农业专家系统论文范文
前言：我们精心挑选了数篇优质农业专家系统论文文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。
第1篇
关键词：专家系统；计算机应用
Abstract：ThispaperanalyzedtheapplicationsandopenquestionsofagriculturalexpertsysteminthenewcenturyinChina，finally，hadallexpectationofthedevelopmentprospectforthefutureagriculturalexpertsystem．
Keywords：expertsystem；computerapplication
我国加入了WTO，传统型农业面临巨大的挑战，因而必须依靠先进的科学技术，向信息化、现代化农业迈进。而信息技术的广泛应用，为农业的发展提供了技术支持。[4]农业信息技术是21世纪高新技术应用于农业的关键技术之一，近二十年来在世界各国得以迅速发展。农业专家系统是农业信息技术的一个重要组成部分，它是我国农业信息技术发展的突破口，对我国农业发展有着深远的影响。[5]
农业专家系统也可叫农业智能系统，是一个具有大量农业专门知识与经验的计算机系统它应用人工智能技术，依据一个或多个农业专家提供的特殊领域知识、经验进行推理和判断，模拟农业专家就某一复杂农业问题进行决策。目前国际上有近百个农业专家系统．广泛应用于作物生产管理、灌溉、施肥、品种选择、病虫害控制、温室管理、畜禽饲料配方、水土保持、食品加工、财务分析、农业机械选择等方面，有些系统已成为商品进入市场。[4]
1.农业专家系统的演变
国际上对农业专家系统的研究是从70年代末期开始的，当时仅用于诊断作物病虫害。如1978年美国伊利诺斯大学开发的大豆病虫害诊断专家系统Plant／DS。进入80年代以后，开发出了许多农业专家系统，如1982年美国伊利诺斯大学开发的玉米螟虫害预测专家系统Plant／OD，1983年日本千叶大学开发的MICCS-西红柿病虫害诊断专家系统，1986年美国农业部开发的COMAX／GOSSYM，Plant等开发的农业管理专家决策支持系统CALEX，Lemmon等开发了棉花生产管理专家系统，Zhu，XinX等开发的作物生产过程中的水分处理专家系统等。
国内于80年代初期开始研究农业专家系统。1980年浙江大学与中国农科院蚕桑所合作开始研究蚕育种专家系统，1983年中科院合肥智能研究所与安徽农科院合作开发的砂
礓黑土小麦施肥专家系统。近几年来，我国农业专家系统的研究更是蓬勃发展，
赵林峰，硕士研究生，湖南农业大学园艺园林学院.410128。
*熊兴耀，博士，教授，博士生导师，湖南农业大学园艺园林学院，410128，E-mail:xiongxingyao@
如基于规则和图形的苹果、梨病虫害及防治专家系统，多媒体玉米病虫害诊断专家系统，基于生长模型的小麦管理专家系统，水土保持专家系统的探索与试验等。[6]
2存在的问题
2．1农业专家系统自身存在的问题
2．1．1至今为止，在农业专家系统中，由专家整理出来的知识大多属于这个领域的浅层知识，形式上也主要是条件规则型知识。因为知识种类、数量可能很多，难于详细检验，待到专家系统具体使用这些知识时，机械死板的计算机程序就有可能推导出一些错误的结论。另外，由于专家系统并不具有真正的学习能力，结果导致系统的表现只能处理人类专家见过的各种情况，不能“随机应变”，人工智能面临严峻的考验。
2．1．2开发工具不完善,国外目前出现了许多专用的专家系统工具，开发某领域系统基本上是运用开发工具来实现的。我国农业专家系统的开发工具在应用国外较成熟的开发工具的同时，也自主研制了一些开发工具。但利用开发工具开发的专家系统已形成系列化，商品化水平很低。而且，目前国内开发的农业专家系统生成工具太都在处理文字描述的定性知识方面功能较强，而在处理用数学模型描述的定量知识方面很少涉及。[7]
2．1．3信息(知识)获取困难、存储方式落后。我国是农业大国，农业信息资源极其丰富，但农业信息网络和数据库的建设严重滞后，缺乏有序管理，使专家系统的知识来源比较单一。另外，我国已完成了农业普查、土壤普查、土地利用现状调查等基础性工作，取得了大量的属性数据图和形数据，这是农业专家系统的基础数据。但这些数据太多以纸为存储介质，不但信息的精度和数量受到限制，信息的更新也不方便，影响其时效性。[78]
2．2农业专家系统应用的外部环境中存在的问题
2．2．1农业专家系统的应用与开发脱节、适用对象狭窄。我国的一些农业专家系统只强调应用，缺乏进行二次开发所需的专家系统开发工具，使用者无法根据当地实际情况创建知识库和模型库，限制了专家系统的进一步应用。有些农业专家系统虽提供了开发工具，但缺少通用的模板和模型，要求使用者具有一定的计算机基础技术，缩小了专家系统的应用范围。而且一些农业专家系统追求所谓先进性，要求高档次的软硬件，也要求使用者有一定的计算机技术基础，很难在农业基层普及；另一些农业专家系统与领域知识结合不够，停留于科普性知识介绍，其先进性和实用性不高[9]。
2．2．2动态服务能力低，时效性差。农业生产中的多变因素复杂，受很多外界条件的影响，有许多结果事先是无法预测的，这就要求专家系统有适应动态变化的能力，而我国目前的农业专家系统多数是静态的，因此在农业专家系统开发过程中必须注意动态性建设[4,9]。
