第6章基于产生式规则的机器推理分析报告.pptVIP

第6章 基于产生式规则的机器推理 6.1.1 产生式规则 一般形式： 〈前件〉→〈后件〉 其中, 前件就是前提, 后件是结论或动作,前件和后件可以是由逻辑运算符AND、OR、NOT组成的表达式。 语义: 如果前提满足,则可得结论或者执行相应的动作, 即后件由前件来触发。 所以, 前件是规则的执行条件, 后件是规则体。 例： (1) 如果银行存款利率下调, 那么股票价格上涨。 (2) 如果炉温超过上限, 则立即关闭风门。 (3) 如果键盘突然失灵, 且屏幕上出现怪字符, 则是病毒发作。 (4) 如果胶卷感光度为200, 光线条件为晴天, 目标距离不超过5米, 则快门速度取250, 光圈大小取f16。 产生式与逻辑蕴含式 逻辑蕴含式是一种产生式。 产生式包含蕴含式、各种规则、变换、算子、函数等等。 产生式用来描述事物之间的一种对应关系，包括因果关系和蕴含关系。 如：图搜索与问题求解中的规则就是产生式规则。 一个产生式规则就是一条知识，可以进行推理及实现操作，因此，现在人工智能界一般都把产生式规则作为一种知识表示形式或方法。 6.1.2 基于产生式规则的推理模式 利用产生式规则可以实现： （1）有前提条件的指令性操作。 前件满足，则执行后部动作。 （2）逻辑推理。 若有事实与前提匹配，则得到后部结论。 6.2 产生式系统 6.2.1 系统结构 　 （1）产生式规则库 规则集 （2）推理机 控制执行机构 （3）动态数据库 存放事实，结果 6.2.2 运行过程 6.2.3 控制策略与常用算法 产生式系统从何处开始推理？ 可分为两种基本方式： （1）正向推理：从事实出发，用事实与规则前提进行匹配。 （2）反向推理：从结论出发，用规则结论与目标进行匹配。 1、正向推理 正向推理算法一： 步1 将初始事实/数据置入动态数据库。 步2 用动态数据库中的事实/数据, 匹配/测试目标条件, 若目标条件满足, 则推理成功, 结束。 步3 用规则库中各规则的前提匹配动态数据库中的事实/数据, 将匹配成功的规则组成待用规则集。 步4 若待用规则集为空, 则运行失败, 退出。 步5 将待用规则集中各规则的结论加入动态数据库, 或者执行其动作, 转步2。 例6.1 动物分类问题的产生式系统描述及其求解。 r1： 若某动物有奶, 则它是哺乳动物。 r2： 若某动物有毛发, 则它是哺乳动物。 r3： 若某动物有羽毛, 则它是鸟。 r4： 若某动物会飞且生蛋, 则它是鸟。 r5： 若某动物是哺乳动物且有爪且有犬齿且目盯前方, 则它是食肉动物。 r6： 若某动物是哺乳动物且吃肉, 则它是食肉动物。 r7： 若某动物是哺乳动物且有蹄, 则它是有蹄动物。 r8： 若某动物是有蹄动物且反刍食物, 则它是偶蹄动物。 r9： 若某动物是食肉动物且黄褐色且有黑色条纹, 则它是老虎。 r10：若某动物是食肉动物且黄褐色且有黑色斑点, 则它是金钱豹。 r11：若某动物是有蹄动物且长腿且长脖子且黄褐色且有暗斑点, 则它是长颈鹿。 r12：若某动物是有蹄动物且白色且有黑色条纹, 则它是斑马。 r13：若某动物是鸟且不会飞且长腿且长脖子且黑白色, 则它是驼鸟。 r14：若某动物是鸟且不会飞且会游泳且黑白色, 则它是企鹅。 　r15：若某动物是鸟且善飞且不怕风浪, 则它是海燕。 再给出初始事实： f1：某动物有毛发。 f2：吃肉。 f3：黄褐色。 f4： 有黑色条纹。 目标条件为： 该动物是什么？ 该系统的运行结果为： 该动物是老虎。 2) 反向推理 　　反向推理算法： 步1 将初始事实/数据置入动态数据库, 将目标条件置入目标链。 步2 若目标链为空, 则推理成功, 结束。 步3 取出目标链中第一个目标, 用动态数据库中的事实/数据同其匹配, 若匹配成功, 转步2。 步4 用规则集中的各规则的结论同该目标匹配, 若匹配成功,则将第一个匹配成功且未用过的规则的前提作为新的目标, 并取代原来的父目标而加入目标链, 转步3。 步5 若该目标是初始目标, 则推理失败, 退出。 步6 将该目标的父目标移