ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ ＡＮＤ ＩＤＥＮＴＩＦＩＣＡＴＩＯＮ ＴＥＣＨＮＩＱＵＥＳ 人工智能及识别技术 基于人工智能的网络故障诊断研究综述 刘观良。赵万能，仝麦智 （９５８７６部队，甘肃张掖７３４１００） 摘要：随着网络结构和功能的日益复杂，高效、准确地进行网络故障诊断越来越困难。基于人工智能的故障诊断 方法为网络故障诊断提供了新的解决方案。针对网络系统故障的特点，分析了基于专家系统、模糊逻辑、神经网络 和多智能体系统的网络故障诊断方法的原理、特点和应用。对智能化网络故障诊断研究的发展趋势进行了展望。 关键词：网络故障诊断。９专家系统；模糊逻辑；神经网络。９多智能体 Ｏｖｅｒｖｉｅｗ ｏｆ Ｎｅｔｗｏｒｋ Ｆａｕｌｔ Ｄｉａｇｎｏｓｉｓ Ｒｅｓｅａｒｃｈ Ｂａｓｅｄ ｏｎ Ａｒｔｉｉｃｉｆａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ＬＩＵ Ｇｕａｎ－ｌｉａｎｇ，ＺＨＡＯ Ｗａｎ－ｎｅｎｇ。ＴＯＮＧ Ｍａｉ—ｚｌｌｉ （Ａｒｍｙ９５８７６，Ｇａｎｓｕ Ｚｈａｎｇｙｅ ７３４１００） Ａｂｓｔｒａｃｔ：Ｗｉｔｈ山ｅ ｇｒａｄｕａｌ ｃｏｍｐｌｉｃａｔｉｏｎ ｏｆ ｔｈｅ ｓｔｒｕｃｔｕｒｅ ａｎｄ ｆｕｎｃｔｉｏｎ ｏｆ ｎｅｔｗｏｒｋ ｓｙｓｔｅｍ．ｗｈｉｃｈ ｌｅａｄ ｔｏ ｄｉａｇｎｏｓｅ ｏｆ ｃｏｍｐｌｅｘ ｎｅｔｗｏｒｋ ｆａｕｌｔ ｅｆｆｉｃｉｅｎｔｌｙ ａｎｄ ｅｘａｃｔｌｙ ｍｏｒｅ ｈａｒｄｌｙ．Ｔｈｅ ｔｅｃｈｎｏｌｏｇｙ ｏｆ ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｄｅｖｅｌｏｐｓ ａ ｎｅｗ ｗａｙ ｆｏｒ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｏｆ ｃｏｍｐｌｅｘ ｎｅｔｗｏｒｋ．Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｎｅｔｗｏｒｋ ｓｙｓｔｅｍ ｆａｕｌｔｓ，ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｓｅｓ ｔｈｅ ｔｈｅ— ｏｒｙ，ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｂａｓｅｄ ｏｎ ｅｘｐｅ￣ｓｙｓｔｅｍ，ｆｕｚｚｙ ｌｏｇｉｃ，ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ａｎｄ ｍｕｌｔｉ—ａｇｅｎｔ ｓｙｓｔｅｍ．Ｆｉｎａｌｌｙ ｔｈｅ ｐｒｏｓｐｅｃｔ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｎｅｔｗｏｒｋ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｒｅｓｅａｒｃｈ ｉｓ ｏｖｅｒｌｏｏｋｅｄ． Ｋｅｙ ｗｏｒｄｓ：ｎｅｔｗｏｒｋ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ；ｅｘｐｅ￣ｓｙｓｔｅｍ；ｆｕｚｚｙ ｌｏｇｉｃ；ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｍｕｌｔｉ—ａｇｅｎｔ １ 引言 随着计算机技术和网络技术的飞速发展和广泛应用，现 代计算机网络的规模越来越庞大，结构和功能越来越复杂。 当网络出现故障时，要求在最短的时间内，正确地判断出网 络故障的位置、类型和原因。以便及时对故障进行修复。