● 摘要
随着计算机使用的普及，互联网上产生的数据越来越多，需要处理的问题也越来越复杂，虽然计算机硬件与软件性能都在不断提高，但是计算机要处理复杂问题需要很长时间。在分布式网络环境下，一些复杂问题可能需要多台计算机协同工作才能解决。为了解决这些问题，首先要对复杂问题进行分解。任务分解是使复杂问题简单化的过程，合理的分解能使任务的复杂度大为减少，分解后的子任务集合需要多台计算机协同完成。
基于多主机的协同控制系统成为了研究的热点，简单的协同控制系统不能自动的智能的分解任务。为了能自动的做出智能的协同策略，本文把知识库引入协同控制系统，利用知识库的专家知识和有效的知识推理，为协同控制系统进行任务分解，从而解决复杂问题。
随着知识库中知识的不断扩充，一些不确定的复杂知识不能用简单规则来表示。这种不确定性大多是由模糊性引起的，对于这种很难用传统的二值逻辑进行精确处理的情况，模糊技术给出了一套表达这种模糊性信息的理论和方法，从而实现将自然语言转化为可以进行量化表示的信息。例如使用模糊集方法可将本体扩展为不精确本体，从而实现对不精确知识的表示。因此本文采用将模糊技术与知识库结合以构成模糊知识推理结构，用来处理信息的不确定性。
为了能够解决复杂问题，本文主要研究了以下几个方面内容：
(1) 研究知识库的知识表示和知识推理，总结知识表示的方法：逻辑表示法、产生式表示法、框架表示法、面向对象表示法、web语义表示法和本体表示法。研究知识推理的策略与机制，分析正向推理和反向推理的优缺点，设计适合本文的推理策略。研究模糊数学逻辑，分析模糊推理模型并总结相应的推理方法。重点研究基于规则的知识表示方法，将模糊逻辑与知识推理相结合，提出了基于可信度的模糊规则表示方法，并且给出基于简单规则和复杂规则的模糊推理方法。
(2) 研究任务分解算法，构建任务模型，提出了七元组的任务模型。根据任务分解的原则，本文的任务分解按照独立性原则、分层原则、还原性原则、均衡性原则和终止性原则进行。本文考虑任务执行者的特征，结合任务的特征，提出了基于智能体的任务分解算法，并给出相应的任务分解流程和伪代码描述。
(3) 研究CLIPS专家系统开发工具，设计了基于CLIPS的知识库系统总体框架，并给出了各个模块的划分。扩展CLIPS功能，将模糊推理技术与知识库系统相结合，使知识库具有模糊推理的能力。设计了友好的知识获取界面，包括事实获取、规则获取和定义模板界面，同时还设计了模糊推理界面，更好的呈现了推理过程和结果。实现了任务分解知识库的主要数据结构和接口，并以软件开发任务为实例，进行了任务分解，成功的将复杂的软件开发任务分解成了多个简单的任务，使任务的执行一目了然，人员的分工也更加清楚。