[发明专利]一种面向内存受限环境的高性能规则匹配方法

说明书

本发明公开了一种面向内存受限环境的高性能规则匹配方法。其步骤为：1)将目标领域的规则集解析生成RETE网络；2)对于一待处理的事实数据F，将该事实数据F依次与该RETE网络中各个节点的约束进行匹配，直至叶子节点或没有满足约束的节点，获取与该事实数据F匹配的推理结果。该方法可在内存资源受限的嵌入式环境下完成规则与大量实时数据的匹配，使得在具有高速的规则匹配的同时，有效降低了所需要的内存资源。该方法适用于各种实时嵌入式系统，从而扩大了规则推理系统的应用范围。

技术领域

本发明属于规则系统和实时技术领域，具体涉及一种面向内存受限环境的高性能规则匹配方法。

背景技术

实时反应式系统(RTRS)具有主动行为，它可以通过一系列传感器采集外部环境数据，对连续不断的事件流进行监视，从中识别出需要关注的场景，并进行自动决策，从而实时地执行动作对识别出的场景做出响应。近几年来，实时系统已被用于社会生活的各个方面，并在医疗、工业、军事、通信和运输方面发挥了重要作用，比如生产过程监控、高速列车在线故障诊断、电网自愈控制以及金融交易风险预警等。由于在大多数实时反应式系统中自动化的功能需求越来越复杂，对智能化的需求日益增加，将规则推理技术结合到实时反应式系统中变得越发迫切。规则推理将领域知识表示为规则，通过规则与事实的匹配，触发并执行规则，从而进行自动决策，它已被广泛应用于医疗诊断、地质勘探、智能决策等各种专家系统中。

一些主流的规则引擎，如JBoss Drools Fusion(参考https://www.drools.org/)和CLIPS(参考http://clipsrules.sourceforge.net/)，也提供了丰富的功能，可以自动化实时反应式系统中的功能，并已广泛应用于医院信息系统和工业环境。但是实时反应系统通常在计算资源非常有限的嵌入式环境中执行，例如车载异常诊断系统，它通过测量一些物理因素如温度、速度和压力，来发现所有通过规则预先定义好的潜在的异常情况和产生原因。在这种内存受限的操作系统中，RAM大小可能不超过4GB，因此为规则引擎保留的运行时内存很可能很小。由于受到运行环境的内存约束以及快速响应的性能挑战，实时反应式系统中规则推理引擎需要满足运行时的低内存消耗以及高性能响应。但是，上述的主流规则推理引擎都无法满足此要求，它们要么需要相当大的运行时内存，要么响应速度达不到实时反应式系统的需求。

发明内容

针对规则推理系统现有技术的不足，本发明提供一种新的面向内存受限环境的高性能的规则匹配方法，可在快速完成规则与数据匹配的同时，尽可能少的消耗内存资源。

其具体步骤如下：