本文首先介紹了定性仿真的產(chǎn)生背景及理論發(fā)展狀況，然后說明了定性仿真在各領域的應用情況，最后對定性仿真的發(fā)展方向進行了探討。

關鍵詞：定性仿真，定性模型

1 定性仿真的產(chǎn)生與理論現(xiàn)狀

定性仿真(Qualitative Simulation)是以非數(shù)字手段處理信息輸入、建模、行為分析和結果輸出等仿真環(huán)節(jié)，通過定性模型推導系統(tǒng)的定性行為描述。定性仿真是系統(tǒng)仿真的一個分支，是系統(tǒng)仿真與人工智能理論交叉產(chǎn)生的新領域。相對于傳統(tǒng)的數(shù)字仿真，定性仿真有其獨到之處：這種仿真能處理多種形式的信息，有推理能力和學習能力，能初步模仿人類思維方式，人機界面更符合人的思維習慣，所得結果更容易理解。

定性仿真的研究中，美國學者起步較早。70年代后期，美國XEROX實驗室的John de Kleer 和Seely Brown 在設計一個電路教學系統(tǒng)時發(fā)現(xiàn)，以常規(guī)的數(shù)學模型和仿真方法難以使學生很快明白電路的工作過程，而在實際教學中，老師并不是先給出數(shù)學公式，而是先講解電路的工作原理，采用定性的描述方法，那么是否可以用計算機來模擬這一方法呢?同樣在許多的實際工作中，人們更多的是依靠這種對系統(tǒng)原理性的理解，而這種理解的基礎就是定性知識。很多專家學者開始探索如何在數(shù)字仿真中引入定性知識。

1983年，John de Kleer 和Seely Brown發(fā)表了有關定性仿真的第一篇論文A Qualitative Physics Based On Confluence?[1]，產(chǎn)生了巨大反響，揭開了定性仿真研究熱潮的序幕。美國麻省理工學院的Kenneth D. Forbus則對定性仿真理論作了全面的總結[2];1986年美國德州大學的Benjamin Kuipers在 Qualitative Simulation”一文中提出了動態(tài)仿真算法QSIM[3]，使定性仿真接近于實用。1984年人工智能雜志第一次出版了關于定性問題的專集。此后定性問題的研究成為人工智能和系統(tǒng)建模與仿真領域的一個熱點，許多學者加入到這一研究領域中，產(chǎn)生了大量的研究成果。1991年，人工智能雜志又出版了有關定性推理的第二本專集，標志著該領域理論研究逐漸成熟并且向應用領域擴展。90年代以來，該領域的研究情況可謂方興未艾，在IEEE的相關雜志上和撊斯ぶ悄軘?shù)葒H刊物上經(jīng)常可以看到定性仿真方面的研究成果。國內(nèi)該領域的研究起步較晚，目前從事定性理論研究的僅限于少數(shù)院校的少數(shù)研究者。

定性仿真產(chǎn)生之后，在理論上出現(xiàn)了百家爭鳴的局面，研究者們根據(jù)自己的見解提出了各自的建模和仿真理論。目前，基本可分為三個理論派別，即模糊仿真方法、基于歸納學習的方法和樸素物理學方法。

模糊數(shù)學方法可以解決模型信息與測量數(shù)據(jù)的不確定性，所以在定性理論中一般用來作為一種描述手段。最初，系統(tǒng)的定性值是采用區(qū)間模糊數(shù)的行為來描述的，英國的Qiang Shen進一步將其發(fā)展到用凸模糊數(shù)來描述定性值[4]，在數(shù)據(jù)表示上前進了一大步。此后，又有人在其基礎上引入了概率論，來度量生成的多個行為的可信度。當前的模糊定性理論，在模糊數(shù)表示方面都存在一大弱點，那就是系統(tǒng)真實值與模糊量空間的映射問題，即如何確定描述系統(tǒng)的模糊量。

歸納推理法是定性仿真的一個新方向，它起源于通用系統(tǒng)理論，主要利用其中的通用系統(tǒng)問題求解(General System Problem Solve)技術。輸入盡可能多的行為，通過歸納學習的方式，構造系統(tǒng)的定性模型，進行仿真研究。歸納推理法最突出的優(yōu)勢在于它完全不需要對象系統(tǒng)的結構信息，不需要預先提供任何模型。但是，這種方法需要采集大量的數(shù)據(jù)并處理和維護;而且，由于現(xiàn)實條件的限制，不能保證歸納的完備性。

樸素物理方法在理論和應用上發(fā)展得最為成熟，它興起于一些人工智能專家對樸素物理系統(tǒng)的定性推理研究。根據(jù)建立系統(tǒng)定性模型的方法，又可分為很多派別，比較有影響的有：Seely Brown和John de Kleer提出的基于摿鲾?shù)母拍畹睦碚?，K. D. Forbus 的定性過程理論，B.J.Kuipers基于約束的用定性微分方程描述的定性仿真理論等。

