JPH02260039A

JPH02260039A - 多段ファジィ推論装置

Info

Publication number: JPH02260039A
Application number: JP1083405A
Authority: JP
Inventors: Isao Hayashi; 勲林; Hiroyoshi Nomura; 博義野村; Eiichi Naito; 内藤　榮一; Noboru Wakami; 昇若見
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1989-03-31
Filing date: 1989-03-31
Publication date: 1990-10-22

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】産業上の利用分野本発明は、専門家の知識を計算機によって利用するファ
ジィ推論が可能なエキスパートシステムに関するもので
ある。

従来の技術近年、人工知能や知識工学分野の発展にともなって、専
門家の知識を計算機に記憶させ、各種故障診断、意思決
定支援、設計支援などを行うエキスパートシステムがさ
かんに開発されている。専門家が知識を用いて、推論を
行うと同様に、エキスパートシステムは各種のシステム
のプロセスを推論で実行し、利用者の必要とする情報を
得ることができる。エキスパートシステムでよく用いら
れる前向き多段推論ではｒｌＦ−ＴＨＥＮ・・・」形式
のプロダクションルールを用いるが、その多段推論の推
論過程は探索木を形成して、その探索木の探索を行うこ
とを意味している。

しかし、通常では、上位の探索点から下方に探索する一
方通行の探索は最終結果が利用者の満足する解答が得ら
れる保証がないため、横型探索、縦型探索、知的探索な
どの探索手法（バックトラック手法）が用いられて最良
解が得られている。

しかし、上記の推論法は二値論理の推論法であり、その
ルールの中にあいまいな表現を許さず、人間にとって使
いかっての悪いものであった。一方、あいまいな推論を
行う手法として、ファジィ推論（システムと制御、Ｖｏ
ｌ　、２８．Ｎｏ、７　、ｐｐ４４２−４４Ｇ（１９８
４）に掲載の「ファジィ制御」で説明されているＭａｘ
−Ｍｌｎ演算等）があるが、ファジィ推論による最良探
索手法は確立していない。

以下、従来のエキスパートシステムの構成を示す第１０
図、ルール知識ベースの説明図である第１１図、及びシ
ステムの動作方法のフローチャートである第１２図を参
考にして従来の二値論理による前向き推論型のエキスパ
ートシステムについて説明する。

第１０図において、１０１は知識ベースのプロダクショ
ンルールに専門知識を、または推論の過程でシステム側
からの質問に対して回答を入力するための入力装置、１
０２は知識ベースのデータを編集するためのエディタ部
、１０３は専門家による知識を計算機の内部に蓄えるた
めのルール知識ベース、１０４はルール知識ベース１０
３からプロダクションルールを取り出すためのデータ管
理部、１０５は利用者の入力に応じた事実を解釈し、デ
ータ管理部１０４からのプロダクションルールとの適合
から推論結論を導き、この結果が利用者の必要とする最
終的な結果ではなく中間的結果である場合はさらに利用
者の要求に応じて結論を導き出すための専門知識やその
知識に付随する各種のデータの提示を行う推論機構部、
１０６はデータ管理部１０４によって得られたプロダク
ションルールを取り込み、利用者からの入力値データが
適合するプロダクションルールを検知し、推論を行うな
どの推論機能を実行する作業領域部である。

第１１図はルール知識ベースの一例を示す図である。ル
ール知識ベースの内容を以下に説明する。

ルール知識ベース１０３は専門家の知識を蓄積するが、
通常は知識を各知識源に分割して入力する。

例えば、１１０１は株の売買に関する知識源を示し、１
１０２は、ある会社（８社）への資金投資に関する知識
源である。ルール知識ベースにはこの様な知識源が複数
個存在している。各々の知識源では複数のプロダクショ
ンルールが蓄積されている。例えば、１１０１では「も
し、手持ちの資金が１子方円を下回り、Ａ社の株価が８
００円以上に上昇したならば、Ａ社の株を１万株売りな
さいコや、　「もし、手持ちの資金がまだ１子方円以上
あるならば１株を売らない」等のルールが蓄積されてい
る。これらのルールは推論実行中に、最新の入力データ
として「手持ちの資金が８００万円、Ａ社の株価が１０
００円に上昇した」等の情報が利用者によって入力され
た場合には知識源１１０１の初めのプロダクションルー
ルが適合し、縦型探索、横型探索等のバックトラック手
法により、次の知識源である知識源Ｂが導かれる。知識
源Ｂにおいて、もし、株の売買による利益が１５０万円
であった場合には、知識源１１０２の初めのプロダクシ
ョンルールが適合し、中間結果として「８社への資金投
資を５０万円行う」という決定がなされる。

