AI第3章-确定性推理解读.ppt

Artificial Intelligence (AI)人工智能 表示问题是为了进一步解决问题。 有了知识的表示方法之后,就需要有解决问题的方法。 从问题表示到问题解决，有个求解过程---搜索过程。 这一过程中，需要采用适当的搜索技术，包括各种规则、过程和算 法等推理技术，力求找到问题的解答。 搜索---寻找一条从初始问题到问题解的路径。 关键是如何利用知识，尽可能有效地找到问题的解(最佳解)。 即，通过推理方法进行“解”的搜索。 一、推理的基本概念 ◇ 什么是推理 ◇ 推理方法及其分类 ◇ 推理的控制策略及其分类 ⑴、按推理的逻辑基础分类 ◇ 演绎推理 从已知的一般性知识出发，推出蕴含在已知知识中，适合于某种个别情况的 结论。是一种由一般到个别的推理方法, 其核心是三段论。 ◇ 归纳推理 一种由个别到一般的推理方法。 ◇ 类比归纳推理 在两个或两类事物有许多属性都相同或相似的基础上，推出它们在其他属性 上也相同或相似的一种归纳推理。 若两个(或两类)事物有许多属性相同或相似，推出其在其他属性 上也相同或相似。 例如，设A、B分别是两类事物的集合：A={a1,a2,…}，B={b1,b2,…} 设ai与bi总是成对出现，且当ai有属性P时，bi就有属性Q与之对应， 即：P(a i)→Q(bi) （i=1,2,…..）。 当A与B中有一新的元素对出现时，若已知a’有属性P，b’有属 性Q， 则类比归纳出结论：P(a)→Q(b) 类比归纳推理的基础是相似原理，其可靠程度取决于两个或两类 事物的相似程度,及这两个或两类事物的相同属性与推出的那个属性 之间的相关程度。 演绎推理 是在已知领域内一般性知识的前提下，通过演绎，求解一个具体问题或 者证明一个结论的正确性。其所得出的结论实际上早已蕴含在一般性知识的 前提中，演绎推理不过是将已有事实揭露出来，因而不能增值新知识。 归纳推理 所推出的结论并未包含在前提内容中。这种由个别事物或现象推出一般 性知识的过程，是增值新知识的过程。 ⑵、按推理过程所用知识的确定性分类 ◇ 确定性推理 ◇ 不确定性推理 ⑶、按推理过程推出的结论是否单调增加分类 ◇ 单调推理 ◇ 非单调推理 ⑷、按推理过程是否利用问题的启发性知识分类 ◇ 启发式推理 ◇ 非启发式推理 推理过程不仅依赖于所用的推理方法，同时也依赖于 推理的控制策略。 推理的控制策略是指如何使用领域知识，使推理过程 尽快达到目标的策略。 推理的控制策略可分为：搜索策略、推理策略。 在知识库中寻找可利用的知识，构造一条代价较小的推 理路线，主要解决推理线路、推理效果、推理效率等问题。 ① 按是否使用启发式信息可分为： ◇ 盲目搜索 ◇ 启发式搜索 ② 按问题的表示方式可分为： ◇ 状态空间搜索 ◇ 与或树搜索 包括推理方向控制、求解、限制、冲突消解等策略。 推理方向控制策略：用于确定推理的控制方向,可分为正向推理、 逆向推理、混合推理。 求解策略：指仅求一个解，还是求所有解或最优解等。 限制策略：指对推理的深度、宽度、时间、空间等进行的限制。 冲突消解策略：当推理过程有多条知识可用时，如何从多条可用 知识中选出一条最佳知识用于推理的策略。 ◇ 正向推理 从已知事实出发，正向使用推理规则。(数据驱动推理\前向链推理) 从用户提供的初始已知事实出发，在知识库中找出当前可适用的知 识，构成可适用的知识集KS；然后按某种冲突消解策略，从KS中选出一 条知识进行推理，并将推出的新事实加入到数据库DB中，作为下一步推 理的已知事实（中间事实）。 在此之后，再从知识库中选取可适用的知识进行推理。重复进行这 一过程，直到求得所要求的解。 ● 如何根据已知事实，到知识库中选取可用知识？ ● 当知识库中有多条知识可用时，应该先使用那一条知识？ 这些问题涉及到了知识的匹配方法和冲突消解策略。 优点： 比较直观，允许用户主动提供有用的事实信息，适合于诊断、设计、 预测、监控等领域的问题求解。 缺点： 推理无明确目标，求解问题时可能会执行许多与解无关的操作，导 致推理效率较低。 ◇ 逆向推理 从某个假设目标出发，逆向使用推理规则。(目标驱动\