領域擴展到農業、商業、化學、通信、醫學等多個方面，成為人們常用的解決問題的手段之一。

然而，與此同時，現有的專家系統也暴露出了自身嚴重的缺陷，使不少計算機界的知名學者對專家系統產生了懷疑，認為專家系統存在的問題有以下幾點：（1）專家系統中的知識多限于經驗知識，極少有原理性的知識，系統沒有應用它們的能力；（2）知識獲取功能非常弱。為了建造專家系統，必須依賴于專家獲取知識， 不僅費時， 而且很難獲取完備性和一致性的知識；（3）求解問題的方法比較單一，以推理機為核心的對問題的求解尚不能反映專家從認識問題到解決問題的創造性過程；（4）解釋功能不強［4］。等到學者們回過頭重新審視時，20世紀90年代的專家系統理論危機已然爆發。

3 90年代專家系統向多個方向發展

由于20世紀80年代專家系統研究迅猛發展，商業價值被各行各業看好，導致90年代大批專家系統從實驗室走出來，開始了它們的工程化市場化進程。從圖1看以看出，在20世紀90年代，專家系統的相關論文不增反減，進入一個局部低谷期，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，設置參數為（4，4，20）（4，3，20）（4，4，20），獲取了該時期論文的引文聚類圖（如圖3所示）。圖2 專家系統1990－2000年的論文引文聚類圖

從圖3中我們可以看出，全圖的節點比較分散，沒有形成大的聚類，這表示該階段沒有形成重點研究方向，也沒有重大科研成果和標志性著作產生，專家系統的市場化進程嚴重牽引了研究者們的注意力，這是專家系統研究陷入低谷期的重要原因。

這段時間專家系統的研究工作大致分以下幾個方面：第一個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，它同樣是該年代專家系統研究的重點方向。

第二個研究方向是骨架專家系統，代表人物有美國斯坦福大學的愛德華?漢斯?肖特利夫（Shortliff EH）教授。1974年末，MYCIN系統基本建成后，MYCIN的設計者們就想到用其它領域的知識替換關于感染病學的知識，可能會得到一個新的專家系統，這種想法導致了EMYCIN骨架系統的產生。EMYCIN的出現大大縮短了專家系統的研制周期，隨后，AGE、OPS5、KEE、KBMS、GESDE等骨架系統應運而生，它們在20世紀90年代專家系統的研究進程中，發揮著重要作用。

第三個研究方向是故障診斷專家系統，代表人物有美國麻省理工學院的蘭德爾?戴維斯（Randall Davis）教授。他于1984年在《人工智能》雜志上發表了《基于結構和行為的診斷推理 》（《Diagnostic Reasoning Based on Structure and Behavior》）一文，該論文描述了一個利用知識結構和行為，在電子電路領域進行故障診斷排除的專家系統。之后，故障診斷專家系統在電路與數字電子設備、機電設備等各個領域已取得了令人矚目的成就，已成為當今世界研究的熱點之一。

第四個研究方向是基于規則的專家系統，布魯斯?布坎南（Bruce G.Buchanan）的著作對基于規則的專家系統在這個時期的發展仍有著積極的指導作用。多種基于規則的專家系統進入了試驗階段。傳統基于規則的專家系統只是簡單的聲明性知識，而目前，規則的形式開始向產生式規則轉變，并趨向于提供較完善的知識庫建立和管理功能。

第五個研究方向是知識工程在專家系統中的運用。代表人物是美國斯坦福大學的克蘭西教授（Clancy W J），他于1985年在《人工智能》雜志上發表了重要論文《啟發式分類》（《Heuristis classification》），啟發式分類即對未知領域情況的類的識別過程。它是人類思維解決問題的重要方法，在人工智能、專家系統中可常用啟發式設計計算機程序，模擬人類解決問題的思維活動。

第六個研究方向是機器學習在專家系統中的運用。代表人物是機器學習領域前輩、澳洲悉尼大學著名教授John Ross Quinlan。他于1986年在《機器學習》（《Mach.Learn》）雜志上發表《決策樹算法》（《Induction of Decision Trees》）一文，文中他詳細描述了決策樹算法的代表――ID3算法。之后，有大量學者圍繞該算法進行了廣泛的研究，并提出多種改進算法，由于決策樹的各類算法各有優缺點，在專家系統的實際應用中，必須根據數據類型的特點及數據集的大小，選擇合適的算法。

第七個研究方向是神經網絡專家系統，代表人物有人工智能專家Stephan I.Gallant和美國加利福尼業大學教授巴特?卡斯科（Bart Kosko）。Gallant于1988年在《ACM的通信》上發表了《連接主義專家系統》（《Connectionist expert systems》）一文，文中講述Gallant 設計了一個連接主義專家系統（Connectionist expert system），其知識庫是由一個神經網絡實現的（即神經網絡知識獲?。?，開創了神經網絡與專家系統相結合的先例。