以上の構成を用いて、以下に第１２図のフローチャート
を用いて、その動作手順を説明する。

まず、処理１２０１において、専門家は知識として蓄え
るべきプロダクションルールを入力装置１０１から入力
する。この入力の際にはエディタ部１０２のエデイティ
ング機能を用いて入力し、入力された知識データはルチ
ル知識ベース１０３にその計算機の設定されたデータ書
式に従って蓄積される。処理１２０２では専門家による
知識の蓄積が終了した後、システムの利用者はシステム
側の質問事項に、入力装置１０１を用いて「はい」「い
いえ」、または質問事項の回答を入力する。

処理１２０３では入力された利用者のデータは作業領域
部１０８に一次的に記憶され、推論機構部１０５はルー
ル知識ベース１０３に蓄えられている複数個のプロダク
ションルールをデータ管理部１０４を介して作業領域部
１０Ｂに取り込む。処理１２０４では推論機構部１０５
が作業領域部１０６の利用者の入力データに適合するプ
ロダクションルールを検知して、推論を行い、適合する
プロダクションルールから推論結果を導き出す。処理１
２０５では結果が得られた後、得られた推論結果が利用
者の必要とする問題の最終結果である場合には推論機構
部１０５はその推論結果を最終結果とするが、推論結果
が中間結果である場合には通常の推論やバックトラック
手法による推論を継続する。この一連の操作としての多
段推論を繰り返すことにより、利用者の求める最終的な
結果を導出し、結果を利用者に表示できる。

発明が解決しようとする課題しかしながら、このような従来の方法ではバックトラッ
ク手法等による多段推論により、利用者の要求する最良
の解を得ることができるが、利用者のあいまいな表現を
取り扱うことができず、利用者はルール知識ベースの表
現形式に合致するように知識を作成して、多段推論を実
行しなければならなかった。

本発明は、上記従来技術の課題に鑑み、あいまいさを取
り扱えるファジイ数を用いて、そのファジイ数を組み込
み可能なエキスパートシステムに、新たに最良探索機能
を考案し、利用者のあいまいさが取り扱えて、満足する
最良解を容易に探索できる多段ファジィ推論装置を構築
することを目的とする。

課題を解決するための手段本発明は、特定個数のルールの前件部の適合度合を前記
前件部適合度合記憶部から取り出し、適合度合の高い順
に推論ルールを探索する横型探索計算部を有することを
特徴とする多段ファジィ推論装置である。

また、本発明は特定のルールに注目し、そのルールに関
し多段推論を可能な限り行い、多段推論が不可能になっ
た場合にはそのルールが属する知識源の中の他のルール
、またはその知識源が導かれた親知識源で、そのルール
の次に前件部の適合度が高いルールを探索する縦型探索
計算部を存することを特徴とする多段ファジィ推論装置
である。

さらに、本発明は、バックトラック開始後に順次発生す
る探索先として、現在、推論を実行しているルールが導
かれた親ルールを前記推論過程記憶部から取り出し、そ
のルールの後件部の中で、前記評価値記憶部の評価値が
現在の評価値に次ぐ知識源の探索命令を発見する最良解
探索計算部を有することを特徴とする多段ファジィ推論
装置である。

また、本発明は、バックトラック開始後に順次発生する
探索先として、現在、推論を実行しているルールが導か
れた親知識源の中で現在のルールの次に前記評価値記憶
部の値が高いルールを探索する最大評価値探索計算部を
有することを特徴とする多段ファジィ推論装置である。

さらに、本発明は、バックトラック開始後に順次発生す
る探索先として、現在、推論を実行しているルールが導
かれた親知識源の中で現在のルールの次に前記指標演算
部の演算結果が高いルールを探索する最大演算結果探索
計算部を有することを特徴とする多段ファジィ推論装置
である。

作用本発明は前記した構成により、ファジィ推論と二値論理
の推論とを可能とするエキスパートシステムに、新たに
最良探索機能方法を提案することにより、利用者の満足
する知識源を探索して、最適な解を容易に得る多段ファ
ジィ推論装置を提供できる。

