定性仿真的研究中,美国学者起步较早。70年代后期,美国XEROX实验室的John de Kleer 和Seely Brown 在设计一个电路教学系统时发现,以常规的数学模型和仿真方法难以使学生很快明白电路的工作过程,而在实际教学中,老师并不是先给出数学公式,而是先讲解电路的工作原理,采用定性的描述方法,那么是否可以用计算机来模拟这一方法呢?同样在许多的实际工作中,人们更多的是依靠这种对系统原理性的理解,而这种理解的基础就是定性知识。很多专家学者开始探索如何在数字仿真中引入定性知识。
1983年,John de Kleer 和Seely Brown发表了有关定性仿真的第一篇论文A Qualitative Physics Based On Confluence?[1],产生了巨大反响,揭开了定性仿真研究热潮的序幕。美国麻省理工学院的Kenneth D. Forbus则对定性仿真理论作了全面的总结[2];1986年美国德州大学的Benjamin Kuipers在 Qualitative Simulation”一文中提出了动态仿真算法QSIM[3],使定性仿真接近于实用。1984年人工智能杂志第一次出版了关于定性问题的专集。此后定性问题的研究成为人工智能和系统建模与仿真领域的一个热点,许多学者加入到这一研究领域中,产生了大量的研究成果。1991年,人工智能杂志又出版了有关定性推理的第二本专集,标志着该领域理论研究逐渐成熟并且向应用领域扩展。90年代以来,该领域的研究情况可谓方兴未艾,在IEEE的相关杂志上和撊斯ぶ悄軘等国际刊物上经常可以看到定性仿真方面的研究成果。国内该领域的研究起步较晚,目前从事定性理论研究的仅限于少数院校的少数研究者。
归纳推理法是定性仿真的一个新方向,它起源于通用系统理论,主要利用其中的通用系统问题求解(General System Problem Solve)技术。输入尽可能多的行为,通过归纳学习的方式,构造系统的定性模型,进行仿真研究。归纳推理法最突出的优势在于它完全不需要对象系统的结构信息,不需要预先提供任何模型。但是,这种方法需要采集大量的数据并处理和维护;而且,由于现实条件的限制,不能保证归纳的完备性。
朴素物理方法在理论和应用上发展得最为成熟,它兴起于一些人工智能专家对朴素物理系统的定性推理研究。根据建立系统定性模型的方法,又可分为很多派别,比较有影响的有:Seely Brown和John de Kleer提出的基于摿鲾的概念的理论,K. D. Forbus 的定性过程理论,B.J.Kuipers基于约束的用定性微分方程描述的定性仿真理论等。