2.2.3缺少进一步延续开发的能力。一些农业专家系统只是为了一时的应用，而忽视了搭建好功能强、灵活性高的平台，缺少二次开发的接口。目前虽然有许多的开发工具，但通用性差，很难在农业基层普及，使那些具有普通计算机水平而又想开发所研究领域专家系统的人员无计可施，从而限制了专家系统的进一步开发与应用，因此，开发与应用并进，增强系统的实用性是非常必要的。
2．2．4网络化农业专家系统的开发数量不多。多数农业专家系统仅局限于某一区域，应用面窄，若要扩大应用范围，就得大力开发网络版专家系统，充分利用好网络，实现专家系统的网络化远程服务，这也是今后专家系统研制和应用的大势所趋[10]。
2．2．5推广问题。目前研制出的农业专家系统较多，但真正用于生产实际的不多，这说明我们重开发，轻系统推广，在推广上下的功夫不够。在目前情况下，每户的种、养殖的规模都很小．投资电脑、购买专家系统软件费用很高，投入产出比很低，要推广就得换思路。充分利用互联网，在各地网站设立专家系统咨询推广点，或许是不错的选择。同时，加强农业专家系统的实用培训，提高使用者的对专家系统的认识、计算机使用水平和科学生产的水平，也是推广中需要加强的措施之一。
2．2．6知识产权问题
在开发农业专家系统时，需要大量领域专家的智慧或者说采纳了许多领域专家的经验，如果专家系统作为产品要销售时，就存在商业盈利目的，就必然会产生知识产权的纠纷。现在农业专家系统的使用还不普遍，但是随着网络信息服务业的发展，各国都在重视网络环境下的知识产权立法问题。对此，农业专家系统的设计者在建造时，所采用的各种图文资料最好是具有自主知识产权的，或者购买别人的图文资料。农业专家系统中，无论是知识库中知识的抽取、规则的确定，还是推理机的设计，每一个环节都要符合科学的原则，相关数据、公式都要经实践检验，经试运行完善后才可正式使用。因此，在研制农业专家系统时，要有法律意识，研制者要对专家系统使用的后果负责[11]。
3农业专家系统研究的前景展望
3．1系统数据动态化。农作物生产系统是由生态系统、经济系统和技术系统在持定的空间和时间上(四维特性)组合而成的复杂大系统，它是一个多因素、多层次、多目标、关系纵横交叉的复合系统。这一系统的复杂性、动态性、模糊性和不可确定性是其它专家系统无法比拟的。由于农作物生产的这一特性就要求专家系统中的基础数据不但是海量的，而且必须是动态的。如知识库、数据库、模型库必须要不断有新的知识、新数据、新技术来更新扩充支撑，尽快解决农业生产中的实际问题。“3S”技术即地理信息系统(GeographicInformationSystem)、全球定位系统(GlobalPositioningSystem)以及遥感技术(RemoteSeniing)、为核心的包括多媒体技术、计算机技术和计算机网络技术，为专家系统的构建提供了巨大的技术支撑。因为“3S”技术的集成首先缓解了专家系统知识源和数据库的缺乏问题，提供了海量的基础数据，为专家系统基础数据库、知识库和模型库的建立提供了数据支持，使农作物生产管理立体化、空间化和实时化。其次，提供的数据不仅量大、全面、而且动态、可更新的，因而使知识库、数据库和模型库具有强大的生命力，这极大地丰富了农业专家系统有功能和使价值。
3．2系统功能集成化。农作物生产是一个多方面的综合体，影响因素繁多，时空差异和变异性大，生产稳定性和可控性差，随时可能遭受气候、气象、病虫害的侵袭，因此需要不同的相关的多个领域专家系统共同合作。将系统模拟、地理信息系统、全球定位系统、决策支持系统等技术相结合，这些集成技术可以更有效地研究气候变化对农业的影响、土地评价以及农业环境保护等问题。
3．3系统技术综合化。现有的专家系统在建模中多利用简单的数学回归模型，这种模型一般只考虑部分因素，而作物生产过程中需要解决的问题往往是多个因素的共同作用，因此建模时应考虑多因素的影响。目前，人工神经网络、模糊数学、随机模拟等多种技术的研究日趋成熟，将这些技术用于专家系统必然会增加其处理功能。尤其是在解决一些复杂问题时，人类专家有时很难准确表达自己的想法，或者很难找出其规律，利用这些技术可以帮助知识工程师解决问题。
3．4系统应用网络化。进一步提高农业专家系统的智能化和本土化程度，通过网络传送走向田间将成为一种趋势。网络技术无疑可以弥补我国农业的分散与闭塞弱势。光纤化和宽带化的国家网络建设，为农业专家系统应用网络化提供了良好的硬件条件。因此，未来农业专家系统在设计阶段首先要考虑网络化、数据共享问题。能够成功地在网上运行的系统才真正具有强大的生命力和实用性，符合农业生产与管理的要求[12,13]。
3．5系统面向多层次设计。专家系统服务的对象并不都在同一个层次上，文化程度存在较大的差异，不同对象要求获取信息的复杂程度不同，所操作的专家系统和输出的内容复杂程度也不相同，因此开发不同层次的专家系统(如面向灌溉管理专业人员、农村技术人员、农户的灌溉专家系统)也是需要考虑的一个问题[14]。
3．6系统开发市场化。我国已经成功加入WTO，因此农业专家系统的建造不应忽视国际市场的需求，开发既能满足我国需求也能适宜国际需求的农业专家系统是必要的[12,13]。