実施例以下に、本発明の実施例を図面を用いて説明する。

第１図は本発明の特許請求の範囲第１項記載の多段ファ
ジィ推論装置の一実施例の構成図である。

第１図において、１１は入力装置で、プロダクションル
ールを蓄積するルール知識ベースに知識を入力するため
、または推論の過程でシステム側からの質問に対して回
答するための装置。１２はエディタ部で、ルール知識ベ
ースのデータを編集する。１３はルール知識ベース部で
、ファジィ推論、および二値論理の推論が可能なプロダ
クションルールを蓄積する。ただし、ファジィ推論を行
うプロダクションルールとはルールの条件部がファジイ
数、もしくは通常の二値論理的な表現で記述されている
が、結論部はファジイ数で表現されているものをいい、
二値論理の推論を行うプロダクションルールとは、ルー
ルの条件部がファジイ数、もしくは通常の二値論理的な
表現であるが、結論部は二値論理的なアクシ１ン表現（
実行文）が記述されているものをいう。１４はデータ管
理部で、前記ルール知識ベース１３からプロダクション
ルールを取り出す。１５は推論機構部で、前記入力装置
１１からの利用者の入力に応じた事実を解釈し、前記デ
ータ管理部１４からのプロダクションルールとの適合か
らファジィ推論、および二値論理の推論を行うための各
種機能を準備する。１６は作業領域部で、前記推論機構
部１５から各種機能を取り込み、前記データ管理部１４
によって得られたプロダクションルールに利用者からの
入力データを適合し、ファジィ推論、および二値論理の
推論を行う。１７はファジィ評価知識ベースで、推論実
行後の結果の評価を行うためのｒｌＦ・・・Ｔ［ＩＥＮ
Ｎ」形式で表現されているプロダクションルールである
。１１０は前件部適合度合記憶部で、前記作業領域部１
６においてデータに適合する各ルールの前件部の適合度
合を記憶する。１８は横型探索計算部で、特定個数のル
ールの前件部の適合度合を前記前件部適合度合記憶部１
１０から取り出し、適合度合の高い順に推論ルールを探
索する。

１９は評価管理部で、前記ファジィ評価知識ベース部１
７の評価値が満足できるまで前記横型探索計算部１８を
用いてルールを探索し、多段推論を繰り返し実行させる
管理部である。

次に、第１図〜第４図、および第１３図を用いて、第１
の発明に関して、前記のように構成された多段ファジィ
推論装置の横型探索方法の説明を行うが、まず、ファジ
イ数を用いた多段推論方法を説明する。

第２図はルール知識ベースで、知識源ＫＳＯとしてＥ株
売買による資金維持」の知識源２１、知識源ＫＳＩＩＡ
として「投資」の知識源２２を持っている。

各ルールは「約１千万円」等のファジイ数を用いて記述
する。以下に、ファジィ推論過程を説明する。

１）利用者による初期入力として、入力装置１１、エデ
ィタ部１２を用いて、第１３図の初期データが入力され
たとする。このデータ表は多段推論の実行中にプロダク
ションルールの後件部のアクション表現により、各アト
リビュートの値が順次変更される。このデータ表はノー
ドと呼ばれ、ノードの集まりを黒板という。

２）ルール知識ベース１３から知識源ＫＳＯがデータ管
理部１４を介して作業領域部１ｅに入力される。

この知識源に初期ノードを対応させる。

３）前記作業領域部１６で、推論機構部１５の機能を用
いてファジィ推論と二値論理による推論を行う。この例
題では、入力の「当社の資金二９８０万円」、「Ａ社の
株価＝８５０円」が知識源ＫＳＯのルールの前件部に適
合する。ルール番号１〜３までの二値論理による推論で
は、例えば最大の適合度合を持つルールを選択する等に
より、１つのルールを選ぶ。この例題では仮に、第１番目のルール： μ＝μＦ目（９８０００００）　　μＦ＋２（８５０）
＝０．８第２番目のルール： μ＝μＦ２１　（９８０００００）　　μＦ２２（８５
０）＝０．６第３番目のルール： μ＝μｐｓ＋　（９８０００００）　　μＦ３２（８５
０）＝０．２となったとすると、第１のルールが選択される。

ただし、Ｆｌｌ等は第１番目のルールの第１フアジイ変
数である「約１千万円」を表すファジイ数である。一方
、第４番目以降のルールはファジィ推論のためのブロダ
クシ習ンルールであり、通常のファジィ推論が行われる
。

