本体推理是指依据RDF/OWL规则计算本体的演绎闭包,例如TBox和ABox蕴含规则,是实现语义Web的关键技术之一。基于规则的本体推理效率与规则的执行顺序有着密切的关系,而规则的执行顺序取决于规则之间的依赖性。目前相关的研究工作由于整体规则的执行顺序优化程度不够高,且受限于分布式框架的计算能力,导致本体的推理效率较低,如何通过优化规则的执行顺序,提高本体的推理效率,成为亟待解决的问题。本文提出了局部最优推理方案,充分利用规则之间的依赖性,进一步优化规则的执行顺序,提高了在Spark框架下本体的推理效率。本文给出了根据规则之间的依赖关系形成的整体规则执行顺序的复杂度,将整体规则的依赖性分析分解成局部规则的依赖性分析。根据推理规则中条件和结论的数据类型特点,将所有规则分成四类:SPO类规则、Type类规则、sameAs类规则以及Schema类规则。在此基础上,深入分析了每一类规则之间的依赖关系,建立对应的依赖关系图,并给出推理效率最高的规则执行顺序集,从中选取任意一种推理效率最高的执行顺序形成一个整体的推理策略。最后,设计了并行推理算法,并且在分布式框架Spark上,实现了基于局部推理最优策略的本体推理框架RORS。在数据集LUBM200(27.6*10~6条三元组)和DBpedia(42.5*10~6条三元组)上,RORS较当前推理引擎Cichild和KP推理效率平均提升30%。综上所述,本文基于局部最优推理模型,提出了一种新的本体推理框架RORS。实验结果表明,RORS明显的提高了本体的推理效率,具有显著的性能优势。