面 对庞大、复杂的计算机网络，仅以人工方式很难处理网络中 出现的各种故障。如何高效、准确地进行网络故障的定位、 排除和恢复，是网络管理面临的重要课题。由于缺乏精确的 数学模型和算法．传统的故障检测和诊断方法难以进行有效 可能对应多个故障。 （４）不确定性：系统的故障和征兆具有随机性、模糊性 和某些信息的不确定性。 对于复杂网络系统的故障诊断，由于其功能单元很多， 各个单元及层次都有可能产生不同的故障．网络故障的巨大 数量和复杂性使得很难对其进行精确状态描述和完整模拟。 采用传统的故障检测方法难以实时、准确地判别出故障原因。 因此，近年来基于人工智能的故障诊断方法的发展应用为复 杂系统网络故障诊断提供了新的方法．下面对各种基于人工 处理，人工智能的理论方法和工具为解决上述问题提供了新 智能技术的故障诊断方法及其在网络故障诊断中的应用进行 综述。 的方法。在分析网络故障基本特征的基础上，总结分析了基 于专家系统、模糊逻辑、神经网络和多智能体系统的故障诊 断方法的原理、优缺点及在网络故障诊断中的应用。最后对 智能化网络故障诊断技术的发展趋势进行了展望。 随着网络结构和功能的Ｅｔ益复杂，越来越困难。基于人 工智能的网络故障诊断方法为复杂网络故障诊断提供了新的 解决方案。 ３人工智能技术在网络故障诊断中的应用 人工智能技术是利用计算机实现通常与人类智能有关的 功能，如判断、推理、证明、识别、感知、理解、设计、思 考、规划、学习和为题求解等思维活动口１。基于人工智能的故 障诊断方法主要有专家系统、模糊逻辑、神经网络和多智能 体系统（Ｍｕｌｔｉ—ａｇｅｎｔ ｓｙｓｔｅｍ，ＭＡＳ）等方法。 ２网络故障基本特征分析 大型网络系统故障作为一种复杂系统故障具有如下的特 征： ３．１专家系统在网络故障诊断中的应用 专家系统是一种模拟人类专家解决领域问题的计算机程 序系统。专家系统能够运用人类专家的知识和解决问题的方 法进行推理和判断，模拟人类专家决策过程，来解决该领域 的复杂问题［２１。 （１）层次性：网络系统在结构上由物理层、数据链路层、 网络层和应用层组成．从而形成其功能的层次性，因此其故 障和征兆也具有层次性 （２）传播性：纵向传播，指物理层的故障相继引起数据 链路层、网络层和应用层的故障；纵向传，指故障在同一层 次传播。 （３）相关性：某一故障可能对应若干征兆：某一征兆也 作者简介：刘观良（１９８５一），男，助理工程师，硕士，研究 方向：计算机应用；赵万能，助理工程师，硕士；仝麦智， 助理工程师，本科。 收稿日期：２０１３—０２—１１ 电脑编程技巧与维护 基于产生式规则的专家系统是构建专家系统最常用的方 法．基于产生式规则的故障诊断专机系统是根据以往专家诊 断的经验．将其归纳成规则，通过启发式经验知识进行故障 诊断Ｉ３］。基于规则的专家系统具有知识表示直观、形式统一、 易于理解和解释方便等优点。但是复杂网络系统故障征兆与 原因之间的联系相当复杂。通过归纳专家系统来获取规则， 存在知识获取困难、容易产生规则冲突、组合爆炸等问题。 针对基于产生式规则的网络诊断专家系统知识表示方法 不完备和知识获取方法不灵活等问题，刘培奇等 提出一种具 有自然语言接Ｅｌ的网络故障诊断专家系统设计模型．采用概 念图和产生式规则相结合的扩展产生式规则知识表示（ＥＰＲ 方法），可以将Ｉｎｔｅｒｎｅｔ上有关故障问题的汉语语句转换成概 念图．经过专家系统推理后，将推理结果和推理过程转换成 汉语输出。 ３．２基于模糊逻辑的网络故障诊断法 在网络故障诊断中，有些故障和征兆之间的关系往往是 模糊的．故障与征兆之间的关系很难用精确的数学模型来表 示，这些故障称为不确定性故障。模糊逻辑提供了表达和处 理模糊状态的机制．能够处理网络故障诊断中的不确定性信 息。 