４）二値論理の推論では１つのルールが選択され、その
後件部のアクション表現を実行する。一方、ファジィ推
論では結果のファジイ数を対応するノードの値に結果を
書き込む。この例題では二値論理の推論はルール番号１
が選択されるので、アクシロン表現ａｄｄｃｏｐｙ　Ｎ
ｌｌＡｓ　ｇｏｔｏ　ＫＳＩＩＡｌ　　およびａｄｄｃ
Ｏｐｙ　ＮＩＩＢｌｇｏｔｏ　ＫＳＩＩＢを実行する。

　　ａｄｄｃｏｐｙ　ＮＩＩＡとは「Ａ社の株の売買数
を１万株減らす」というアクシロン表現を実行して、推
論以前のノードにアクシＰン表現の結果を書き加えて、
新たなノード旧ＩＡを発生させることを意味している。

また、ｇｏｔｏ　ＫＳＩＩＡとは次の知識源ＫＳＩＩＡ
に行き、多段推論を継続することを意味する。ａｄｄｃ
ｏｐｙ　Ｎ１１ｌｋ　、ｇｏｔ。

ＫＳＩＩＢについても同様である。一方、ファジィ推論
はその結果をノード旧ＩＡ、　　および旧ＩＢに書き込
む。

５）ノードＮＩＩＡ、　　お上びノードＮＩ　ＩＢをフ
ァジィ評価知識ベース１７に代入する。ファジィ評価知
識ベース１７の一例を第４図に示す。いま、ノードＮＯ
からノードＮＩＩＡに変化したことによる利益が百万円
、ノードＮＯからノード旧ＩＢに変化したことによる利
益が８０万円とする。それぞれの利益から、第４図の推
論の図を用いて、ファジィ推論を行い、結果の満足度を
得る。例えば、この例題では（ＮＯ→ＮＩＩＡの満足度
）＝０．８（ＮＯ→旧ＩＢの満足度）＝０．７となる。

６）次に、推論を継続するために次の知識源を選択する
。いま、仮に知識源ＫＳＩＩＡを選択したとする。

知識源ＫＳＩＩＡではノードのアトサビエート１０社の
経常利益（８８年度）」の値が入力されていないため、
利用者に入力装置１１、エディタ１２を用いて回答を入
力してもらう。もし、　１０社の経常利益（８８年度）
は４８００万円」が入力されたとすると、再び、二値論
理の推論とファジィ推論とを実行し、その結果をファジ
ィ評価知識ベース１７に代入して多段推論を継続する。

たとえば、推論が行われ、その結果、ルール番号１が選
択され、ａｄｄｃｏｐｙ　Ｎ２１とｇｏｔｏ　ＫＳ２１
を実行するなどする。

この様にして、多段推論が実行され、推論結果が利用者
の満足するものである場合には推論は終了するが、推論
した結果が利用者の必要とする最終的な結果ではなく中
間的結果である場合には、さらに推論を継続して、最終
的に利用者の求める結果を導出し、結果を利用者に表示
する。

第３図に、多段ファジィ推論装置のノードの探索図を示
す。ただし、図中の点線による円とく〉中の値は各ルー
ル番号と入力データに対するそのルールの前件部の適合
度合を表し、（）の値はそのルールのファジィ評価知識
ベース部での評価値をあられす。例題のファジィ推論の
多段推論ではノードＮＯ，ＮＩＩＡ、　　Ｎ２１の経路
をたどって、推論を実行している。

次に、第１の発明について説明する。第１の発明では、
横型探索計算部１８は特定個数のルールの前件部の適合
度合を前記前件部適合度合記憶部１１０から取り出し、
適合度合の高い順に推論ルールを探索する。すなわち、
第３図において、レベル１では前件部の適合度合が０．
８．０．６．０．２となっており、レベル２では０．２
．０．１となっているので、ノード番号ＮＯ１旧ｌＡ１
Ｎ１１Ｂ１　　旧２、Ｎ１３、Ｎ２１゜Ｎ２２ム、Ｎ２
２Ｂの順に推論が実行される。このようにして、ファジ
ィ評価知識ベース部の評価値が満足できるまで推論が繰
り返し実行される。この探索方法は通常のエキスパート
システムでの横型探索法と類似しているが、ファジイ数
を用いた探索法であるところが異なっている。

