专家系统和神经网络均为人工智能科学中的基础技术，由此而出现了不同特点的智能设计系统，即专家系统、基于人工神经网络的智能设计系统和体现复合智能的神经网络专家系统等。

　　1.专家系统（Expert System，ES）

　　专家系统是一种计算机程序，是基于知识的智能程序，是以专家的水平来完成一些重要问题的计算机应用系统，其知识库存有相当数量的权威性知识，并能运用这些知识解决特定领域内实际问题。它拥有某个领域内专家的知识经验，并能模拟专家运用这些知识，通过推理作出智能决策。专家系统擅长符号处理和逻辑推理，特别适合于解决自动计算、问诊和启发式推理等基于规则的问题。它不仅能利用定义严格的逻辑性知识，而且还能利用经验知识和启发性知识来完成工程设计任务。专家系统具有强大的解释功能，对设计推理过程和结果作出解释，这种推理过程的透明性有利于设计人员理解和使用系统的设计结果。专家系统的知识库和推理机为系统的两大组成部分，知识库的丰富和修正，不会涉及推理机程序体，这使系统更易适应不同设计环境，更易采用新的设计技术。专家系统的知识主要来源于专家的经验知识，用于求解较复杂或高难度问题，辨别有希望的求解途径，并有效地处理错误或不完全数据。

　　其本身固有的缺陷：一方面在于设计知识获取的“瓶颈”。专家系统的智能水平很大程度取决于知识的数量和质量，而实际工程设计中涉及的因素很多，很难建立一个完整全面的关系模型。有些专家的经验知识、感性知识和潜意识里运用的设计知识，要归纳和描述成计算机程序或基于规则的知识形式非常困难，甚至不能实现。即使能用计算机程序来描述专家的设计知识，相应的知识库也必然十分庞大，构造和维护非常不易。另一方面在于推理能力的相对较弱。专家系统的本质特征是基于规则的推理思维，由于逻辑推理理论还不完善，推理方法简单，控制策略不灵活，当多个设计专家的知识间发生矛盾或获取的知识间夹杂有很大干扰时，容易出现匹配冲突、组合爆炸及无穷递归等问题，使专家系统的处理能力受到很大影响。

　　2.人工神经网络（Artificial Neural Networks，ANN）

　　人工神经网络是由大量简单的神经元相互连接而成的自适应非线性动态系统。人工神经网络作为生物控制论的一个成果，其触角几乎已延伸到各个工程领域，吸引着不同专业的领域专家从事这方面的研究和开发工作，并且在这些领域中形成了新的生长点。人工神经网络从理论探索进入大规模工程实用阶段，到现在也只有短短十几年的时间。它的工作原理和功能特点接近于人脑，不是按给定的程序一步一步地机械执行，而是能够自身适应环境，总结规律，完成运算、识别和控制工作。一般人工神经网络的主要特征为：①大规模的并行处理和分布式的信息存储；②极强的自学、联想和容错能力；③良好的自适应性和自组织性；④多输入、多输出的非线性系统。这些特征使它基本符合工程的要求。

　　由于构成网络的输入层、隐含层和输出层中，同一层处理单元上层是完全并行的，只有各层间信息传递是串行的，且同层中处理单元的数目要比网络的层数多，因此神经网络的推理过程是一种典型的并行推理，速度很快，且不存在当多条规则的前提均与某一事实匹配时产生冲突的问题。这对于规模较大、构成较复杂的工程设计问题尤为有效。神经网络的推理过程只与网络自身的参数有关，其参数又可通过学习算法进行自适应训练，因此它有很强的自学和自适应能力。在工程设计中只要向它提供足够多的设计样本，经过训练后，设计知识就存在网络的互连结构中，这大大减轻了知识收集和知识库建立的负担。神经网络的知识表达采用的是一种隐式表达，它把知识蕴含于网络的互连结构与连接权中，这使工程设计中一些难以规则化或程序化的知识更易于表达出来，更易于实现经验思维。工程实际中，许多设计都是多输入多输出的决策问题，神经网络的特点使其在解决这类问题上有很大的优势。

　　然而，在工程设计应用中人工神经网络也有不足：①神经网络推理过程的不透明性，使用户只能看到输入和输出，而看不到中间的分析推理过程及其依据，无法回答用户的问诊，不利于用户理解和使用推理结果。②系统知识处理的正确性和可靠性很大程度受所选择的训练样本的限制，若样本的正交性和完备性不好，往往会使系统的性能恶化。尤其在工程设计中，样本太少，不足以反映设计规则，太多则会大大增加训练时间，这导致目前使用人工神经网络还只能实现一些较小的智能模块。③由于目前理论水平的限制，人工神经网络在实现连续型的非线性映射方面还存在精度不高的问题。

　　3.复合智能（Neural-Expert Hybrid）

　　专家系统和人工神经网络两者结合起来，实行优势互补，便构成了复合智能。表1给出了各咱系统的智能属性。在整体水平上，人的能力与人工智能系统相比，仍遥遥领先。专家系统与人工神经网络的研究都是“部分智能”，在多方面的属性是互补的：①专家系统擅长基于知识的逻辑推理、逻辑思维以及在宏观功能上模拟人的知识推理能力，其硬件结构是诺依曼（Von Neumann）式的计算机，工作机制是串行处理；人工神经网络则在知识获取、经验思维和在微观结构上模拟人的认知能力方面存在优势，其硬件结构是连接主义（Connectionism）系统，工作机制是并行处理。②利用专家系统来求解问题，若能求出解，一定是准确的和最优的，但若求不出，则彻底失败；而利用神经网络求解问题，它往往给出的是一个次最优解，并且总能得到解。③专家系统的操作特征是软件编程，主要用于求解推理学习一类问题；而神经网络的操作特征是非编程的集体计算，主要用于求解示例学习一类问题。

　　注：表中数字表示一项智能属性的水平高低，数值越小，表示性能越好。

　　在这种复合智能系统中，神经网络主要负责知识的获取与表示，实现知识的利用与推理；专家系统则负责用户接口界面、系统内部连接与协调、以及基于规则的知识处理。目前两者结合的方式主要有：分立模型、交互模型、松耦合、紧耦合及完全集成等几种。常用的复合智能系统由初始方案专家系统、用户接口、方案调整与优化神经网络及方案确定专家系统构成。其中方案专家系统由知识库和推理机组成，知识库存放与寝始方案有关的知识，一般为产生式规则，推理机可进行正向、反向双向推理；用户接口实现用户与专家以及专家系统和神经网络的接口功能，负责将专家系统得到的初试方案转换为神经网络的输入模式，以及将方案确定专家系统选择的方案传递给用户；方案调整与优化神经网络的每个输入层对应于设计性能和约束的满足程度，输出层对应设计参数的调整程度，训练时将专家的调整示例输入网络，通过自我学习得到网络参数；方案确定专家系统则按基于规则方法从神经网络通过不精确推理产生的几个可能的输出中选择出最佳的方案。