2 定性仿真的應用

現(xiàn)在，定性仿真技術與物理、化工、生態(tài)、生物、社會等學科相互滲透、結合，在系統(tǒng)監(jiān)測、故障診斷、系統(tǒng)行為分析、解釋以及預測等方面發(fā)揮著越來越大的作用。 國外文獻報導較多而且應用取得成效比較明顯的應用領域主要有：工程和工業(yè)過程;電子電路分析和故障診斷;醫(yī)藥和醫(yī)療診斷;社會經(jīng)濟領域。 下面有選擇地按照應用領域介紹其中比較典型的項目。

2.1 工程和工業(yè)過程

這里工程指傳統(tǒng)的工程領域及一些工程設備，如蒸餾塔、高壓鍋爐、汽輪機等人造設備;工業(yè)過程指一些連續(xù)系統(tǒng)，如機械制造、發(fā)酵、化工過程和電站等 。這方面的應用項目比較多見。

ARTIST是歐洲的ESPRIT 計劃中的一個項目[5]，項目領導者是蘇格蘭的Heriot-Watt大學的Leitch.R，完成于1993年7月。此項目建立了定性動態(tài)模型，應用于過程監(jiān)測與故障診斷。Leitch等人建立了一個基于定性微分方程(QDE)和模糊量空間的定性仿真器： Fusim, 現(xiàn)已應用在輸配電網(wǎng)絡和化工廠蒸餾塔的過程監(jiān)控、分析、診斷上。

ESPRIT計劃中另一應用定性推理的重要項目是：TIGER工程-汽輪機的監(jiān)測、診斷系統(tǒng)[6]?，F(xiàn)已應用在 Exxon化工廠的大型工業(yè)汽輪機以及Dassault航空中心的宇宙飛船輔助動力單元。系統(tǒng)應用定性仿真來預測汽輪機啟動及負載改變時的可能行為。

2.2 電子電路分析和故障診斷

定性仿真的一個很重要的應用領域便是電子電路分析和故障診斷。定性推理的先驅(qū)人物de Kleer早在1976年便開發(fā)了使用定性知識研究電子線路的系統(tǒng) LOCAL，即根據(jù)電路部件已測知的正常行為和錯誤行為，分析實際行為和預測行為的不一致之處，然后指出電路的故障點。這種思想后來發(fā)展成了基于模型的故障診斷理論(model-based diagnosis therory)。時至今日，由于定性推理和仿真技術的不斷進步，該應用領域的發(fā)展前景更為廣闊。

這類項目中，最為典型的是Dague.P等人開發(fā)的模擬電路故障診斷工具-DEDALE[7]。Dague對該系統(tǒng)進行了一系列實驗，聲稱：DEDALE系統(tǒng)能診斷出電路故障的75%，另外的25%故障沒有構成對電路性能的顯著影響，并且可以通過其他手段檢測出。Electronique Serge Dassault 繼續(xù)這個領域的研究工作，已推出一個名為“DIAGMASTER”的商業(yè)化產(chǎn)品。

2.3 醫(yī)藥和醫(yī)療診斷

人工智能中的專家系統(tǒng)，尤其是醫(yī)療專家系統(tǒng)，為人工智能的振興起了推波助瀾的作用。而定性仿真在醫(yī)療專家系統(tǒng)的應用方面也很活躍。

Bratko.I將定性推理應用在心電圖的識別上[8]， 目的在于根據(jù)心電圖辨識心律，判斷病癥。定性模型用來產(chǎn)生心臟工作狀況，規(guī)則歸納系統(tǒng)用于產(chǎn)生診斷規(guī)則庫。他給出了心電圖詮釋系統(tǒng)-KARDIO，澳大利亞的Telectronics公司已將此系統(tǒng)的部分成果應用于他們的心臟病診治系統(tǒng)Intelligent Pacemaker中。

Kuipers和Kassier給出了QSIM理論的定性推理和模型簡化方法[9]，并給出了在醫(yī)學專家系統(tǒng)中的具體應用過程。該系統(tǒng)可以對腎臟的水份、鹽份平衡過程進行仿真，作為腎炎綜合診治系統(tǒng)的輔助分析工具。

2.4社會經(jīng)濟領域

定性推理由于其處理不完全知識及模糊數(shù)據(jù)的突出能力，一直在社會科學、人文科學、商業(yè)流通等領域的研究上占有重要位置。

Daniels.HAM，F(xiàn)eelders.AJ給出了一個商業(yè)行為分析定性仿真模型[10]。作為例子，他們對某個公司的銷售量、商品價格、資金狀況進行建模，分析其商業(yè)行為的變化，如為什么廣告量的減少會帶來銷售量的下降，什么原因?qū)е鹿举Y產(chǎn)減少，是否存在經(jīng)營危機等。對于銀行貸款之前的商業(yè)調(diào)查，該模型具有廣闊的應用前景，荷蘭的AMRO銀行正在此基礎上進行深入的研究工作。