次に、本発明の第２の発明について説明する。

第５図は本発明の特許請求の範囲第２項記載の多段ファ
ジィ推論装置の一実施例の構成図である。

第５図において、５１から５７まではそれぞれ、本発明
の第１の発明の実施例の構成図（第１図）の１から７ま
でと同じであるので、ここでは詳細な説明は省略する。

５８は縦型探索計算部で、特定のルールに注目し、その
ルールに関し多段推論を可能な限り行い、多段推論が不
可能になった場合にはそのルールが属する知識源の中の
他のルール、またはその知識源が導かれた親知識源で、
そのルールの次に前件部の適合度が高いルールを探索す
る。５９は評価管理部で、前記ファジィ評価知識ベース
部５７の評価値が満足できるまで前記縦型探索計算部５
８を用いてルールを探索し、多段推論を繰り返し実行さ
せる管理部である。

前記のように構成された本発明の多段ファジィ推論装置
の縦型探索方法を説明するために、以下に、第５図、お
よび第３図を用いて更に詳しい内容を説明する。

第２の発明では、第５図の縦型探索計算部５８は特定の
ルールに注目し、そのルールに関し多段推論を可能な限
り行い、多段推論が不可能になった場合にはそのルール
が属する知識源の中の他のルール、またはその知識源が
導かれた親知識源で、そのルールの次に前件部の適合度
が高いルールを探索する。すなわち、第３図において、
レベル１では前件部の適合度合が０．８．０．Ｇ、０．
２となっており、レベル２では０．２．０．１となって
いるので、ノード番号Ｎ０１ＮＩＩＡ、　Ｎ２１１Ｎ２
２Ａ１Ｎ２２Ｂ、　　ＮＩＩＢ、　　・・・の順に推論
が実行される。このようにして、ファジィ評価知識ベー
ス部の評価値が満足できるまで推論が繰り返し実行され
る。この探索方法は通常のエキスパートシステムでの縦
型探索法と類似しているが、ファジイ数を用いた探索法
であるところが異なっている。

次に、本発明の第３の発明について説明する。

第６図は本発明の特許請求の範囲第３項記載の多段ファ
ジィ推論装置を実現するための一実施例の構成図である
。第６図において、６１から６７まではそれぞれ、本発
明の第１の発明の実施例の構成図（第１図）の１から７
までと同じであるので、ここでは詳細な説明は省略する
。６１１は評価値記憶部で、過去に推論を行ったルール
の前記ファジィ評価知識ベース部６７の評価値を記憶す
る。

８１０は推論過程記憶部で、推論の過程を記憶する。６
８は最良解探索計算部で、パックトラック開始後に順次
発生する探索先として、現在、推論を実行しているルー
ルが導かれた親ルールを前記推論過程記憶部６１０から
取り出し、そのルールの後件部の中で、前記評価値記憶
部６１１の評価値が現在の評価値に次ぐ知識源の探索命
令を発見する。６９は評価管理部で、前記ファジィ評価
知識ベース部６７の評価値が満足できるまで前記最良解
探索計算部６８を用いてルールを探索し、多段推論を繰
り返し実行させる管理部である。

前記のように構成された本発明の多段ファジィ推論装置
の最良解探索方法を説明するために、以下に、第６図、
第２図、および第３図を用いて更に詳しい内容を説明す
る。

第３の発明では、第６図の最良解探索計算部６８はバッ
クトラック開始後に順次発生する探索先として、現在、
推論を実行しているルールが導かれた親ルールを前記推
論過程記憶部Ｅ３１０から取り出し、そのルールの後件
部の中で、前記評価値記憶部６１１の評価値が現在の評
価値に次ぐ知識源の探索命令を発見する。たとえば、現
在、ノードＮ２１を実行しているとすると、現在のルー
ルは第２図の知識源ＫＳＩＩＡの第１ルールである。こ
のルールが導かれた親ルールは知識源ＫＳＯの第１ルー
ルである。第３図ではノードＮＩＩＡの評価値０．８に
次ぐ評価値を持つノードは評価値０．７のノードＮＩＩ
Ｂとなる。

したがって、多段推論はノード番号Ｎ０１ＮＩＩＡ、　
　１２１１ＮＩＩＢ１　　・・・の順に推論が実行され
る。このようにして、ファジィ評価知識ベース部の評価
値が満足できるまで推論が繰り返し実行される。

次に、本発明の第４の発明について説明する。

第７図は本発明の特許請求の範囲第４項記載の多段ファ
ジィ推論装置を実現するための一実施例の構成図である
。第７図において、７１から７７まではそれぞれ、本発
明の第１の発明の実施例の構成図（第１図）の１から７
までと同じであるので、ここでは詳細な説明は省略する
。７１０は評価値記憶部で、過去に推論を行ったルール
の前記ファジィ評価知識ベース部７７の評価値を記憶す
る。

