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。

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�司資產(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�量知識，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。

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.

THE SUMMARY OF THE QUALITATIVE SIMULATION

FANG Gang

(Hefei Worker University 230011)

Abstract In this article,we first introduce the objective of the qualitative simulation ,its different theory fields.Second, we give some cases of its application.At the end, we discuss the development of the qualitative simulation.

Key words qualitative simulation, qualitative model