美國的Farley.A，Lin.KB使用QSIM算法，研究市場預測的定性仿真模型，即當市場需求、供給、價格等諸因素變動時，預測可能引起的市場變化[11]。

3 定性仿真的發(fā)展方向

定性仿真目前仍然是新興的研究領域，很多基礎性的理論工作尚待完善和突破，因此該領域的發(fā)展前景十分廣闊。對于定性仿真理論，概括來說，有以下幾個發(fā)展方向：

(1)采用定量與定性結合的仿真方法

由于定性模型中包含系統(tǒng)的不完全知識，定性仿真會產(chǎn)生一些虛假和二義的多余行為，當實際系統(tǒng)很復雜時，定性仿真產(chǎn)生相當數(shù)量的多余行為，如何有效地減少定性仿真產(chǎn)生的行為數(shù)，成為當今定性推理研究的主題。很多研究者紛紛采用定量與定性結合的仿真方法。在定性仿真中加入相當?shù)亩恐R，將定量與定性有機地結合起來，將大大減少系統(tǒng)的預測行為數(shù)，增強定性仿真的生命力。

(2)采用模型分解方法

定性仿真走向應用時，往往涉及到規(guī)模較大的系統(tǒng)，即使省略某些細節(jié)，模型仍是非常復雜的。所以，定性理論中，必須有處理這種復雜性的手段。

模型分解方法將系統(tǒng)模型分為若干部分，稱為部件(component)，系統(tǒng)的聯(lián)系緊密的變量將集中在一個部件中，并為部件建立狀態(tài)，系統(tǒng)的描述將以這種狀態(tài)為單位，若需要不同部分的變量的事件對應性，可以通過不同部分之間的連接來產(chǎn)生。并且，仿真算法上也作了相應的變動，以局部的部件描述為基礎的仿真取代了以全局狀態(tài)為基礎的定性仿真算法。大大提高了模型建立工作的效率和準確性，并降低了仿真的時間和空間運行代價。

(3)采用并行定性仿真方法

當前定性仿真在減少冗余或虛假行為的研究上取得了很大進展，但同時也帶來了一些始料未及的副作用：定性與定量知識的結合，使知識的表示和推理機制復雜化，數(shù)據(jù)量明顯增加;由于信息不完備，系統(tǒng)的搜索空間增大，使得定性仿真在一定的情況下比定量仿真的速度更慢;再者隨著定性仿真逐漸走向應用，參數(shù)數(shù)量的增長使問題的規(guī)模成指數(shù)增長，仿真的速度也明顯下降。并行定性仿真能較大幅度地提高定性仿真的效率，因此成為一個新興的發(fā)展方向。

鑒于定性仿真技術的諸多優(yōu)點及巨大的實用價值，許多學者紛紛投入到該領域的研究中，各國政府部門及研究機構在研究經(jīng)費等方面大力扶助，我們有理由相信在不遠的將來定性仿真研究會取得更大的進展。

參 考 文 獻

de Kleer J,Brown J S.A Qualitative Physics Based On Confluence.Artif Intell ,1983,59:7-15.

Forbus K D.Qualitative Process Theory.Artilf Intell,1984,24:85-168.

Kuipers B J.Qualitative Simulation.Artilf Intel,1986,29:289-338.

Shen,Q.and Leitch,R.Fuzzy Qualitative Simulation.IEEE Trans. on Systems,Man,and Cybernetics 23(4),1993,

pp.1038-1061.

5 Leitch R,Freitag H,Struss P,Tornielle G.ARTIST: A Methodological Approach to Specifying Model

Based Diagnostic Systems.Intellegent Automation Laboratory,Heriot-Watt University,Edin-burgh & Advanced

Reasoning Methods. Siemens AG,Munich,Germany & Artificial Intelligence Section.

CISE S.p.a.,Segrat,Milano,Italy (Milan Applications Conference, October,1991).

Milne R.On-Line Diagnostic Expert System For Gas Turbines.Intelligent Applications Ltd,Scotland,4th

International Profitbal Condition Monitoring Conference Stratford-upon-Avon,UK,1992.

Dague Ph,Raiman O,Deves Ph.Trouble-shooting: When Modeling is the Trouble.IBM Scientific Center ,Paris ,

France & Electronique Serge Dassault,France,1987.

8 Bratko I,Mozetic I,Lavrac N.KARDIO:A Study in Deep and Qualitative Knowledge for Expert Systems.MIT

Press,1989.

9 Kuiper B J.Qualitative Reasoning--Modeling & Simulation with Incomplete Knowledge.MIT Press,1994.

10 Daniels HAM,Feelders AJ.Model-Based Diagnosis of Business Peformance.Tilburg University,Institute for

Language Technology and AI,Netherlands,1990.

11 Farley A,Lin KP.Qualitative Reasoning in Microeconomics: An Example.Computer Science Dept, University of

Oregon,USA.& Economics Department, Protland State University,Oregon,USA,1991.