７８は最大評価値探索計算部で、バックトラック開始後
に順次発生する探索先として、現在、推論を実行してい
るルールが導かれた親知識源の中で現在のルールの次に
前記評価値記憶部７１０の値が高いルールを探索する。

７９は評価管理部で、前記ファジィ評価知識ベース部７
７の評価値が満足できるまで前記最大評価値探索計算部
７８を用いてルールを探索し、多段推論を繰り返し実行
させる管理部である。

前記のように構成された本発明の多段ファジィ推論装置
での最大評価値探索方法を説明するために、以下に、第
７図、および第８図を用いて更に詳しい内容を説明する
。第８図は多段推論のノードの探索図であるが、第３図
の場合と比較して、各ルールの前件部の適合度合、およ
びファジィ評価知識ベース部による評価値とが異なって
いる。

第４の発明では、第７図の最大評価値探索計算部７８は
バックトラック開始後に順次発生する探索先として、現
在、推論を実行しているルールが導かれた親知識源の中
で現在のルールの次に前記評価値記憶部７１０の値が高
いルールを探索する。

たとえば、第８図において、現在の実行ノードがＮ２１
とすると、このルールが導かれた親知識源はレベル１を
示している。レベル１のノードの中でノードＮＩＩＡの
０．８以外で、ファジィ評価知識ベース部の値が最も高
いのは０．８５のノード旧２である。したがって、最大
評価値探索計算部は知識源ＫＳＩ　ＩＡの第１ルールの
次に、ＫＳＯの第２ルールを選択する。ノードは番号Ｎ
Ｏ，旧ＩＡ、　　Ｎ２１、旧２、・・・の順に選択され
る。このようにして、ファジィ評価知識ベース部の評価
値が満足できるまで推論が繰り返し実行される。

次に、本発明の第５の発明について説明する。

第９図は本発明の特許請求の範囲第５項記載の多段ファ
ジィ推論装置を実現するための一実施例の構成図である
。第９図において、９１から９７まではそれぞれ、本発
明の第１の発明の実施例の構成図（第１図）の１から７
までと同じであるので、ここでは詳細な説明は省略する
。９１１は評価値記憶部で、過去に推論を行ったルール
の前記ファジィ評価知識ベース部９７の評価値を記憶す
る。

９１０は指標演算部で、データに適合する各ルールの前
件部の適合度と前記評価記憶部８１１の評価値との演算
を行う。９８は最大演算結果探索計算部で、バックトラ
ック開始後に順次発生する探索先として、現在、推論を
実行しているルールが導かれた親知識源の中で現在のル
ールの次に前記指標演算部９１０の演算結果が高いルー
ルを探索する。９８は評価管理部で、前記ファジィ評価
知識ベース部９７の評価値が滴定できるまで前記最大演
算結果探索計算部９８を用いてルールを探索し、多段推
論を繰り返し実行させる管理部である。

前記のように構成された本発明の多段ファジィ推論装置
での最大演算結果探索方法を説明するために、以下に、
第９図、および第８図を用いて更に詳しい内容を説明す
る。

第５の発明では、第９図の最大演算結果探索計算部９８
はバックトラック開始後に順次発生する探索先として、
現在、推論を実行しているルールが導かれた親知識源の
中で現在のルールの次に前記指標演算部９１０の演算結
果が高いルールを探索する。たとえば、第８図において
、現在の実行ノードがＮ２１とすると、このルールが導
かれた親知識源はレベル１を示している。上記、前件部
とファジィ評価知識ベース部の評価値との演算として特
許請求の範囲第６項の乗算を用いたとすると、レベル１
の各ノードの乗算値は０．５８（ＮＩＩＡ）、０．４９
（Ｎ１１Ｂ）、０．５１（Ｎ１２）、０．５８４４（Ｎ
１３）となる。したがって、ノードＮＩＩＡ以外で、乗
算値の値が最も高いのは０．５１１１４４のノードＮ１
３となり、最大演算結果探索計算部は知識源ＫＳＩＩＡ
の第１ルールの次に、ＫＳＯの第３ルールを選択する。