第八個研究方向是遺傳算法在專家系統中的運用。代表人物是遺傳算法領域著名學者、美國伊利諾伊大學David Goldberg教授和人工智能專家L.Davis。1989年，Goldberg出版了專著《搜索、優化和機器學習中的遺傳算法》，該書系統總結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用；1991年，Davis編輯出版了《遺傳算法手冊》，書中包含了遺傳算法在科學計算、工程技術和社會經濟中的大量應用實例，該書為推廣和普及遺傳算法的應用起到了重要的指導作用。這些都推動了基于遺傳算法的專家系統的研發推廣。

第九個研究方向是決策支持系統在專家系統中的運用，代表人物是美國加利福尼亞大學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的管理支持系統》（《Decision support and expert systems:management support systems》）一書。20世紀80年代末90年代初，決策支持系統開始與專家系統相結合，形成智能決策支持系統，該系統充分做到了定性分析和定量分析的有機結合，將解決問題的范圍和能力提高到一個新的層次。

第十個研究方向是各種理論知識在專家系統中的綜合運用，代表人物是美國加利福尼業大學教授巴特?卡斯科（Bart Kosko）和美國伊利諾伊州研究所教授Abdul-Rahman K.H?？ㄋ箍疲↘osko）于1992年出版《神經網絡和模糊系統：一個擁有機器智能的動力系統方法》（《Neural networks and fuzzy systems:a dynamical systems approach to machine intelligence》）一書，這是第一本將神經網絡和模糊系統結合起來的讀本，也是神經網絡與模糊理論綜合應用于專家系統建設的經典著作；Abdul-Rahman K.H教授于1995年，在美國電氣和電子工程師協會的《電力系統及自動化》（《Transactions on Power Systems》）會議刊上發表了《人工智能模糊無功負荷的最優VAR控制方法 》（《AI approach to optimal VAR control with fuzzy reactive loads》）一文，論文提出了一個解決無功功率（VAR）控制問題，這個方法包含了專家系統、模糊集理論和人工神經網絡的重要知識。

雖然專家系統大量建造，但投入實際運行的專家系統并不多，且效率較低，問題求解能力有待進一步提高。原因之一就是專家系統主要是模擬某一領域中求解特定問題的專家的能力，而在模擬人類專家協作求解方面很少或幾乎沒有做什么工作。然而在現實世界中，協作求解具有普遍性，針對特定領域、特定問題的求解僅僅具有特殊性，專家系統雖然在模擬人類專家某一特定領域知識方面取得了成功，但它仍然不能或難以解決現實世界中的問題。其次，開發的專家系統的規模越來越大，并且十分復雜。這樣就要求將大型專家系統的開發變成若干小的、相對獨立的專家系統來開發，而且需要將許多不同領域的專家系統聯合起來進行協作求解。然而，與此相關的分布式人工智能理論和實用技術尚處在科研階段。只有分布式系統協作求解問題得以解決，才能克服由于單個專家系統知識的有限性和問題求解方法的單一性等導致系統的“脆弱性”，也才能提高系統的可靠性，并且在靈活性、并行性、速度等方面帶來明顯的效益［5］。

4 21世紀專家系統進入穩定發展時期

進入21世紀，專家系統開始緩慢發展，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，設置參數為（6，6，20）（5，5，20）（5，5，20），獲取了該時期論文的引文聚類圖（如圖4所示）。圖4 專家系統2000－2010年的論文引文聚類圖

這個時期專家系統有3個主要研究方向：第一個是研究方向是節點明顯的基于模糊邏輯的專家系統研究方向。90年代以來，模糊控制與專家系統技術相結合，進一步提高了模糊控制器的智能水平?；谀：壿嫷膶＜蚁到y有以下優點：一是具有專家水平的專門知識，能表現專家技能和高度的技巧以及有足夠的魯棒性（即健壯性）；二是能進行有效的推理，能夠運用人類專家的經驗和知識進行啟發性的搜索和試探性的推理；三是具有靈活性和透明性。

第二個是研究方向是Rete模式匹配算法在專家系統中的應用，代表人物是美國卡內基―梅隆大學計算機科學系的Charles L.Forgy教授，1979年，他首次提出Rete算法。專家系統工具中一個核心部分是推理機，Rete算法能利用推理機的“時間冗余”特性和規則結構的相似性，并通過保存中間運算結果的方法來提高推理的效率。1982年，他在《人工智能》雜志上發表《Rete算法：許多模式／多對象的模式匹配問題的一個快速算法》（《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，介紹了詳細的算法，描述了模式和適當的對象交涉算法，并說明了模式匹配的執行操作。

