推理技术-产生式系统.pptVIP

第四章 产生式系统 产生式系统概述 产生式系统工作原理 产生式系统控制策略 产生式系统与图搜索 产生式系统评价 4.1 产生式系统概述 产生式系统(Production System): 美国数学家Post 1943年提出. 产生式(Production): 前件--后件 产生式系统的组成: 产生式规则库(知识库) 动态数据库(工作存储器,综合数据库) 推理机(控制器,规则解释器) AI系统中最普遍被采用的系统结构形式. 产生式系统的基本结构 医疗产生式系统 产生式规则的逻辑推理模式是假言推理和三段论推理 4.2 产生式系统的工作原理 工作周期: 匹配, 选择, 执行三个阶段组成 冲突消解策略 按匹配成功次序选择 : 优先选择最先匹配成功的规则. 按优先权选择 : 优先选择优先权最高的规则. 按详细程度选择 : 优先选择前提部分描述最详细的规则. 按执行次序选择 : 优先选择最近执行的规则. 按新事实选择 : 优先选择与数据库中最新事实有关的规则. 按是否使用过选择 : 优先选择没有使用过的规则. 4.3 产生式系统控制策略 搜索策略: 不可撤回策略, 回朔策略 冲突消解策略： 推理方式: 正向推理, 反向推理, 正反向混合 正向推理 规则的一般形式: P1 -- P2 ; P2 -- P3 正向推理 : 正向使用规则的推理过程. 从初始状态(初始事实/数据)到目标状态(目标条件)的状态图搜索过程. 又称数据驱动, 自底向上, 前向, 正向连推理. 正向推理算法 : 无信息, 启发式 正向推理举例 : 动物分类 正向推理算法一(无信息搜索) Step1 : 将初始事实置入动态数据库; Step2 : 用动态数据库中的事实匹配/测试目标条件, 若满足, 则推理成功, 结束. Step3 : 用规则库中各规则的前提匹配动态数据库中事实,将 匹配成功的规则组成冲突规则集; Step4 : 若冲突规则为空,则运行失败, 退出. Step5 : 将冲突规则集中各规则的结论加入动态数据库,或者 执行其动作, To Step2; 正向推理算法一(启发式搜索) Step1 : 将初始事实置入动态数据库; Step2 : 用动态数据库中的事实匹配/测试目标条件, 若满足, 则推理成功, 结束. Step3 : 用规则库中各规则的前提匹配动态数据库中事实,将 匹配成功的规则组成冲突规则集; Step4 : 若冲突规则为空,则运行失败, 退出. Step5 : 用某种冲突消解策略, 选出一条规则; Step6 : 将所选规则的结论加入动态数据库,或者执行其动作, To Step2; 反向推理 规则的一般形式: P1 -- P2 ; P2 -- P3 反向推理 : 反向使用规则的推理过程. 从目标状态(目标条件)到初始状态(初始事实/数据)的与或图解搜索过程. 又称目标驱动, 自顶向下,后向, 反向连推理. 反向推理算法 : 无信息, 启发式 反向推理举例 : 动物分类 反向推理算法 Step1 : 将初始事实置入动态数据库, 目标条件置入目标链; Step2: 若目标链为空, 则推理成功, 结束. Step3: 取出目标链中第一个目标, 用动态数据库中的事实与 其匹配, 若匹配成功, To Step2; Step4 : 用规则集中的各规则的结论同目标匹配, 成功则将第 一个匹配成功且未用过的规则的前提作为新目标, 取 代父目标加入到目标链, To Step3; Step5 : 若目标是初始目标, 则推理失败, 退出. Step6 : 将该目标的父目标移回目标链, 取代该目标及其兄弟目标, To Step3; 产生式系统举例——动物分类问题 动物分类产生式系统 R1: 有奶--哺乳动物; R2: 毛发--哺乳动物; R3: 羽毛--鸟; R4: 会飞,生蛋--鸟; R5: 哺乳动物,有爪, 有犬齿,目盯前方--食肉动物; R6: 哺乳动物,食肉--食肉动物; R7:哺乳动物,有蹄--有蹄动物; R8: 有蹄动物,反刍食物--偶蹄动物; R9:食肉动物,黄色褐,黑色条纹--老虎; R10:食肉动物,黄褐色,黑色斑点--金钱豹; R11: 有蹄动物,长腿,长脖子,黄色褐,有暗斑点--长颈鹿; R12: 有蹄动物,长腿,白色,黑色条纹--斑马; R13: 鸟,不会飞,长腿,长脖子,黑白色--鸵鸟; R14: 鸟,不会飞,会游泳,黑白色--企鹅; R15:鸟,善飞,不怕风浪--海鸥; 动物分类正向推理树 动物分类反向推理树 为什么要采用产生式系统 （1）用产生