专家系统很可能得到两个冲突的建议，特别是在大型和复杂的知识库中。这些知识库包含了成百条规则，并且在规则中包含了许多不同的相互作用（对此，设计者常常不能预见）。在我们的股票选择实例中，基于以下两个最初事实，专家系统将产生两个冲突的建议。

1）S&P500出现小幅变动；

2）在原油价格上增25%。

当使用前向链的时候，专家系统可能采取的一条路径可能是如下的规则顺序：

1）R6可能从初始事实S&P500出现小幅变动推断出市场是横向整盘的事实。

2）R3可能从市场是横向整盘的事实推断出观望市场。

因而，专家系统将建议用户不要进入市场（保留现金）。

通过知识库的另一个可能的路径就是运作下面的规则顺序：

1）R7将从原油价格增长25%的事实推断出原油价格会很高的事实。

2）R8将从原油价格很高的事实推断出能源部门领域会走强。

3）R9将从原油价格很高的事实推断出运输部分领域会走弱。

4）R10将能源部门走强的事实推断出购买能源部门的股票。

5）R13将从交通部门走弱的事实推断出做空交通部门的股票。

6）R11将从购买能源部门股票的事实推断出购买埃克森美孚石油公司（Exx-onMobil）的股票的建议。

7）R12将从购买能源部门股票的事实推断出购买英国石油公司（BP公司）股票的建议。

8）R14将从做空交通部门股票的事实推断出做空联合航空公司（United Air-lines）股票的建议。

9）R15将从做空交通部门股票的事实推断出做空美国航空公司股票的建议。

通过执行这种推理一系列全部9个规则，专家系统不是做出了1个建议，而是给出了4个最终建议：（1）购买埃克森美孚石油公司股票；（2）购买英国石油公司股票；（3）做空联合航空公司股票；（4）做空美国航空公司股票。这4个建议并不冲突，这是因为对以一个投资者可能购买多种股票并且做空多种股票。事实上，专家系统能够做出多种操作股票建议是很好的事情（毕竟，人类专家能够为我们做出这些建议）。然而，这4个建议与前面做出的建议相矛盾：这就是远离市场。

我们如何解决冲突的建议这一问题呢？这里至少有4个清楚的可能性：

1）调整规则，以便你能够消除冲突建议的可能性。

2）给规则分配优先值，这样，具有最高优先级的规则可以比具有较低优先级的规则先执行。

3）执行控制策略，当执行规则的时候这一策略能够对推理机进行控制。(www.daowen.com)

4）基于规则自身的特性确定需要先执行哪一个规则。

能够去调整专家系统的规则，以便不会产生冲突的建议。例如，我们将R3改变成如下形式：

R3.IF市场整盘AND石油价格不高

THEN观望

通过调整这些规则，专家系统将不会做出建议去观望市场，同时也从不会做出购买能源股票和短期交通股票这样冲突的建议。这一方法的优势在于它能够保证不会产生冲突的建议，而它的不足在于其极难预测所有可能的冲突，并且需要对规则进行适当的调整。此外，当你将一个条件添加到另一个条件之上以便确保他们不会产生冲突的结果的时候，规则会变得极其复杂和难于处理。在非常大的知识库中，另一种方法是更加可取的。

第二种方法是为每一规则分配优先级。因而，将会首先使用具有更高优先级的规则，同时如果不能够得到建议，那么将会考虑具有较低有优先级的规则。例如，相对于三个通常的规则（上面的簇I），我们可以将所有与油价升高（上面的簇III）有关的规则分配到更高的优先级，反之亦然。这种方法可以提供很多用途，当产生复杂的知识库的时候应该十分重视这种方法。确实，当人类专家做出建议的时候，他们常常对各种因素和信息区分优先次序：这一些情况中，当有其他一些更重要的因素存在时，他们可以完全忽略一种因素的存在。这一方法的问题是事实上并不存在一种规则的自然的优先次序，因此，人们就需要进行推断。人们可能会推断错误，因此专家系统也会做出错误的决定。这种方法的另一个不足是这种方法不会像调整单个规则那样精确。

第三种方法是实施控制策略，控制策略可以告诉推理机如何在知识库中执行规则。如果没有一些更高水平的策略，推理机就会对每一个规则进行一致的处理，这样就不会十分明白专家系统如何处理规则。可以使用控制策略将一种方案或是方法应用于问题的解决中去。例如，策略的一种类型可以以某种方式将规则归簇，并且产生如何排序簇的方案。在我们的例子中，我们可以执行如下的规则：

IF石油价格高

THEN在执行簇I规则前执行簇Ⅱ规则

将这样的规则归为超规则，这是确定解决问题的策略，或是解决问题的一种高水平方法。

这里有一个来自于专家系统的更为现实的例子，这个例子是对新霉菌素^[8]的诊断，这是MYCIN的产物。

IF（1）感染是骨盆脓肿，AND

（2）在他们的前提肠杆菌科中提到规则，同时

（3）在他们的前提中提到革兰氏阳性杆菌规则，

THEN存在证据（4）这就是在后者之前必须完成前者。

这种超规则将会在另一个目标（3）之前执行一个目标（2）。这样在之后的规则将使得专家系统的问题解决策略更加清晰，因而会从已发生的事情中预防冲突。

总体来说，对于组织一个十分复杂的知识库，使用控制策略是十分有效的办法。由于控制策略能够为专家系统（这些专家系统好像通过一些相当偶然的方法去进行决策）提供组织结构，因此建议除了最为简单的知识库外都强烈建议使用这种控制策略。在下一章中，当我们讨论通过图表使推理的过程更为明显的方法的时候，我们将更进一步思考策略知识这一问题。

解决冲突的第四种方法是基于规则自身的特点对规则进行优化。一种方法是首先执行更加具体的规则。例如，假设给了我们具有下面条件的两个规则：

R1：（A AND B AND C AND D）

R2：（A AND D）

更加具体的规则是R1，这样应该给R1更高的优先级。就给出的两个规则R1和R2，无论何时，当在R1中的条件是在R2中的条件的父集里（如同在这种情况中），那么就认为R1是更加具体的，因而应当首先执行。有一些推理机也将会通过计算规则中的条件数量去判断规则的特征：具有更多条件的规则会首先执行。另一种推理机将对数据自身进行评价，以便与其相连的数据（或者事实）具有优先值。将首先执行这些规则，其具有的条件使用了有更高优先级的数据。