人工智能知识点表示.ppt

产生式也称作规则，或产生式规则。 产生式一词来源于Post机, Post机是E.Post在1943年根据字符串替换规则提出的称为产生式系统的一种计算模型。 综合数据库是产生式使用的主要数据结构，它用来表述问题状态或有关事实，对应于表示问题的说明式知识。 IF 积木X 在A处 AND 积木X 上面为空 AND 机械手在A处 AND 机械手为空 THEN　机械手抓起积木X （条件……行动） Precedure Respond 扫描数据库，找到可用规则集S； while S 非空且问题未被求解do begin 调用过程select-Rule（S），从S中选出规则R； 执行R的结果部分，更新数据库的内容； 扫描数据库，找到可用规则集S end 正向推理的主要缺点是激活规则表面看无目的，或者说系统为达到目标可能执行若干无用动作。 反向推理的优点： 适合解空间教小的问题 不必使用与总目标无关的规则 有利于向用户提供明确的解释 反向推理的缺点： 目标选择盲目，不允许用户主动提供信息指导推理 当规则的then是动作时，反向推理无法使用。 Procedure Achieve（G） 扫描数据库，如果找到G，返回T 否则找到能导出G的规则集S； while S非空 do begin 调用过程Choose—Rule（S），从S中选出规则R while R在S中且R的前提部分非空 do begin G??HEAD(R的前提部分)； R的前提部分? TAIL(R的前提部分) M=Achieve（G?） if M为F，then 从S中去掉R end If R在S中 then返回T end 当S为空时，返回F end R1 ：如果 叶子脱落 则 是落叶树 R2 ：如果 叶子保持 则 是常青树 R3 ：如果 松树球果 则 是裸子植物 R4 ：如果 针叶 则 是裸子植物 R5 ：如果 二针叶 or 三针叶 or 五针叶 则 是针叶 R6：如果 是裸子植物 and 常青树 and 五针叶 则 是白松树 R7：如果 是裸子植物 and 落叶树 and 簇针叶 则 是落叶松树 解：产生式系统的正向推理的一般策略为： 1）找出可用规则集 2）若可用规则集空或已找到目标则结束，否则 3）选择一条规则（本题可按自然顺序） 4）将结论放入数据库 5）找出可用规则集，转2）。 开始，找出可用规则集：R2 和R5 执行2）后，继续3）-5）条，结果如下： 选择一条规则（按自然顺序）：R2 将结论放入数据库：叶子保持、五针叶、常青树 找出可用规则集：R5 再次执行2）后，继续3）-5）条，结果如下： 选择一条规则（按自然顺序）：R5 将结论放入数据库：叶子保持、五针叶、常青树、针叶 找出可用规则集：R4 再次执行2）后，继续3）-5）条，结果如下： 选择一条规则（按自然顺序）：R4 将结论放入数据库：叶子保持、五针叶、常青树、针叶、裸子植物 找出可用规则集：R6 再次执行2）后，继续3）-5）条，结果如下： 选择一条规则（按自然顺序）：R6 将结论放入数据库：叶子保持、五针叶、常青树、针叶、裸子植物、白松树 找出可用规则集：nil 再次执行2）后，结束 数据与数据的匹配是指在规则中没有变量的情况，此时，规则的前提中，不论是要比较，还是计算，最后，总之是用数据和数据库中的数据进行匹配。 变量与变量的匹配是在有变量的情况下进行反向推理时出现。给定一个断言，假定不含变量，在反向推理中，用它和规则的结论匹配，形成一个环境，规则前提的变量应从此环境取值，但是，前提中的变量在结论中可能不出现，这样，当前提作为新的未知断言，让它去和某规则的结论匹配时，就出现变量与变量的匹配。这种匹配正是我们在归结推理中讲的合一算法。。 有变量的正向推理 数据与变量的匹配是在规则中有变量的情况下进行正向推理时出现。我们假定有一个使用汉语的演绎系统做正向推理，其中用英语字母表示变量，用汉语表示常量，有如下规则： （规则 203 （如果 （x 是 y 的 母亲） （y 是 男性） （z 是 x 的 姐妹）