3．7创造良好的农业专家系统应用的外部环境。目前，我国农村计算机的普及(包括上网)虽然初显端倪，但由于资金、条件和培训对象文化程度等诸多因素的限制，推广和普及计算机依然存在着许多实际困难，与经济和社会发展的要求相差甚远，远远滞后于其他行业，与发达国家相比更显不足，从而也影响了农业专家系统的更进一步推广应用。为此，必须从计算机技术培训人手，传播和普及计算机技术，并进一步在现有的有线通信技术体系中，减少农村缺乏网络服务商的服务及农民文化素质低等重大障碍，改善农民的上网条件。另外，农业企业是我国农业生产的主力军之一，只有农业企业积极使用农业专家系统，大力推进电子商务，才能提供全球服务、提升企业形象、开拓潜在市场、增加企业利润，才能使企业信息化走向实务。由于农业生产具有生产周期长、成本高、风险大、收益低等特点，我国大部分企业分散经营，环境闭塞，信息不灵，传递不便，难以形成竞争优势。而在市场经济下，随着全球经济一体化的发展和我国加入WTO进程的加快，企业信息化能使人力、物力、财力以及内外部信息资源得以充分开发和利用，从而降低成本，提高经济效益，在激烈的竞争中找到自己生存与发展的空间，并最终使农业专家系统更好地为农业、农村、农民服务创造一个良好的外部环境[15]。
4结束语
农业专家系统在生产中有着广阔的应用前景。可以说，在农作物生产的各个环节中都可以用到专家系统。随着计算机应用的日益普及和各地建设信息高速公路设想的提出，建设农业专家系统将成为加快农业科技知识和农业信息传播的重要手段，成为促进农业快速发展的积极动力。鉴于农业专家系统在促进农业生产发展中的重大意义。可以预料，一个以农业专家系统为重要手段的智能化农业信息技术将在我国迅速发展，并将成为我国2l世纪农业现代化的重要内容。
参考文献：
[1]（美）JosephC.Giarratano，GaryD.Riley印鉴，等（译）.机械工业出版社.
[2]熊范纶．农业专家系统及开发工具．清华大学出版社，1999，4-27
[3]熊范纶．人工智能与计算机在农业现代化中的应用．农业现代化研究所，1992．13(2)：123-126
[4]吴玺，谭宏，夏建国，邓建良。试论我国农业专家系统的应用及发展。计算机与农业，2000，（8），1-4
[5]李军，邹志荣，程瑞锋，白福萍.农业专家系统及其在园艺业中的研究与应用.陕西农业科学,2002(11),22-24.
[6]柴萍，张保军，汪志农.农业专家系统在小麦栽培管理中的应用,水土保持研究,2002.(2)
[7]高明亮，王雪珍，吴顺章.农业专家系统存在的问题与对策.洛阳农业高等专科学校学报,2001.21(2):88-90
[8]刘莉，宣洋，李绍稳，房文娟.农业专家系统在作物病虫害预防中的应用.计算机与农业,2003.（5）:11-14
[9]张文龙，周静，戴保威.农业专家系统研究进展.种子,2004.23（10）:
[10]马文杰，贺立源.专家系统在我国农业中的应用进展.山地农业生物学报,2005.24(4):343-346
[11]杨国强，王双喜，杜伟.我国农业专家系统的研究进展.山西农业大学学报,2004.93):303-306
[12]周贤君，邹冬生.农业专家系统在作物栽培中的应用.农业网络信息,2004.11,12-15
[13]黄贵平,杨林,任明见,张庆勤.专家系统及其在农业上的应用.种子,2003.(1),54-57
第2篇
生长环境的好坏决定着农产品的质量，植物的健康成长更是与其环境息息相关。除此之外，自然因素对植物的生长有着决定性的作用，最主要的则表现在：光线的强度及阳光照射时间的长短、土壤环境、二氧化碳浓度、水分的控制等等，这些都共同决定了植物的生长状况。现代科学技术还可以在一定程度上改变植物的生长环境，通过改变其土壤中的养分及空气中二氧化碳的浓度，来对植物的正常生长环境进行合理的控制，通过这种方法可以在某种程度上提高果实的结果率，再利用现代化生物技术等来提高农产品质量，从而为企业迎来更好的发展。
2物联网技术的实施方案
2.1传感器单元物联网技术农业专家系统想要获得更好的应用效果，在传感器方面，需要做到对症有效。
2.1.1气体温度传感器在国外的先进国家这种传感器技术已相对纯熟。我国主要采用瑞士公司推出的单片数字温湿度传感器，来对空气温度进行传感探究。这种高端传感产品具有可靠性和稳定性等特点，可以在一定程度上大幅降低了获取数据的难度，并有效增强了其抗干扰能力，做到低能耗、高灵敏、高性价比等特点。在实际的农业栽培培养技术中，可以利用这种气体温湿度传感器来更加准确的获取环境信息，并为以后的农作物生长提供相应的材料资源。
2.1.2土壤水分温度传感器该传感器主要利用时域反射原理进行设计，并通过将其埋藏在土壤的方法，更好地检测土壤中水分的分布情况。土壤水分温度传感器可以与采集器结合使用，利用这2种现代科技可以对土壤中各种理化性状、气温变化及人为水分管理进行合理化监测。除此之外，这种传感器可适用于各种土壤环境，并对其土壤水分情况进行精确的判断，并将数据及时上传到数据库中，以便人们对其合理控制。
2.1.3光照传感器这种传感器的主要特点在于，其体型较小、使用时间长、密封性好、精准性高、可控效果好，可以更好地抵御因自然环境造成的干扰，从而对现代温室环境进行合理监测。
2.2数据采集单元
2.2.1无线传感器采集器通过传输数据的方式将采集器所采集到的信息及时传送到管理系统当中，使人们可以在第一时间对农作物生长情况做出准确的监测及处理。采集器主要包括数据采集和传输2方面，其特点则表现在安装简便、使用成本低等。对采集器的电路本身而言，其主要包括信息处理电路、复位电路、A/D/D/A转换器、晶振电路、显示电路等等。
2.2.2多通道无线数据采集器这种多通道数据采集器可以采集多种信号，而信号则主要表现在物理模拟信号和数字信号2种。通过这种采集方式可以有效解决传统的人力、物力和资源等问题，除此之外，还具有防水、防晒、安全采集、防雷击等优点。物联网农业专家系统可以实现在数据上的多种显示技术，在数据采集、打印、存储等方面更是具有突出的特点。