第三個是研究方向是專家系統在電力系統中的運用。世界各國的專家們開始熱衷于在電力生產的各個環節使用專家系統，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、希臘雅典國立技術大學的Protopapas C.A、和中國的羅旭，他們在美國電氣和電子工程師協會的《電力傳輸》（《IEEE transactions on power delivery）會議刊及《電源設備系統》會議刊（《On Power Apparatus and Systems》）上發表了多篇有影響力的論文，內容涉及系統恢復、電力需求預測、變電站故障診斷和報警處理等多方面。

這十年間，專家系統的研究不再滿足于用現有各種模型與專家系統進行簡單結合，形成基于某種模型的專家系統的固有模式。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的知識獲取瓶頸、匹配沖突、組合爆炸等問題，而這也推動了研究不斷向深層次、新方向發展。但是，由于專家系統應用的時間長、領域廣，他們遭遇的瓶頸問題一時得不到有效解決，導致了這一時期末，專家系統研究呈現出暫時的下滑現象。

5 專家系統發展趨勢分析

圖一發展曲線上第二個時間節點是1992年，從該年起專家系統相關論文呈下降趨勢，然后在2002年又開始緩慢增長，近一年多來又開始下降，這標志著專家系統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年為一個單位，統計了1990－2009年20年期間專家系統相關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時期專家系統研究的一些特點。

（1）在1990-1999年期間，人工智能出現新的研究，由于網絡技術特別是國際互連網技術發展，人工智能開始由單個智能主體研究轉向基于網絡環境下的分布式人工智能研究，使人工智能更加實用，這給專家系統帶來了發展的希望。正因為如此，我們從詞頻上可以看出，人工智能（artificial intelligence）一詞在這十年一直位居前兩位，在專家系統研究中處于主導地位，而與其相關的知識表示（knowledge representation）、知識獲取(knowledge acquisition)等，也成為了學者們研究的重點方向。

（2）該時期的第二個特點是神經網絡研究的復蘇。神經網絡是通過模擬人腦的結構和工作模式，使機器具有類似人類的智能，如機器學習、知識獲取、專家系統等。我們從詞頻上可以看出神經網絡（neural network）一詞得以快速增長，1995年時位列第一，進入21世紀也是穩居第二位，神經網絡很好地解決了專家系統中知識獲取的瓶頸問題，能使專家系統具有自學習能力，它的出現為專家系統提供了一種新的解決途徑［6］，同時也顯示出他獨有的生機與活力。

（3）該時期是模糊邏輯的發展時期。模糊理論發展至今已接近三十余年，應用范圍非常廣泛，它與專家系統相結合，在故障診斷、自然語言處理、自動翻譯、地震預測、工業設計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技術相結合，進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則的方法的價值和用模糊集處理帶來的靈活性，同時把專家系統技術的表達與利用知識的長處結合起來，能處理更廣泛的控制問題。

（4）故障診斷成為專家系統研究與應用的又一重要領域。故障診斷專家系統的發展起始于20世紀70年代末,雖然時間不長,但在電路與數字電子設備、機電設備等各個領域已取得了令人矚目的成就,已成為當今世界研究的熱點之一。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，足見其強大的生命力。在專家系統己有較深厚基礎的國家中，機械、電子設備的故障診斷專家系統已基本完成了研究和試驗的階段，開始進入廣泛應用。

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

6 小 結

專家系統是20世紀下半葉發展起來的重大技術之一，它不僅是高技術的標志，而且有著重大的經濟效益?！爸R工程之父”E.Feignbaum在對世界許多國家和地區的專家系統應用情況進行調查后指出：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］。

專家系統技術能夠使專家的專長不受時間和空間的限制，以便推廣稀缺的專家知識和經驗；同時，專家系統能促進各領域的發展，是各領域專家專業知識和經驗的總結和提煉。

專家系統發展的近期目標，是建造能用于代替人類高級腦力勞動的專家系統；遠期目標是探究人類智能和機器智能的基本原理，研究用自動機模擬人類的思維過程和智能行為，這幾乎涉及自然科學和社會科學的所有學科，遠遠超出了計算機科學的范疇。

隨著人工智能應用方法的日漸成熟，專家系統的應用領域也不斷擴大。有人類活動的地方，必將有智能技術包括專家系統的應用，專家系統將成為21世紀人類進行智能管理與決策的工具與助手。

參考文獻

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

［2］黃可鳴.專家系統二十年［J］.計算機科學，1986，（4）：26-37.

［3］路耀華.思維模擬與知識工程［M］.北京：清華大學出版社，1997．

［4］趙致琢.專家系統研究［J］.貴州大學學報：自然科學版，1990，（6）：40-48.

［5］鄒光宇.專家系統發展現狀及其應用前景［J］.電力勘測，1994，（3）：21-26.