第6章 基于产生式规则机器推理.ppt

人工智能 第6章 基于产生式规则的机器推理 第6章基于产生式规则的机器推理 6.1 产生式规则 6.2 产生式系统 6.1 产生式规则 6.1.1 产生式规则 6.1.2 基于产生式规则的推理模式 6.1.1 产生式规则（1） 产生式（Production）：从波斯特机中借用来的。波斯特机是一种自动机，它是根据串替换规则提出的一种计算模型。其中的每一条规则就叫一个产生式。也称产生式规则，简称规则。 产生式描述了事物之间的一种对应关系（包括因果关系和蕴含关系） 图搜索中的状态转换规则和问题变换规则 三种遗传操作 逻辑蕴含式和逻辑等价式 归结原理 体育比赛中的规则、国家的法律条文 6.1.1 产生式规则（2） 产生式的一般形式为： 前件?后件（情况?行为、前提?结论） 前件是前提，规则的执行条件。 后件是结论或动作，规则体。 产生式规则的语义：如果前提满足，则可得结论或者执行相应的动作，即后件由前件触发。 一个产生式规则就是一条知识，用产生式不仅可以进行推理，也可以实现操作。 人工智能中将产生式规则作为一种知识表示形式或方法 6.1.1 产生式规则（例） 例 三个聪明人问题。古代有个国王想知道他的三个大臣中谁最聪明，就在他们每个人前额上都画了一个点，他们都能看到别人点的颜色，但看不到自己点的颜色。国王说，你们中间至少有一个人的点是白色的。于是重复地问他们：“谁知道自己点的颜色？”三位大臣们头两次都回答说不知道。题目要求证明下一次他们全都会说“知道”，并且所有的点都是白色。 6.1.1 产生式规则（例） 分析： 这类问题的特点是有有限个受试者，每个人对问题都只有部分了解，无法直接求解。但在推理过程中每个人又可以从别人那里获得新的知识，重新进行推理。可以用产生式来表达推理过程中所用到的各种知识。 6.1.1 产生式规则（例） 状态集合表示： 用x1,x2,x3表示三个人点的颜色，1表示白色，0表示非白色。 X＝(x1,x2,x3)表示颜色分布状态。 全部可能的状态集合(可能界PW0)： {(0,0,0),(0,0,1),(0,1,0),(0,1,1),(1,0,0),(1,0,1),(1,1,0),(1,1,1)} 实际给定的状态为现实界X0 ＝(x10,x20,x30) 用排除法找到X0 。 6.1.1 产生式规则（例） 排除过程： 第一次，大臣只知道至少有一个人是白点，排除X0={(0,0,0)}状态。这时如果有人看到两个非白点，根据排除的状态可推知自己是白点。 第二次大臣根据没有一个人知道自己点颜色的事实推知至少两人为白点。排除{(0,0,1)(0,1,0)(1,0,0)}状态。这时如果有人看到一个非白点，根据排除后得到的状态可推知自己的点是白的。 第三次，大臣们根据仍无人知道自己点颜色的新事实推知没有一个非白点出现，即X0={(1,1,1)}。于是三人都知道自己点的颜色是白的。 6.1.1 产生式规则（例） 引入中介状态并定义下述符号： Si—— i大臣看到的非白点数； Wi—— i大臣猜出自己点的颜色否。如果他宣布已知道自己点的颜色，为1，否则为0； n——X0中白点的个数。 6.1.1 产生式规则（例） (1) (n=1) =X0 ＝ { (0,0,1),(0,1,0),(0,1,1),(1,0,0),(1,0,1),(1,1,0),(1,1,1)}； (2) (n=1) ?(Si=2) =(Wi=1),(i=1,2,3,下同)； (3)( ?i ) (Wi=1) ? (n=1) = (n=1) ； (4) (n=1) = (? i ) (Wi=1) ； (5) (? i ) (Wi=0) ? (n=1) = (n=2) ; (6) (n=2) =X0 ＝ { (0,1,1),(1,0,1),(1,1,0),(1,1,1)}； (7) (n=2) ? (Si=1) =(Wi=1); (8) ( ?i ) (Wi=1) ? (n=2) = (n=2) ; (9) (n=2) = (? i ) (Wi=1); (10) (? i ) (Wi=0) ? (n=2) = (n=3); (11) (n=3) = X0 ＝ { (1,1,1)}； (12) (n=3) = (? i ) (Wi=1). 6.1.1 产生式规则（例） 上述结果可以推广到更一般的情况：设有m个大臣，国王说至少有l个人的点是白色的，则有下述产生式： (1) (n=l) =X0 ＝ {x|x中的白点数=l}； (2) (