定性仿真综述毕业论文

1 定性仿真的产生与理论现状

定性仿真(Qualitative Simulation)是以非数字手段处理信息输入、建模、行为分析和结果输出等仿真环节，通过定性模型推导系统的定性行为描述。定性仿真是系统仿真的一个分支，是系统仿真与人工智能理论交叉产生的新领域。相对于传统的数字仿真，定性仿真有其独到之处：这种仿真能处理多种形式的信息，有推理能力和学习能力，能初步模仿人类思维方式，人机界面更符合人的思维习惯，所得结果更容易理解。

定性仿真的研究中，美国学者起步较早。70年代后期，美国XEROX实验室的John de Kleer 和Seely Brown 在设计一个电路教学系统时发现，以常规的数学模型和仿真方法难以使学生很快明白电路的工作过程，而在实际教学中，老师并不是先给出数学公式，而是先讲解电路的工作原理，采用定性的描述方法，那么是否可以用计算机来模拟这一方法呢？同样在许多的实际工作中，人们更多的是依靠这种对系统原理性的理解，而这种理解的基础就是定性知识。很多专家学者开始探索如何在数字仿真中引入定性知识。

1983年，John de Kleer 和Seely Brown发表了有关定性仿真的第一篇论文A Qualitative Physics Based On Confluence?[1]，产生了巨大反响，揭开了定性仿真研究热潮的序幕。美国麻省理工学院的Kenneth D. Forbus则对定性仿真理论作了全面的总结[2]；1986年美国德州大学的Benjamin Kuipers在 Qualitative Simulation”一文中提出了动态仿真算法QSIM[3]，使定性仿真接近于实用。1984年人工智能杂志第一次出版了关于定性问题的专集。此后定性问题的研究成为人工智能和系统建模与仿真领域的一个热点，许多学者加入到这一研究领域中，产生了大量的研究成果。1991年，人工智能杂志又出版了有关定性推理的第二本专集，标志着该领域理论研究逐渐成熟并且向应用领域扩展。90年代以来，该领域的研究情况可谓方兴未艾，在IEEE的相关杂志上和撊斯ぶ悄軘等国际刊物上经常可以看到定性仿真方面的研究成果。国内该领域的研究起步较晚，目前从事定性理论研究的仅限于少数院校的少数研究者。

定性仿真产生之后，在理论上出现了百家争鸣的局面，研究者们根据自己的见解提出了各自的建模和仿真理论。目前，基本可分为三个理论派别，即模糊仿真方法、基于归纳学习的方法和朴素物理学方法。

模糊数学方法可以解决模型信息与测量数据的不确定性，所以在定性理论中一般用来作为一种描述手段。最初，系统的定性值是采用区间模糊数的行为来描述的，英国的Qiang Shen进一步将其发展到用凸模糊数来描述定性值[4]，在数据表示上前进了一大步。此后，又有人在其基础上引入了概率论，来度量生成的多个行为的可信度。当前的模糊定性理论，在模糊数表示方面都存在一大弱点，那就是系统真实值与模糊量空间的映射问题，即如何确定描述系统的模糊量。

归纳推理法是定性仿真的一个新方向，它起源于通用系统理论，主要利用其中的通用系统问题求解（General System Problem Solve）技术。输入尽可能多的行为，通过归纳学习的方式，构造系统的定性模型，进行仿真研究。归纳推理法最突出的优势在于它完全不需要对象系统的结构信息，不需要预先提供任何模型。但是，这种方法需要采集