模糊诊断方法利用集合论中的隶属度函数和模糊关系矩 阵的概念来解决故障和征兆之间的不确定性关系。基于模糊 逻辑的故障诊断首先需要构造隶属度函数，然后建立故障现 象和征兆之间的模糊关系矩阵，再通过模糊关系方程进行故 障诊断．得出结论。另一种方法是利用隶属度函数，建立故 障与征兆之间的模糊知识库，再进行模糊逻辑推理。 基于模糊逻辑的故障诊断方法具有启发性，类似人类思 维过程，能够处理不确定性故障。但故障征兆和原因之间的 模糊关系较难确定，隶属度转换困难，且模糊推理知识获取 困难．推理能力依赖模糊知识库，学习能力差。 ３＿３基于神经网络的网络故障诊断法 故障诊断的核心技术就是故障诊断模式识别，人工神经 网络作为一种重要的模式识别方法，故障诊断也是其重要应 用领域 。人工神经网络是一种模拟人脑组织结构和人类认知 过程的信息处理系统。 人工神经网络在网络故障诊断中的应用主要从模式识别 的角度作为分类器进行故障诊断，以故障征兆作为神经网络 的输入：通过故障实例及诊断经验的训练和学习，用分布在 神经网络中的连接权值来表达所学故障诊断知识，以故障诊 断结果作为输出。 基于神经网络的故障诊断法具有并行分布处理、自适应、 联想记忆等优点，有利于克服专机系统知识获取瓶颈、知识 库维护困难等问题，但由于神经网络技术学习速度慢、训练 时问长、解释能力弱，从而影响了神经网络的实用性。 ３．４多智能体技术在网络系统故障诊断中的应用 利用专家系统、模糊逻辑或者神经网络方法可以解决一 些简单的故障诊断问题，但是大型网络系统是一个分布式的 复杂系统，采用单系统方法往往不能满足要求，需要多个系 １０２ 统协作共同解决问题。多智能体系统是当前人工智能研究中 的前沿和热点领域，多智能体系统是由多个可计算的智能体 组成的集合，通过对问题域的描述、分解和分配，将大的复 杂系统分解成小的、相对简单子系统，并协调各子系统并行、 相互协作的进行问题求解，适合于大规模复杂系统的故障诊 断问题求解［６１。 网络系统可以看作一个异构、分布、开放的复杂分布式 人工智能系统．因此可以利用多智能体理论和技术来研究网 络系统分布式故障诊断问题。多智能体具有自主性、分布式、 协调性，并具有自组织能力、学习能力和分解能力。但如何 将复杂网络系统合理分解以及多智能体之间的协调通信问题 是多智能体技术在网络故障诊断中面ｌ临的主要问题。 ４结语 对网络系统进行故障诊断，要根据实际情况，如故障信 息、用户需求等，选择合适的故障诊断方法，力求准确、快 速诊断故障原因。复杂网络系统由于自身结构和功能的多层 次性以及环境因素复杂等，一般故障诊断方法难以满足网络 系统故障诊断的全部任务要求。随着人工智能和模式识别技 术的发展，复杂系统的故障诊断方法也有了很大发展。基于 人工智能技术的故障诊断方法内容越来越丰富，融合各种智 能方法的故障诊断方法不断发展．如结合专家系统和神经网 络的故障诊断方法、模糊神经网络方法、模糊专家系统方法 以及分布式专家系统方法等。通过引进及其学习和数据挖掘 技术．改进现有智能诊断系统的知识获取和推理能力，也是 复杂系统故障诊断领域的发展趋势。 参考文献 『１１蔡自兴，徐光韦占．人工智能及其应用．北京：清华大学出 版社，２００４． 【２】杨兴，朱大奇，桑庆兵．专家系统研究现状与展望．计算 机应用研究，２００７，２４（５）：４． 【３】杨良士．动态系统故障诊断的新方法一专家系统．信息与 控制，１９９８，１７（５）：２６． 】刘培奇，李增智，赵银亮．扩展产生式规则的网络故障诊 断专家系统．西安交通大学学报，２００４，３８（８）：７８３． ｆ５】彭羽，樊锐，刘强．基于人工神经网络的电路故障诊断系 统．系统工程与电子技术，２００２，２４（１）：１１６． 『６１刘金昆，尔联洁．多智能体技术应用综述．控制与决策， ２００１，１６（２）：１３３．
