第二章知识表示1ppt.ppt

第二章 知识表示 本章主要讨论知识表示问题，介绍7种知识表示方法：状态空间法、问题归约法、谓词演算法、语义网络法、框架表示、本体技术、过程表示。　　掌握状态空间法、问题归约法、谓词演算法、语义网络法的要点及其之间的关系，了解框架表示、本体技术、过程表示。 知识表示的基本概念 知识表示：研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。 知识表示可看成是一组描述事物的约定，以把人类知识表示成机器能处理的数据结构。 人工智能系统所关心的知识 事实 有关问题环境的一些事物的知识，常以“…是…”的形式出现。如事物的分类、属性、事物间关系、科学事实、客观事实等。如雪是白色的、鸟有翅膀、张三李四是好朋友、这辆车是张三的。 规则 有关问题中与事物的行动、动作相联系的因果关系知识，是动态的，常以“如果…那么…”形式出现。 控制 有关问题的求解步骤、技巧性知识，告诉怎么做一件事。 元知识 有关知识的知识，是知识库中的高层知识。包括怎样使用规则、解释规则、校验规则、解释程序结构等知识。 2.1 状态空间法 问题求解 问题求解(problem solving)是个大课题，它涉及归约、推断、决策、规划、常识推理、定理证明和相关过程的核心概念。 在分析了人工智能研究中运用的问题求解方法之后，就会发现许多问题求解方法是采用试探搜索方法的。也就是说，这些方法是通过在某个可能的解空间内寻找一个解来求解问题的。 状态空间法：基于解答空间的问题表示和求解方法，它是以状态和算符(operator)为基础来表示和求解问题的。 2.1 状态空间法 1.问题求解技术两个主要的方面 (1) 问题的表示：如果描述方法不对，对问题求解会带来很大的困难； (2) 求解的方法：采用试探搜索方法。 　　 2.状态空间法三要点 (1)状态（state） (2)算符（operator） (3)状态空间方法 2.1 状态空间法 2.1.1 问题状态描述 1.定义 状态(state)：为描述某类不同事物间的差别而引入的一组最少变量q0，q1，…，qn的有序集合，其矢量形式如下： Q=[q0,q1,…,qn]T 式中每个元素qi(i=0,1,,n)为集合的分量,称为状态变量,给定每个分量的一 组值就得到一个具体的状态,如 Qk=[q0k,q1k,…,qnk]T 式中每个元素qi(i=0,1，…，n)为集合的分量，称为状态变量。 算符：使问题从一种状态变化为另一种状态的手段称为操作符或算符。操 作符可为走步、过程、规则、数学算子、运算符号或逻辑符号等。 问题的状态空间(state space)：是一个表示该问题全部可能状态及其关系 的图，它包含三种说明的集合，即所有可能的问题初始状态集合S、操作符 集合F以及目标状态集合G。可把状态空间记为三元状态(S，F，G)。 2.1 状态空间法 2.状态空间表示详释　　让我们先用数码难题(puzzle problem)来说明状态空间表示的概念。由15个编有1至15并放在4×4方格棋盘上的可走动的棋子组成。棋盘上总有一格是空的，以便可能让空格周围的棋子走进空格，这也可以理解为移动空格。图中绘出了两种棋局，即初始棋局和目标棋局，它们对应于该下棋问题的初始状态和目标状态。　　如何把初始棋局变换为目标棋局呢？问题的解答就是某个合适的棋子走步序列，如左移棋子12，下移棋子15，右移棋子4，…等等。 2.1 状态空间法 2.状态空间表示详释 状态空间法：从某个初始状态开始，每次加一个操作符，递增的建立起操作符的试验序列，直到达到目标状态为止。 寻找状态空间的全部过程包括从旧的状态描述产生新的状态描述，以及此后检验这些新的状态描述，看是否达到了该目标状态。对于最优化问题找到任一目标状态是不够的，必须按某个准则实现最优化路径。P26 完成目标状态的三件事： １状态描述方式，特别是初始状态描述； ２操作符集合及其对状态描述的作用； ３目标状态的特性。 2.1 状态空间法 2.1.2 状态图示法  为了对状态空间图有更深入的了解，这里介绍一下图论中的几个术语和图的正式表示法。1.图论中的几个术语节点(node)：图形上的汇合点，用来表示状态、事件和时间关系的汇合，也可用来指示通路的汇合； 弧线(arc)：节点间的连接线； 有向图(directed graph)：一对节点用弧线连接起来，从一个节点指向另一个节点。 后继节点(descendant node)与父辈节点(parent node)：如果某条弧线从节点ni指向节点nj，那么节