3结论
第3篇
〔关键词〕知识图谱；专家系统；发展轨迹
DOI：10．3969／j．issn．1008－0821．2012．02．040
〔中图分类号〕G250.71 〔文献标识码〕A 〔文章编号〕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
专家系统作为人工智能的一个重要分支，发展已经超过50年，在很多应用领域都获得了广泛使用，取得了丰硕成果。本文运用文献计量这一独特视角对专家系统进行了再回顾和再分析，将智能科技划分为初创期、成长期、低谷期、发展期，利用词频分析、共引分析、作者共现分析等方法揭示专家系统的学科结构、影响程度、关键节点与时间点等重要而独特的知识，为了解和掌握专家系统的发展与演化过程提供了独特视角。
1 数据来源
SCI（Science Citation Index）是美国科学情报研究所ISI（Institute for Science Information）出版的期刊文献检索工具，所收录的文献覆盖了全世界最重要和最有影响力的研究成果，成为世界公认的自然科学领域最为重要的评价工具。本文以Web of Science中的SCI数据库为数据来源，选用高级检索方式，以“Expert System/Experts System”作为主题词，于2011年5月在Web of Secience中进行检索，一共检索到14 500篇相关文献记录。获得的年度分布如图1。所示。虽然，专家系统研究从20世纪五六十年代就开始了，但是从图1可以看出直到1982年才有主题词与专家系统相关的论文出现。图1表明1991年左右，专家系统相关论文达到了峰值，但随后呈逐年下降的趋势。到1999年，只有494篇。但21世纪开始，专家系统相关论文又出现了增加的趋势，并维持在一个稳定的水平中。图1 专家系统在SCI数据库文献发表年度变化情况
2012年2月第32卷第2期基于知识图谱的专家系统发展综述Feb.，2012Vol.32 No.22 专家系统前40年的发展
本文利用基于JAVA平台的引文分析可视化软件Citespace，首先设定时间跨度为1950-1991年，时间切片长度为1年，聚类方式为共被引聚类（Cited Reference），阈值选择为（2，2，20）、（3，3，20）、（3，3，20）。Citespace得出这些引文的时间跨度为1950－1990年，可以绘制出该时间段的专家系统论文时区分布图，如图2所示。我们以年代先后为序，将20世纪80年代以前作为第一阶段，80年代至90年代作为第二阶段。图2 1950-1991年各年度专家系统论文之间的时区分布图
2.1 专家系统起源时期
根据图2显示，这段时期有7个突出节点，既有7位代表人物。第一个节点代表的是“人工智能之父”――英国著名科学家阿兰・麦席森・图灵（Alan Mathison Turing），他于1950年在《心灵》杂志上《计算机器与智能》，提出了著名的“图灵测试”，探讨了机器智能的可能性，为后来的人工智能科学提供了开创性的构思［1］。
第二个节点代表的是美国工程院院士、加州大学扎德（LA.Zadeh）教授，他于1965年在《信息与控制》杂志第8期上发表题为《模糊集》的论文，提出模糊集合理论，给出了模糊性现象定量描述和分析运算的方法，从而诞生了模糊数学。1978年，扎德教授提出了“可能性理论”，将不确定性理解为可能性，为模糊集理论建立了一个实际应用上的理论框架，这也被认为是模糊数学发展的第二个里程碑。同年，国际性期刊《International Journal of Fuzzy Sets and System》诞生，这使得模糊理论得到普遍承认，理论研究高速发展，实际应用迅速推广。
第三个节点代表的美国两院院士、卡内基-梅隆大学教授艾伦・纽厄尔（Allen Newell），1972年，他出版了《人怎样解题》（Human Problem Solving)一书，书中描述了他和西蒙试图建立一个计算机化的“通用问题求解器”的历程：20世纪50年代，他们发现，人类的问题解决，在一定知识领域内可以通过计算机实现，所以他们开始用计算机编程来解决问题，1956年，他们研发出了逻辑理论家和通用问题求解器（General Problem Solver），并建立了符号主义人工智能学派。我们可以看出，这本书是对他以前所作工作的总结与归纳，而逻辑理论家和通用问题求解器正是专家系统的雏形，为专家系统的出现奠定了坚实的基础。
但是艾伦・纽厄尔的尝试无法解决大的实际问题，也很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大搜索空间也难于处理。为此，美国国家工程院院士、斯坦福大学教授费根鲍姆（E.A.Feigenbaum）等人在总结通用问题求解系统成功与失败的经验基础上，结合化学领域的专门知识，于1965年研制了世界上第一个专家系统dendral，可以推断化学分子结构。专家系统进入了初创期，其代表有dendral、macsyma（数学专家系统）等，第一代专家系统以高度专业化、求解专门问题的能力强为特点，向人们展示了人工智能应用的广阔前景［2］。
第四个节点代表人物是美国麻省理工学院著名的人工智能学者明斯基（Minsky）。1975年，他在论文《表示知识的框架》(A Framework for Representating Knowledge，McGraw-Hill)中提出了框架理论，框架理论的核心是以框架这种形式来表示知识。理论提出后，在人工智能界引起了极大的反响，并成为了基于框架的专家系统的理论基础，基于框架的专家系统适合于具有固定格式的事物、动作或事件。