ノードは番号Ｎ０１ＮＩＩＡ。

Ｎ２１．　　Ｎ１３、・・・の順に選択される。このよ
うにして、ファジィ評価知識ベース部の評価値が満足で
きるまで推論が繰り返し実行される。

ただし、第１の発明から第５の発明において、知識源の
中で用いられるファジィ推論の結果はそれぞれ、対応す
るノードの値にその結果が書き込まれる。

前記のように、本実施例においてはファジィ推論と従来
の二値論理の推論とのプロダクシ日ソル−ルからなる知
識源を用いて、新たに最良探索機能を考慮する推論方法
を提案することにより、利用者の満足する知識源を探索
して、最適な解を容易に得る多段ファジィ推論装置を提
供できるだけでなく、利用者にとって、より人間の感性
にマツチした多段ファジィ推論装置が構築できる。

なお、本実施例ではファジィ推論の演算をＭａｘ−Ｍｌ
ｎ演算としたが、Ｍｍｉｎ演算の代わりに代数積、限界
積、激烈積などのｔ−ｎｏｒＩ１１演算を、また、Ｍａ
ｘ演算の代わりに代数和、限界和、激烈和などのｔ−ｃ
ｏｎ。

ｒｍ演算を用いてもよい。

発明の効果以上のように、利用者のあいまいな言語表現を取り扱え
るファジィ推論が組み込み可能なエキスパートシステム
において、従来の方法ではファジィ推論、および二値論
理の推論が上位の探索点から下位に探索する一方通行の
推論が継続され、利用者が満足できる知識源を発見でき
ないでいたが、本発明では新たに最良探索機能を考慮す
る推論方法を提案することにより、最適な解を容易に探
索し、利用者にとって、より人間の感性にマツチした多
段ファジィ推論装置が構築できるので、その実用的効果
は大きい。

【図面の簡単な説明】

第１図は多段ファジィ推論装置の第１の発明における一
実施例のブロック図、第２図は第１〜第５の発明に関す
る知識ベースの一例を示す説明図、第３図は第１〜第３
の発明に関するノードの探索図、第４図は第１〜第５の
発明に関するファジィ評価知識ベースの説明図、第５図
は多段ファジィ推論装置の第２の発明における一実施例
のブロック図、第６図は多段ファジィ推論装置の第３の
発明における一実施例のブロック図、第７図は多段ファ
ジィ推論装置の第４の発明における一実施例のブロック
図、第８図は第４〜第５の発明に関するノードの探索図
、第９図は多段ファジィ推論装置の第５の発明における
一実施例のブロック図、第１０図は従来のエキスパート
システムの一実施例のブロック図、第１１図は従来のエ
キスパートシステムにおけるルール知識ベースの一実施
例の説明図、第１２図は従来のエキスパートシステムの
動作手順を示すフローチャートの説明図、第１３図は初
期ノードの一例を示す説明図である。１１・・・入力Ｈｉｔ、　１２・・・エディタ部、　１
３・・・ルール知識ベース、１４・・・データ管理部、
１５・・・推論機構部、１６・・・作業領域部、１７・
・・ファジィ評価知識ベース、１８・・・横型探索計算
部、１１０・・・前件部適合度合記憶部。代理人の氏名　弁理士　粟野重孝ほか１名萬 ■ 第２図第１１図第３図

