人工智能第2章2014.pptVIP

知识表示 知识是一切智能行为的基础，也是软件智能化的重要研究对象。要使软件具有智能，就必须使它具有知识，而要使软件具有知识，首先必须解决知识的表示问题。 所谓知识表示实际上就是对知识的一种描述，即用一些约定的符号把知识编码成一组计算机可以接受的数据结构。所谓知识表示过程就是把知识编码成某种数据结构的过程。 一般来说，同一知识可以有多种不同的表示形式，而不同表示形式所产生的效果又可能不一样。 常用的知识表示方法 第二章 产生式系统 2.1 产生式系统概述 一、产生式系统的定义 产生式系统是人工智能系统中常用的一种程序结构，是一种知识表示系统。 通常由以下三部分组成： 综合数据库 产生式规则集 控制系统 一、产生式系统的定义 控制系统： （1）选择规则： 对同一个状态的多个可用规则排序。 （2）检验状态描述是否满足终止条件。 如果满足终止条件，则终止产生式系统的运行， 并用使用过的规则序列构造出问题的解。 二、产生式系统的例 八数码难题 由8个标有1－8的棋子和一个3×3的棋盘组成。把8个棋子放在棋盘里，形成一个初始状态，然后移动棋子，想办法达到规定的目标状态。在移动棋子时，只能把棋子移进相邻的空格中。 图2.1 八数码难题的初始状态与目标状态 三、产生式系统的基本过程 Procedure PRODUCTION DATA←初始状态描述 until DATA 满足终止条件，do： begin 在规则集合中，选出一条可用于DATA的规则R DATA←把R应用于DATA所得的结果 End 产生式系统的特点 一、模块性强。综合数据库、规则集和控制系统相 对独立，程序的修改更加容易。 二、各产生式规则相互独立，不能互相调用，增加 一些或删去一些产生式规则都十分方便。 三、产生式规则的形式与人们推理所用的逻辑形式 十分接近，人们具有的知识转换成产生式规则 很容易，产生式规则也容易被人们读懂。 DENDRAL和MYCIN都采用了产生式系统的结构。 2.2 控制策略 产生式系统的控制策略分为两类： 不可撤回的控制策略 试探性控制策略：回溯方式和图搜索方式 一、不可撤回的控制策略（瞎子爬山法） 不可撤回控制策略的优点 1. 只记录当前一个节点，空间复杂性很低。 2. 若能找到解，则速度很快。 不可撤回控制策略的局限性 多数情况下找不到解。原因： (a) 爬山函数有多个局部极大值 例如： 目标 0 初始 -2 (b) 爬山函数具有“平顶值” 解决方法：设计更好的爬山函数；选多余规则 二、回溯控制策略 回溯方式是一种试探性的控制策略。（类似深度优先） 基本思想 控制系统先选用一条规则，如果发现这条规则的选用不能导致产生解，则系统“忘掉”选用规则所涉及的步骤和产生的状态，然后选用另外一条规则，重新进行试探。 回溯方法特点 1.只存储初始节点到当前节点的路径，占用空间较小。 2. 总的时间复杂性无法定论: 最好情况复杂性很低：当控制系统掌握较多的有关解的知识时，则回溯次数大为减少，效率高。 最坏情况复杂性很高：当控制系统一点也没掌握有关解的知识时，则规则选取是任意的，回溯次数高，效率低。 为了避免进入无限的境地，设置回溯深度限制强行回溯，问题：太深：效率低；太浅：可能找不到解。 3. 当深度限制可变时，通常能找到解，是实际用得多、应用最广的一种搜索策略。 四条规则使用顺序：左、上、右、下（可加入启发式信息，如使用爬山函数安排规则的顺序）深度：6控制策略：回溯式回溯条件：⑴ 产生了一个上溯到初始状态的路径上出现过的状态时（产生了祖先节点）。⑵ 无可用的规则。⑶ 达深度未得解。  （1） （5） （6） （5） （2） （6） （7） （6） （3）