第五个节点代表人物是美国普林斯顿大学教授格伦谢弗（Glenn Shafer），他在1976年出版了《数学理论的证据》（A mathematical theory of evidence）一书，介绍了由他和Dempster于1967年提出的D-S理论（即证据理论）。证据理论可处理由不知道因素引起的不确定性，后来，该理论被广泛应用于计算机科学和工程应用，是基于D-S证据理论的专家系统的理论基础。
第六个重要节点代表是美国斯坦福大学爱德华・汉斯・肖特利夫（Shortliff EH）教授，他于1975年在著名杂志《数学生物科学》上发表《A model of inexact reasoning in medicine》（《在医学模型的不精确推理》）一文，他结合自己1972－1974年研制的世界第一个医学专家系统――MYCIN系统（用于诊断和治疗血液感染及脑炎感染，是第二代专家系统的经典之作），提出了确定性理论，该理论对专家系统的发展产生了重大影响。
第七个节点代表人物是美国麻省理工学院计算机科学和人工智能实验室的戴维斯（Randall Davis）教授，他于1976年提出元知识的概念，并在专家系统的研制工具开发方面做出了突出贡献――研制出知识获取工具Teiresias，为专家系统获取知识实现过程中知识库的修改和添加提供了工具［3］，关Teiresias，他于1977年在《Artificial Intelligence》杂志上中进行了详细介绍，而这也为本时期专家系统的快速增多和广泛应用奠定了坚实基础。
20世纪70年代后期，随着专家系统应用领域的不断开拓，专家系统研发技术逐渐走向成熟。但同时，专家系统本身存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一等问题也被逐渐暴露出来。人们从各种不同类型的专家系统和知识处理系统中抽取共性，人工智能又从具体研究逐渐回到一般研究。围绕知识这一核心问题，人们重新对人工智能的原理和方法进行探索，并在知识的获取、表示以及知识在推理过程中的利用等方面开始出现一组新的原理、工具和技术。
2.2 专家系统发展的黄金时期
20世纪80年代是专家系统突飞猛进、迅速发展的黄金时代，根据图2显示，这段时期共有论文982篇，有7个突出节点。
1980年，出现了第一个节点代表――美国斯坦福大学计算机科学系系主任尼尔森（NILS J.NILSSON），他出版的《人工智能原理》（《Principles of artificial intelligence》）一书，表明了拉近理论和实践的距离的目标，书中对基于规则的专家系统、机器问题解决系统以及结构对象的代表等都进行了具体的论述。
1981年，出现了第二个节点代表――英国赫特福德大学教授Clocksin，威廉F，他出版的《PROLOG语言编程》一书，引起了计算机科学界的极大兴趣，并已被证明是一个重要的编程语言和人工智能系统的新一代基础，是专家系统的重要编程语言。
1982年，出现了第三个节点代表――美国匹兹堡大学教授米勒（Miller RA），他在《英格兰医药分册》上发表了《基于计算机的医学内科实验诊断顾问》（An Experimental Computer based Diagnostic Consultant for General Internal Medicine.N Engl J Med,307,468-76,1982）一文，属当时诊断专家系统的代表力作，书中介绍了著名的内科疾病诊断咨询系统INTERNIST-1，之后将其不断完善成改进型INTERNIST-2，即后来的CADUCEUS专家系统，其知识库中包含了572种疾病，约4 500种症状。
1983年，出现了第四个节点代表――美国的海斯罗斯（Hayes-Roth，F）教授，他于1983年发表著作《建立专家系统》，对专家系统建立的原则和要素、开发的生命周期等重要问题进行了详细讲解，为研究与开发各种类型的专家系统提供了理论依据。
1984年，出现了第五个节点代表――美国匹兹堡大学计算机科学、哲学和医学教授布鲁斯・布坎南（Bruce G.Buchanan），他于1984年发表著作《规则的专家系统：斯坦福启发式编程项目Mycin实验》（《Rule Based Expert Systems:The Mycin Experiments of the Stanford Heuristic Programming Project》，这是有史以来关于医疗诊断系统MYCIN的实验规则库公布。基于规则的专家系统MYCIN是专家系统开发过程中一个里程碑，研究其开发思路与方法具有非常重要的意义。
1985年，出现了第六个节点代表――美国人工智能专家、加州大学教授哈蒙（Harmon P），他出版了《专家系统：人工智能业务》（《Expert systems：artificial intelligence in business》）一书。书中阐述了专家系统如何解决问题，代表知识，并得出推论，并介绍了人工智能的具体制度，确定了专家系统的市场。
1986年，出现了第七个节点代表――著名的专家系统学者沃特曼（Waterman DA），他出版了《专家系统指南》一书，该书对专家系统的概念、组成、建立过程、建立工具、应用领域等做了深入浅出的系统介绍与论述，是当时全面介绍专家研发与应用的经典书籍。
