Metal Gear

Учитывая уже упоминавшееся узкое место в получении знаний, при практическом применении RBS-решений нужно быть уверенным в том, что по соответствующей проблеме имеется необходимый объем экспертных знаний, или, как минимум, в том, что такие знания можно достаточно легко и быстро накопить. Если это условие не выполняется, то получить работающую RBS-систему будет очень сложно.
Кроме того, предметная область должна быть такой, чтобы ее было легко представить с помощью символов, пригодных для обработки RBS-системой.
При анализе некоторых проблем можно столкнуться с тем, что решение представляет собой длинные последовательности операторов if языка C++ (например, как в случае определения рефлексивного поведения при моделировании перемещений). RBS-системы очень хорошо подходят для применения в подобных ситуациях, позволяя получать гибкие и расширяемые решения. Нередко оказывается также, что эти решения являются и весьма эффективными!
Несколько хуже RBS-системы подходят для решения задач. Об эффективности в подобных случаях можно говорить только при условии, что к заданному состоянию может привести любое из альтернативных решений (иными словами, ни одно из решений не является тупиковым), в этом случае выбор единственного правила на этапе разрешения конфликтов становится не очень важным, не говоря уже об устранении необходимости использования сложного процесса перебора.
Что касается задач управления, то RBS-системы справляются с ними достаточно хорошо только в том случае, если моделируемое поведение является рефлексивным, т.е. основанным исключительно на реакциях. Если RBS-система сталкивается с необходимостью получения дополнительного внутреннего символа с целью поддержки недетерминированности, это часто оказывается проблематичным. (В следующей главе мы рассмотрим подобную ситуацию, когда будем обсуждать моделирование поведения при следовании вдоль стены.) Если же нужно смоделировать строго определенную последовательность операций, то эффективность RBS-системы может упасть до катастрофического уровня.