智能环境下分布式Rete算法

针对智能环境中基于Rete的规则推理引擎需要将数据集中到sink节点,导致传感器网络中数据传输量过大的问题,建立了Rete网络代价模型,并提出了最小传输代价的Rete分布的算法（MCoRDS）。该算法通过统计Rete网络中子模式对事实数据的依赖,发现大部分子模式在对应事实数据采集Sensor附近便具备了计算推理条件,故将Rete网络中的子模式规则分布到最早汇集其所需所有事实数据的Sensor中,即可避免事实数据进一步往sink节点的传输,从而大量减少传感器网络中的数据传输量。对比将Rete网络放置在sink节点的集中式推理进行了4组仿真实验。其中第4组实验,传感器网络总跳数由85000减至8036,减少约90.5%;其余组实验传输跳数也有一定的减少。实验结果表明,最小代价的Rete分布具有更小的数据传输量,在规则触发频率低、规则规模较大的情况下尤甚。     

支持演化规则引擎的Rete算法研究

在演化规则模式匹配过程中, 存在内存空间有限与用户请求响应要求快速等问题, 传统的Rete算法并不能完全适合此类实际应用。针对此类问题, 在经典Rete算法的基础上, 通过从算法空间复杂度的角度对Rete网络结构匹配效率进行分析, 并结合系统动态演化过程中强动态和高实时性的特点, 引入节点复用技术构造Rete网络, 且以规则权重、入网时间为依据, 增设了Rete网络节点存储空间可调整机制, 完成了Rete算法在内存消耗与调节、匹配耗时方面的优化。对比测试表明, 优化后的算法提高了网络匹配性能, 实现了系统的平稳安全运行, 解决了演化系统模式匹配过程中存在的问题。     

基于Rete算法的规则引擎JBoss Rules

规则引擎是一种嵌入在应用程序中的组件,起源于基于规则的专家系统.它可以在应用系统中分离商业决策逻辑和程序逻辑.目前的商用规则引擎,包括JBoss Rules,基本上都是基于Rete算法.文章先叙述了规则引擎的原理及Java规则引擎工作机制,然后介绍了Drools中改进后的Rete算法,最后以实例说明了如何在应用程序中使用JBoss Rules来管理规则.     

Rete算法的应用研究

对专家系统和基于规则的专家系统进行了研究,尤其对基于规则的专家系统中的模式匹配算法进行了深入分析和理解.在此理论基础上,将一种高效的模式匹配算法——Rete算法引入到实际的故障的诊断系统中,以保证故障诊断的高效性和准确性.为此在实际系统中,借助规则引擎将故障信息规则化,并将故障诊断流程以层次分明的XML文档进行表示,来模拟领域专家进行故障诊断和故障排除的功能.实践表明,该故障诊断系统可以提高定位故障的速度和准确度.     

基于产生式规则的乔灌木识别推理算法研究

为提升公众林业知识水平,促进树种知识的推广,以北京市乔灌木枝叶检索表中的枝叶检索知识为基础,采集乔灌木枝叶特征图片、树种知识及树种图片,使用产生式规则表示法对枝叶检索知识进行表达和组织,构建了枝叶检索知识的链式双亲表示模型,建立了乔灌木识别知识库,设计了乔灌木识别推理算法。在此基础上,研建了北京市乔灌木识别专家系统,实现了专家知识的存储、乔灌木识别推理算法以及乔灌木树种的识别。运行实例表明,采用产生式规则知识表示法构建的乔灌木识别推理算法,能够实现乔灌木树种的准确识别。     

基于工作流与Agent技术的选课系统研究

将工作流技术与Agent技术相结合用于选课系统的研究,充分利用工作流灵活性、软件重用和异构软件的集成特点,发挥Agent技术自组织、自学习和协同分配任务的能力.将多Agent工作流管理系统进行实例应用,设计了一个智能选课系统模型,协调系统中不同角色人员的不同活动,尽量避免冲突,使选课系统更加科学化、高效化、智能化和安全化.     