20世纪80年代初，医疗专家系统占主流，主要原因是它属于诊断类型系统且容易开发。80年代中期，出现大量投入商业化运行的专家系统，为各行业带来了显著的经济效益。从80年代后期开始，大量新技术成功运用到专家系统之中，使得专家系统得到更广泛的运用。在这期间开发的专家系统按处理问题的类型可以分为：解释型、预测型、诊断型、设计型等。应用领域扩展到农业、商业、化学、通信、医学等多个方面，成为人们常用的解决问题的手段之一。
然而，与此同时，现有的专家系统也暴露出了自身严重的缺陷，使不少计算机界的知名学者对专家系统产生了怀疑，认为专家系统存在的问题有以下几点：（1）专家系统中的知识多限于经验知识，极少有原理性的知识，系统没有应用它们的能力；（2）知识获取功能非常弱。为了建造专家系统，必须依赖于专家获取知识， 不仅费时， 而且很难获取完备性和一致性的知识；（3）求解问题的方法比较单一，以推理机为核心的对问题的求解尚不能反映专家从认识问题到解决问题的创造性过程；（4）解释功能不强［4］。等到学者们回过头重新审视时，20世纪90年代的专家系统理论危机已然爆发。
3 90年代专家系统向多个方向发展
由于20世纪80年代专家系统研究迅猛发展，商业价值被各行各业看好，导致90年代大批专家系统从实验室走出来，开始了它们的工程化市场化进程。从图1看以看出，在20世纪90年代，专家系统的相关论文不增反减，进入一个局部低谷期，这期间以“Expert System/Experts System”为主题词的论文共7 547篇。本文利用Citespace软件，设置参数为（4，4，20）（4，3，20）（4，4，20），获取了该时期论文的引文聚类图（如图3所示）。图2 专家系统1990－2000年的论文引文聚类图
从图3中我们可以看出，全图的节点比较分散，没有形成大的聚类，这表示该阶段没有形成重点研究方向，也没有重大科研成果和标志性著作产生，专家系统的市场化进程严重牵引了研究者们的注意力，这是专家系统研究陷入低谷期的重要原因。
这段时间专家系统的研究工作大致分以下几个方面：第一个研究方向依旧是建立在扎德（LA.Zadeh）教授模糊理论上的模糊专家系统，它同样是该年代专家系统研究的重点方向。
第二个研究方向是骨架专家系统，代表人物有美国斯坦福大学的爱德华・汉斯・肖特利夫（Shortliff EH）教授。1974年末，MYCIN系统基本建成后，MYCIN的设计者们就想到用其它领域的知识替换关于感染病学的知识，可能会得到一个新的专家系统，这种想法导致了EMYCIN骨架系统的产生。EMYCIN的出现大大缩短了专家系统的研制周期，随后，AGE、OPS5、KEE、KBMS、GESDE等骨架系统应运而生，它们在20世纪90年代专家系统的研究进程中，发挥着重要作用。
第三个研究方向是故障诊断专家系统，代表人物有美国麻省理工学院的兰德尔・戴维斯（Randall Davis）教授。他于1984年在《人工智能》杂志上发表了《基于结构和行为的诊断推理 》（《Diagnostic Reasoning Based on Structure and Behavior》）一文，该论文描述了一个利用知识结构和行为，在电子电路领域进行故障诊断排除的专家系统。之后，故障诊断专家系统在电路与数字电子设备、机电设备等各个领域已取得了令人瞩目的成就，已成为当今世界研究的热点之一。
第四个研究方向是基于规则的专家系统，布鲁斯・布坎南（Bruce G.Buchanan）的著作对基于规则的专家系统在这个时期的发展仍有着积极的指导作用。多种基于规则的专家系统进入了试验阶段。传统基于规则的专家系统只是简单的声明性知识，而目前，规则的形式开始向产生式规则转变，并趋向于提供较完善的知识库建立和管理功能。
第五个研究方向是知识工程在专家系统中的运用。代表人物是美国斯坦福大学的克兰西教授（Clancy W J），他于1985年在《人工智能》杂志上发表了重要论文《启发式分类》（《Heuristis classification》），启发式分类即对未知领域情况的类的识别过程。它是人类思维解决问题的重要方法，在人工智能、专家系统中可常用启发式设计计算机程序，模拟人类解决问题的思维活动。
第六个研究方向是机器学习在专家系统中的运用。代表人物是机器学习领域前辈、澳洲悉尼大学著名教授John Ross Quinlan。他于1986年在《机器学习》（《Mach.Learn》）杂志上发表《决策树算法》（《Induction of Decision Trees》）一文，文中他详细描述了决策树算法的代表――ID3算法。之后，有大量学者围绕该算法进行了广泛的研究，并提出多种改进算法，由于决策树的各类算法各有优缺点，在专家系统的实际应用中，必须根据数据类型的特点及数据集的大小，选择合适的算法。
第七个研究方向是神经网络专家系统，代表人物有人工智能专家Stephan I.Gallant和美国加利福尼业大学教授巴特・卡斯科（Bart Kosko）。Gallant于1988年在《ACM的通信》上发表了《连接主义专家系统》（《Connectionist expert systems》）一文，文中讲述Gallant 设计了一个连接主义专家系统（Connectionist expert system），其知识库是由一个神经网络实现的（即神经网络知识获取），开创了神经网络与专家系统相结合的先例。
