相对于一般的基于规则的专家系统,置信规则库(Belief Rule Base,BRB)专家系统在决策过程中,不仅能够处理确定性信息,而且也能够较好地处理模糊不确定及概率不确定等不确定信息。BRB专家系统可以有效地利用定量信息和定性知识实现复杂系统的建模。目前,BRB专家系统广泛应用于决策支持、不确定性推理、故障诊断、可靠性评估、模型分类、多目标优化、目标识别和数据挖掘等领域。由于BRB专家系统参数通常由专家主观性设置,这在一定程度上限制了置信规则库专家系统对非线性系统的建模能力。因此,开展对BRB专家系统参数进行优化,提升BRB专家系统性能的研究,具有重要意义。人群搜索算法(Seeker Optimization Algorithm,SOA)是求解非线性连续优化问题的有效算法之一。SOA直接模拟人的智能搜索行为,可并行执行本地搜索和全局搜索,具有较强的搜索能力。鉴于SOA良好的搜索性能,针对目前还没有应用SOA优化BRB专家系统参数的研究,论文开展基于SOA的BRB专家系统建模研究。论文的主要工作如下:(1)针对BRB专家系统参数优化问题,利用SOA对BRB专家系统参数进行优化,建立SOA-BRB专家系统模型。利用SOA-BRB专家系统对烟草行业中水松纸透气度进行建模研究,以实例验证了SOA-BRB专家系统的可行性。仿真实验结果表明,SOA对BRB专家系统参数优化的效果优于基于梯度的传统数学规划方法(Fmincon函数)、粒子群算法(PSO)的优化效果。(2)针对BRB专家系统中现有参数约束调整策略不够准确的问题,提出一种更加有效的约束调整策略。此外,为增强SOA的性能,提出一种自适应的步长更新策略用于SOA-BRB专家系统。以水松纸透气度建模为例,用实验验证了基于所提约束调整策略和步长更新策略的BRB专家系统的可行性和有效性。(3)针对SOA快速收敛的特性影响BRB参数优化的精确度问题,提出一种带自适应更新策略的SOA以优化BRB专家系统参数。以水松纸透气度检测和油浸式变压器故障诊断为例,分别验证所提算法的可行性和有效性。论文以置信规则库专家系统为研究对象,针对系统参数通常由专家设置,从而制约置信规则库专家系统性能的问题,提出基于人群搜索算法的BRB专家系统参数优化方法、参数约束调整策略和自适应步长更新策略,仿真实验结果表明,所提方法和策略能够有效提升置信规则库专家系统的性能。