补充资料：控制策略

控制策略
control strategy

知识库的知识在一定的推理策略控制下求解当前问题的方法。用于专家系统的推理方法很多，如归纳方法、非单调推理方法等(参见自动推理)，但在专家系统中较常用的是基于规则系统的推理方法。这类方法又可分为正向推理、反向推理和双向推理。 正向推理由原始数据出发向结论方向的推理，即所谓事实驱动方式。其推理过程为:系统根据用户提供的原始信息，在知识库中寻找能与之匹配的规则。若找到，则将该知识块的结论部分作为中间结果，利用这个中间结果继续与知识库中的规则匹配，直到得出最终结论。 单纯的正向推理简单、易实现，但目的性不强，需用启发式知识控制中间结论的选取。另外，由于不能反推，系统的解释功能要受到影响。 反向推理先提出假设，然后由此出发，进一步寻找支持假设的证据，即所谓目标驱动方式。当所需的证据与用户提供的原始信息匹配时，推理成功。 显然，反向推理在选择目标时容易有盲目性。因此，反向推理比较适合结论单一或直接提出结论要求证实的系统。 双向推理又称正反向混合推理。先根据原始数据通过正向推理帮助提出假设，再用反向推理进一步寻找支持假设的证据，反复这个过程，直到获得满意的结论。 双向推理集中了正向和反向推理的优点，但其控制策略较前两者复杂。 搜索策略是专家系统在求解过程中不能明确知道求解的路径，为寻找正确的解，需要对求解空间进行搜索时所采用的方法。用于专家系统的搜索方法很多，如深度优先、广度优先、启发式搜索等方法(参见启发式搜索)。搜索方法选择是十分重要的，它决定了推理的效率。一般搜索方法可根据求解问题的性质来选用。有时求解空间太大，首先可选用解空 间分解、解空间求精等方法，在解空间可分解为若干独立子空间时，通过搜索各个较小子空间来取得最 终的解;在解空间不能分解为独立子空间时，采用抽 取解空间的重要特性来形成一个高度简化的解空 间，然后逐步把高度简化的解空间的每一部分细化 下去，细化到采用常规搜索方法能求出满意的解为 止。 理论上，根据推理的收敛快慢程度，把搜索策略 分为4种类型: (l)完全非聚焦型依靠对全部可能性穷举搜 索，没有启发性知识。(2)相对非聚焦型有一定的启发性知识，推理过程不能完全控制，试探性较强。 (3)相对聚焦型有较强的启发性知识，推理过程能完好地控制，试探性较弱。 (4)完全聚焦型推理路径明确，无任何试探性，一步一步按路径推理。 当前，专家系统采用相对聚焦型推理较多。kongZh一Celue控制策略(con加15如t哪罗)专家系统中推理机所用的推理和搜索策略。它们的选取很大程度上是依赖于知识表示的方法。推理方法是推理机利用

说明：补充资料仅用于学习参考，请勿用于其它任何用途。