本發明公開了一種面向內存受限環境的高性能規則匹配方法。其步驟為：1)將目標領域的規則集解析生成RETE網絡；2)對于一待處理的事實數據F，將該事實數據F依次與該RETE網絡中各個節點的約束進行匹配，直至葉子節點或沒有滿足約束的節點，獲取與該事實數據F匹配的推理結果。該方法可在內存資源受限的嵌入式環境下完成規則與大量實時數據的匹配，使得在具有高速的規則匹配的同時，有效降低了所需要的內存資源。該方法適用于各種實時嵌入式系統，從而擴大了規則推理系統的應用范圍。

技術領域

本發明屬于規則系統和實時技術領域，具體涉及一種面向內存受限環境的高性能規則匹配方法。

背景技術

實時反應式系統(RTRS)具有主動行為，它可以通過一系列傳感器采集外部環境數據，對連續不斷的事件流進行監視，從中識別出需要關注的場景，并進行自動決策，從而實時地執行動作對識別出的場景做出響應。近幾年來，實時系統已被用于社會生活的各個方面，并在醫療、工業、軍事、通信和運輸方面發揮了重要作用，比如生產過程監控、高速列車在線故障診斷、電網自愈控制以及金融交易風險預警等。由于在大多數實時反應式系統中自動化的功能需求越來越復雜，對智能化的需求日益增加，將規則推理技術結合到實時反應式系統中變得越發迫切。規則推理將領域知識表示為規則，通過規則與事實的匹配，觸發并執行規則，從而進行自動決策，它已被廣泛應用于醫療診斷、地質勘探、智能決策等各種專家系統中。

一些主流的規則引擎，如JBoss Drools Fusion(參考https://www.drools.org/)和CLIPS(參考http://clipsrules.sourceforge.net/)，也提供了豐富的功能，可以自動化實時反應式系統中的功能，并已廣泛應用于醫院信息系統和工業環境。但是實時反應系統通常在計算資源非常有限的嵌入式環境中執行，例如車載異常診斷系統，它通過測量一些物理因素如溫度、速度和壓力，來發現所有通過規則預先定義好的潛在的異常情況和產生原因。在這種內存受限的操作系統中，RAM大小可能不超過4GB，因此為規則引擎保留的運行時內存很可能很小。由于受到運行環境的內存約束以及快速響應的性能挑戰，實時反應式系統中規則推理引擎需要滿足運行時的低內存消耗以及高性能響應。但是，上述的主流規則推理引擎都無法滿足此要求，它們要么需要相當大的運行時內存，要么響應速度達不到實時反應式系統的需求。

發明內容

針對規則推理系統現有技術的不足，本發明提供一種新的面向內存受限環境的高性能的規則匹配方法，可在快速完成規則與數據匹配的同時，盡可能少的消耗內存資源。

其具體步驟如下：