第八个研究方向是遗传算法在专家系统中的运用。代表人物是遗传算法领域著名学者、美国伊利诺伊大学David Goldberg教授和人工智能专家L.Davis。1989年，Goldberg出版了专著《搜索、优化和机器学习中的遗传算法》，该书系统总结了遗传算法的主要研究成果，全面而完整地论述了遗传算法的基本原理及其应用；1991年，Davis编辑出版了《遗传算法手册》，书中包含了遗传算法在科学计算、工程技术和社会经济中的大量应用实例，该书为推广和普及遗传算法的应用起到了重要的指导作用。这些都推动了基于遗传算法的专家系统的研发推广。
第九个研究方向是决策支持系统在专家系统中的运用，代表人物是美国加利福尼亚大学伯克利分校教授埃弗雷姆・特班（Efraim Turban）。他于1990年出版了《决策支持和专家系统的管理支持系统》（《Decision support and expert systems:management support systems》）一书。20世纪80年代末90年代初，决策支持系统开始与专家系统相结合，形成智能决策支持系统，该系统充分做到了定性分析和定量分析的有机结合，将解决问题的范围和能力提高到一个新的层次。
第十个研究方向是各种理论知识在专家系统中的综合运用，代表人物是美国加利福尼业大学教授巴特・卡斯科（Bart Kosko）和美国伊利诺伊州研究所教授Abdul-Rahman K.H。卡斯科（Kosko）于1992年出版《神经网络和模糊系统：一个拥有机器智能的动力系统方法》（《Neural networks and fuzzy systems:a dynamical systems approach to machine intelligence》）一书，这是第一本将神经网络和模糊系统结合起来的读本，也是神经网络与模糊理论综合应用于专家系统建设的经典著作；Abdul-Rahman K.H教授于1995年，在美国电气和电子工程师协会的《电力系统及自动化》（《Transactions on Power Systems》）会议刊上发表了《人工智能模糊无功负荷的最优VAR控制方法 》（《AI approach to optimal VAR control with fuzzy reactive loads》）一文，论文提出了一个解决无功功率（VAR）控制问题，这个方法包含了专家系统、模糊集理论和人工神经网络的重要知识。
虽然专家系统大量建造，但投入实际运行的专家系统并不多，且效率较低，问题求解能力有待进一步提高。原因之一就是专家系统主要是模拟某一领域中求解特定问题的专家的能力，而在模拟人类专家协作求解方面很少或几乎没有做什么工作。然而在现实世界中，协作求解具有普遍性，针对特定领域、特定问题的求解仅仅具有特殊性，专家系统虽然在模拟人类专家某一特定领域知识方面取得了成功，但它仍然不能或难以解决现实世界中的问题。其次，开发的专家系统的规模越来越大，并且十分复杂。这样就要求将大型专家系统的开发变成若干小的、相对独立的专家系统来开发，而且需要将许多不同领域的专家系统联合起来进行协作求解。然而，与此相关的分布式人工智能理论和实用技术尚处在科研阶段。只有分布式系统协作求解问题得以解决，才能克服由于单个专家系统知识的有限性和问题求解方法的单一性等导致系统的“脆弱性”，也才能提高系统的可靠性，并且在灵活性、并行性、速度等方面带来明显的效益［5］。
4 21世纪专家系统进入稳定发展时期
进入21世纪，专家系统开始缓慢发展，这期间以“Expert System/Experts System”为主题词的论文共5 964篇。本文利用Citespace软件，设置参数为（6，6，20）（5，5，20）（5，5，20），获取了该时期论文的引文聚类图（如图4所示）。图4 专家系统2000－2010年的论文引文聚类图
这个时期专家系统有3个主要研究方向：第一个是研究方向是节点明显的基于模糊逻辑的专家系统研究方向。90年代以来，模糊控制与专家系统技术相结合，进一步提高了模糊控制器的智能水平。基于模糊逻辑的专家系统有以下优点：一是具有专家水平的专门知识，能表现专家技能和高度的技巧以及有足够的鲁棒性（即健壮性）；二是能进行有效的推理，能够运用人类专家的经验和知识进行启发性的搜索和试探性的推理；三是具有灵活性和透明性。
第二个是研究方向是Rete模式匹配算法在专家系统中的应用，代表人物是美国卡内基―梅隆大学计算机科学系的Charles L.Forgy教授，1979年，他首次提出Rete算法。专家系统工具中一个核心部分是推理机，Rete算法能利用推理机的“时间冗余”特性和规则结构的相似性，并通过保存中间运算结果的方法来提高推理的效率。1982年，他在《人工智能》杂志上发表《Rete算法：许多模式／多对象的模式匹配问题的一个快速算法》（《Rete:A Fast Algorithm for the Many Pattern/Many Object Pattern Match Problem》）一文，该文解释了基本算法的概念，介绍了详细的算法，描述了模式和适当的对象交涉算法，并说明了模式匹配的执行操作。
第三个是研究方向是专家系统在电力系统中的运用。世界各国的专家们开始热衷于在电力生产的各个环节使用专家系统，代表人物有日本的福井贤、T.Sakaguchi、印度的Srinivasan D、美国伊利诺伊州研究所的Abdul-Rahman K.H、希腊雅典国立技术大学的Protopapas C.A、和中国的罗旭，他们在美国电气和电子工程师协会的《电力传输》（《IEEE transactions on power delivery）会议刊及《电源设备系统》会议刊（《On Power Apparatus and Systems》）上发表了多篇有影响力的论文，内容涉及系统恢复、电力需求预测、变电站故障诊断和报警处理等多方面。