Claims

【特許請求の範囲】

（１）　あらかじめ定められたルール群に従ってファジ
ィ推論と二値論理の推論とを実行する推論機構部と、前
記ルール群がファジィ推論、および二値論理の推論が可
能なプロダクションルールからなる知識源を構成し、そ
の知識源を複数個もつルール知識ベース部と、前記ルー
ル知識ベース部の知識を取り出し、前記推論機構部の機
能を用いて多段推論を行う作業領域部と、多段推論の結
果が利用者の満足する結果であるかを評価するファジィ
評価知識ベース部と、前記作業領域部においてデータに
適合する各ルールの前件部の適合度合を記憶するための
前件部適合度合記憶部と、特定個数のルールの前件部の
適合度合を前記前件部適合度合記憶部から取り出し、適
合度合の高い順に推論ルールを探索する横型探索計算部
と、前記ファジィ評価知識ベース部の評価値が満足でき
るまで前記横型探索計算部を用いてルールを探索し、多
段推論を繰り返し実行させる評価管理部とを具備する多
段ファジィ推論装置。
（２）　あらかじめ定められたルール群に従ってファジ
ィ推論と二値論理の推論とを実行する推論機構部と、前
記ルール群がファジィ推論、および二値論理の推論が可
能なプロダクションルールからなる知識源を構成し、そ
の知識源を複数個もつルール知識ベース部と、前記ルー
ル知識ベース部の知識を取り出し、前記推論機構部の機
能を用いて多段推論を行う作業領域部と、多段推論の結
果が利用者の満足する結果であるかを評価するファジィ
評価知識ベース部と、特定のルールに注目し、そのルー
ルに関し多段推論を可能な限り行い、多段推論が不可能
になった場合にはそのルールが属する知識源の中の他の
ルール、またはその知識源が導かれた親知識源で、その
ルールの次に前件部の適合度が高いルールを探索する縦
型探索計算部と、前記ファジィ評価知識ベース部の評価
値が満足できるまで前記縦型探索計算部を用いてルール
を探索し、多段推論を繰り返し実行させる評価管理部と
を具備する多段ファジィ推論装置。
（３）　あらかじめ定められたルール群に従ってファジ
ィ推論と二値論理の推論とを実行する推論機構部と、前
記ルール群がファジィ推論、および二値論理の推論が可
能なプロダクションルールからなる知識源を構成し、そ
の知識源を複数個もつルール知識ベース部と、前記ルー
ル知識ベース部の知識を取り出し、前記推論機構部の機
能を用いて多段推論を行う作業領域部と、多段推論の結
果が利用者の満足する結果であるかを評価するファジィ
評価知識ベース部と、過去に推論を行ったルールの前記
ファジィ評価知識ベース部の評価値を記憶する評価値記
憶部と、推論の過程を記憶する推論過程記憶部と、バッ
クトラック開始後に順次発生する探索先として、現在、
推論を実行しているルールが導かれた親ルールを前記推
論過程記憶部から取り出し、そのルールの後件部の中で
、前記評価値記憶部の評価値が現在の評価値に次ぐ知識
源の探索命令を発見する最良解探索計算部と、前記ファ
ジィ評価知識ベース部の評価値が満足できるまで前記最
良解探索計算部を用いてルールを探索し、多段推論を繰
り返し実行させる評価管理部とを具備する多段ファジィ
推論装置
（４）　あらかじめ定められたルール群に従ってファジ
ィ推論と二値論理の推論とを実行する推論機構部と、前
記ルール群がファジィ推論、および二値論理の推論が可
能なプロダクションルールからなる知識源を構成し、そ
の知識源を複数個もつルール知識ベース部と、前記ルー
ル知識ベース部の知識を取り出し、前記推論機構部の機
能を用いて多段推論を行う作業領域部と、多段推論の結
果が利用者の満足する結果であるかを評価するファジィ
評価知識ベース部と、過去に推論を行ったルールの前記
ファジィ評価知識ベース部の評価値を記憶する評価値記
憶部と、バックトラック開始後に順次発生する探索先と
して、現在、推論を実行しているルールが導かれた親知
識源の中で現在のルールの次に前記評価値記憶部の値が
高いルールを探索する最大評価値探索計算部と、前記フ
ァジィ評価知識ベース部の評価値が満足できるまで前記
最大評価値探索計算部を用いてルールを探索し、多段推
論を繰り返し実行させる評価管理部とを具備する多段フ
ァジィ推論装置
（５）　あらかじめ定められたルール群に従ってファジ
ィ推論と二値論理の推論とを実行する推論機構部と、前
記ルール群がファジィ推論、および二値論理の推論が可
能なプロダクションルールからなる知識源を構成し、そ
の知識源を複数個もつルール知識ベース部と、前記ルー
ル知識ベース部の知識を取り出し、前記推論機構部の機
能を用いて多段推論を行う作業領域部と、多段推論の結
果が利用者の満足する結果であるかを評価するファジィ
評価知識ベース部と、過去に推論を行ったルールの前記
ファジィ評価知識ベース部の評価値を記憶する評価値記
憶部と、データに適合する各ルールの前件部の適合度と
前記評価記憶部の評価値との演算を行う指標演算部と、
バックトラック開始後に順次発生する探索先として、現
在、推論を実行しているルールが導かれた親知識源の中
で現在のルールの次に前記指標演算部の演算結果が高い
ルールを探索する最大演算結果探索計算部と、前記ファ
ジィ評価知識ベース部の評価値が満足できるまで前記最
大演算結果探索計算部を用いてルールを探索し、多段推
論を繰り返し実行させる評価管理部とを具備する多段フ
ァジィ推論装置。
（６）　請求項５において、指標演算部での演算を乗算
を行うことによって、評価を実行させることを特徴とす
る多段ファジィ推論装置。
（７）　請求項５において、指標演算部での演算を２数
のうち、小さい方を取るｍｉｎ演算を行うことによって
、評価を実行させることを特徴とする多段ファジィ推論
装置。