人工智能原理及其应用.ppt

ARTIFICIAL INTELLIGENCE 人工智能原理及其应用 GOYAL@990.NET 2001.9 第三章　确定性推理 一、推理的基本概念 定义 推理：已知事实 结论 知识推理是指在计算机或智能机器中，在知识表达的基础上，利用形式化的知识模型，进行机器思维求解问题，实现状态转移的智能操作序列。 第三章　确定性推理 基本问题：推理的方法和控制的策略 推理方法及分类 根据知识表示方式分类 “图搜索”方法 如：状态空间法、与或图 “逻辑论证”方法 如：谓词逻辑等 推理算法与推理步骤 算法：完备性 如宽度优先 步骤：不完备 如深度优先 启发式与非启发式 启发性知识：即解决问题的策略、技巧、窍门等实践经验和知识。例：瞎子爬山 第三章　确定性推理 按逻辑基础 演绎推理：一般到个别 三段论 归纳推理：个别到一般 完全归纳、不完全归纳 枚举归纳、类比归纳等 默认（缺省）推理：知识不完备 按知识的确定性 确定性推理：知识和结论都是精确的 非确定性推理 第三章　确定性推理 按推理过程的单调性 单调推理 非单调推理：加入新知识会否定原来推出的结论，使推理过程回退 控制策略及分类 推理的控制策略：指如何使用领域知识使推理过程尽快达到目标的策略。 推理策略：推理方向控制策略、求解策略、限制策略、冲突消解策略 搜索策略（第五章）：推理线路、推理效果、推理效率 第三章　确定性推理 正向推理 知识库、综合数据库、推理机 正向推理的过程（图3-1） 优点：直观。适合于诊断、监控、设计、预测等领域。 缺点；推理无明确目标，效率较低。 逆向推理 逆向推理的过程（图3-2） 优点：目标明确，效率较高 缺点：情况不明时，选择假设目标的盲目性比较大，可能多次提出假设，降低系统效率 第三章　确定性推理 混合推理 方法 先正后逆（图3-3） 先逆后正（图3-4） 双向（图3-5） 适用场合 事实不够充分 正向推理推出的结论可性度不高 希望得到更多结论 第三章　确定性推理 冲突消解策略 基本思想：对可用知识排序 特殊知识优先 新鲜知识优先 差异性大的知识优先 领域特点优先 上下文关系优先 前提条件少者优先 第三章　确定性推理 二、推理的逻辑基础 基本概念 谓词公式的解释 对所包含的常量、函数、谓词赋值 谓词公式的永真性与可满足性 非空个体域上的任一解释（在D上永真）；任何非空个体域 （永真） 谓词公式的等价性与永真蕴含性 在D上等价与等价P＜﹦＞Q ,永真蕴含P﹦＞Q 常用的等价式、永真蕴含式（牢记） 第三章　确定性推理 谓词公式的范式 前束范式： 前缀 ＋ 母式 置换与合一 已知：W1(A), ( x)(W1(x) → W2(x)) 结论：W2(A) 置换：在表达式中用置换项置换变量。 {t1/x1, t2/x2, …,tn/xn,} 第三章　确定性推理 置换的例 置换的合成 (Ls1)s2=L(s1s2) 置换一般不可交换 s1s2≠s2s1 例： 表达式P(x,g(y),c) 置换 s1={f(y)/x,z/y} s2={a/x,b/y,y/z} Ps1=P(f(z),g(z),c) Ps2=P(a,g(b),c) Ps1s2=P(f(b),g(b),c) s1s2={f(b)/x,b/y,y/z} Ps2s1=P(a,g(b),c) s2s1={a/x,b/y}