这十年间，专家系统的研究不再满足于用现有各种模型与专家系统进行简单结合，形成基于某种模型的专家系统的固有模式。研究者们不断探索更方便、更有效的方法，来解决困扰专家系统的知识获取瓶颈、匹配冲突、组合爆炸等问题，而这也推动了研究不断向深层次、新方向发展。但是，由于专家系统应用的时间长、领域广，他们遭遇的瓶颈问题一时得不到有效解决，导致了这一时期末，专家系统研究呈现出暂时的下滑现象。
5 专家系统发展趋势分析
图一发展曲线上第二个时间节点是1992年，从该年起专家系统相关论文呈下降趋势，然后在2002年又开始缓慢增长，近一年多来又开始下降，这标志着专家系统研究在布满荆棘的道路上前行，前景是光明的，但道路是曲折的。本文以5年为一个单位，统计了1990－2009年20年期间专家系统相关论文中高频词的变化情况，如表1所示，从该表可以获得这个时期专家系统研究的一些特点。
（1）在1990-1999年期间，人工智能出现新的研究，由于网络技术特别是国际互连网技术发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究，使人工智能更加实用，这给专家系统带来了发展的希望。正因为如此，我们从词频上可以看出，人工智能（artificial intelligence）一词在这十年一直位居前两位，在专家系统研究中处于主导地位，而与其相关的知识表示（knowledge representation）、知识获取(knowledge acquisition)等，也成为了学者们研究的重点方向。
（2）该时期的第二个特点是神经网络研究的复苏。神经网络是通过模拟人脑的结构和工作模式，使机器具有类似人类的智能，如机器学习、知识获取、专家系统等。我们从词频上可以看出神经网络（neural network）一词得以快速增长，1995年时位列第一，进入21世纪也是稳居第二位，神经网络很好地解决了专家系统中知识获取的瓶颈问题，能使专家系统具有自学习能力，它的出现为专家系统提供了一种新的解决途径［6］，同时也显示出他独有的生机与活力。
（3）该时期是模糊逻辑的发展时期。模糊理论发展至今已接近三十余年，应用范围非常广泛，它与专家系统相结合，在故障诊断、自然语言处理、自动翻译、地震预测、工业设计等方面取得了众多成果。我们从词频上可以看出，模糊逻辑（fuzzy logic）一词，除在1990－1994年期间位居第六位外，之后都位居前三甲，2000-2004年期间更是位列第一。模糊控制与专家系统技术相结合，进一步提高了模糊控制器智能水平，这种控制方法既保持了基于规则的方法的价值和用模糊集处理带来的灵活性，同时把专家系统技术的表达与利用知识的长处结合起来，能处理更广泛的控制问题。
（4）故障诊断成为专家系统研究与应用的又一重要领域。故障诊断专家系统的发展起始于20世纪70年代末,虽然时间不长,但在电路与数字电子设备、机电设备等各个领域已取得了令人瞩目的成就,已成为当今世界研究的热点之一。这从高频词分布可以开出，故障诊断（fault diagnosis）从1995-1999年间的最后一位攀升至2005-2009年间的第一位，足见其强大的生命力。在专家系统己有较深厚基础的国家中，机械、电子设备的故障诊断专家系统已基本完成了研究和试验的阶段，开始进入广泛应用。
（5）遗传算法的应用逐渐增多。20世纪90年代，遗传算法迎来了发展时期，无论是理论研究还是应用研究都成了十分热门的课题。尤其是遗传算法的应用研究显得格外活跃，不但应用领域扩大，而且利用遗传算法进行优化和规则学习的能力也显著提高。进入21世纪，遗传算法的应用研究已从初期的组合优化求解扩展到了许多更新、更工程化的应用方面。这在高频词分布中可以看出，以2000作为临界点，遗传算法（genetic algorithms）从20世纪90年代的10名之后，到位于高频词前六强之中，充分反映出它发展的良好势头。
6 小 结
专家系统是20世纪下半叶发展起来的重大技术之一，它不仅是高技术的标志，而且有着重大的经济效益。“知识工程之父”E.Feignbaum在对世界许多国家和地区的专家系统应用情况进行调查后指出：几乎所有的ES都至少将人的工作效率提高10倍，有的能提高100倍，甚至300倍［7］。
专家系统技术能够使专家的专长不受时间和空间的限制，以便推广稀缺的专家知识和经验；同时，专家系统能促进各领域的发展，是各领域专家专业知识和经验的总结和提炼。
专家系统发展的近期目标，是建造能用于代替人类高级脑力劳动的专家系统；远期目标是探究人类智能和机器智能的基本原理，研究用自动机模拟人类的思维过程和智能行为，这几乎涉及自然科学和社会科学的所有学科，远远超出了计算机科学的范畴。
随着人工智能应用方法的日渐成熟，专家系统的应用领域也不断扩大。有人类活动的地方，必将有智能技术包括专家系统的应用，专家系统将成为21世纪人类进行智能管理与决策的工具与助手。
参考文献
［1］百度百科［EB］.http:∥baike.省略/view/2130.htm．
［2］黄可鸣.专家系统二十年［J］.计算机科学，1986，（4）：26-37.
［3］路耀华.思维模拟与知识工程［M］.北京：清华大学出版社，1997．
［4］赵致琢.专家系统研究［J］.贵州大学学报：自然科学版，1990，（6）：40-48.
［5］邹光宇.专家系统发展现状及其应用前景［J］.电力勘测，1994，（3）：21-26.