基于Rete算法的多Agent的实时协同推理

1 引言多Agent系统是由若干具有一个或多个目标的Agent按照一定的信息关系和控制关系以及问题求解能力的分布模式组成的系统,它主要研究一组在逻辑上或物理上分离的Agent之间行为的协调。目前,多Agent系统已应用于诸如空中交通控制、电子商务、通讯网络管理和作业调度等生产实际领域。Agent技术应用到实际领域时映射的对象一般有     

规则软件系统模式匹配算法研究综述

模式匹配算法是规则软件系统的核心技术.本文叙述规则软件系统的基本概念、工作原理和主要推理方式;研究规则软件系统的模式匹配问题,总结了改善模式匹配效率的方法和技术;介绍Rete、Treat、Leaps和Matchbox四种典型的前向推理顺序模式匹配算法,分析研究了各个算法使用的提高匹配效率的技术及其优缺点,并对模式匹配算法当前研究进展和规则软件系统的应用现状进行了阐述.     

基于BP算法的加权模糊Petri网权值学习算法

加权模糊Petri网缺乏较强的自学习能力,针对这个问题,给出了一个基于BP算法的加权模糊Petri网权值学习算法。该算法不需要对原有模型进行修改,使得加权模糊Petri网权值的学习和训练得到一定地简化。     

如何用Jess开发专家系统

在当今的人工领域当中，出现了许多以Java为核心技术的专家系统开发工具，Jess(Java expert system shell)就是一种基于Java的专家系统外壳，本文简要介绍了Jess的内容，并给出了用它开发专家系统的一些基本的应用方法。     

一种基于共享度模型的改进Rete算法

专家系统是人工智能领域的重要分支,其中知识表示和知识推理是专家系统的重要组成部分.Rete算法是一种高效的模式匹配算法,能够解决专家系统中推理效率的问题,但是Rete算法在构建Rete网络和推理过程中存在空间和性能方面问题.本文采取有穷自动机理论的思想,阐述了Rete算法中的模式共享度和节点共享度模型,提出了一种Rete网络构建和推理算法来降低Rete网络的复杂度,提升Rete网络推理的速度.最后实验结果表明,本算法能够降低网络复杂度,提升推理速度.     

Java规则引擎技术研究

规则引擎是处理企业业务逻辑与规章制度等规则的演绎、归纳软件,它提供了高效的规则处理算法。Java在企业的普及应用推动了Java规则引擎技术的快速发展。文章介绍了Sun Java CAPS规则解决方案J、Boss DroolsJ、ess三种主流规则引擎及相关技术,并对这三种引擎进行了全面对比分析。     

可视化产生式系统的设计与实现

产生式系统是最流行的专家系统类型。目前常见的产生式系统,如OPS5和CLIPS,它们的应用和开发界面都是类似LISP的文本界面,可操作性差。文章基于面向对象的方法和技术,设计并实现了一个可视化的产生式系统,该系统采用Rete算法进行推理,提供了事实库、规则库和Rete网络的可视化的维护功能。实际运行表明,该系统效率高,可操作性强。     

结合Rete的RDF数据分布式并行推理算法*

现有的资源描述框架(RDF)数据分布式并行推理算法大多需要启动多个MapReduce任务,但有些算法对于含有实例三元组前件的RDFS/OWL规则的推理效率低下,整体推理效率不高。针对此问题,文中提出结合Rete的RDF数据分布式并行推理算法(DRRM)。首先结合RDF数据本体,构建模式三元组列表和规则标记模型。在RDFS/OWL推理阶段,结合MapReduce实现Rete算法中的alpha阶段和beta阶段。然后对推理结果进行去重处理,完成一次RDFS/OWL全部规则推理。实验表明,文中算法能高效正确地实现大规模数据的并行推理。     

改进的规则引擎在无线增值业务中的应用

无线增值业务系统是一种典型的业务规则需要频繁改动的应用系统。规则引擎技术把程序和业务逻辑分离开,增加了系统的灵活性和适应性。对规则引擎所采用的Rete算法的添加、删除事实过程进行改进后,再应用到无线增值业务系统中,进一步提高了系统的效率。     

FRete：一种利用特性层知识的改进Rete算法

文中提出的ＦＲｅｔｅ匹配算法是Ｒｅｔｅ算法的基础上，通过利用有关特性关系的知识，对Ｒｅｔｅ匹配网络做了两点改进，第一，为模式网中的结点附加相容兄弟链表；第二，将联接网中同一产生式的联接结眯按变量约束划分为等价类，并相应改进网络解释算法，从而达到进一步减小匹配耗费的目的。文中给出了ＦＲｅｔｅ算法的细节以及与Ｒｅｔｅ算法的耗费比较分析。     

基于Rete思想的证据生成算法

在基于规则的专家系统工具中,对于Ｒｅｔｅ模式匹配算法有不同的实现方法。本文描述了一个新的证据生成算法,比较理想地实现了其思想。