人工智能一般搜索算法原理.ppt

人工智能讲义 Herbrand定理（H域） 几个基本概念 f（t1, t2, …tn）：f为子句集S中的所有函数变量。t1, t2, …tn为S的H域的元素。通过它们来讨论永真性。 原子集A：谓词套上H域的元素组成的集合。如 A = {所有形如 P(t1, t2, …tn)的元素} 即把H中的东西填到S的谓词里去。S中的谓词是有限的，H是可数的，因此，A也是可数的。 一旦原子集内真值确定好（规定好），则S在H上的真值可确定。成为可数问题。 原子集举例 例1 S={P(a), ～ P(x)∨P(f(x))} H∞= {a,f(a),f(f(a))，…} S的原子集为 A={P(a),P(f(a)),P(f(f(a))), …} Herbrand定理（H域） 没有变量出现的原子、文字、子句和子句集， 分别称作基原子、基文字、基子句和基子句集。 它们在讨论子句集S的不可满足性时占有重要置。 Herbrand定理 H域 H解释 语义树 结论：Herbrand定理 Herbrand定理 H域 H解释 语义树 结论：Herbrand定理 Herbrand定理（H解释） 解释I*：取一个值得到一个结论 I映射S中到所有常量符号到它们本身。(即原子集) 令f是n元函数，I是f下的一个指派，即H中的元素到f的一个映射（函数值）。简单地说(P29)，A中的各元素真假组合都是H的解释。（或真或假只取一个） 问题： 对于所有的解释，全是假才可判定。因为所有解释代表了所有的情况，如可穷举，问题便可解决 。 H解释-举例 例1 S={P(a), ～ P(x)∨P(f(x))} S的H域 H∞= {a,f(a),f(f(a))，…} S的原子集为 A={P(a),P(f(a)),P(f(f(a))), …} S的H解释： I1*= {P(a),P(f(a)),P(f(f(a))), …} S| I1*=T I2*= {～ P(a),P(f(a)),P(f(f(a))), …} S| I2*=F I3*= {P(a), ～ P(f(a)),P(f(f(a))), …} S| I3*=F 我们关心的是：对论域上的任一解释I，若有 S| I=T,如何求得一个相应的H解释I*,使得S| I*=T成立。 Herbrand定理（H解释） 如下三个定理保证了归结法的正确性： 定理1： 设I是S的论域D上的解释，存在对应于I的H解释I*，使得若有S|I = T，必有 S|I* = T。 定理2： 子句集S是不可满足的，当且仅当所有的S的H解释下为假。 定理3： 子句集S是不可满足的，当且仅当对每一个解释I下，至少有S的某个子句的某个基例为假。 Herbrand定理（H解释） 基例 S中某子句中所有变元符号均以S的H域中的元素代入时，所得的基子句C’称为C的一个基例。 若一个子句为假，则此解释为假。 一般来说，D是无穷不可列的，因此，子句集S也是无穷不可列的。但S确定后H是无穷可列的。不过在H上证明S的不可满足性仍然是不可能的。 解决问题的方法：语义树 Herbrand定理 H域 H解释 语义树 结论：Herbrand定理 Herbrand定理 H域 H解释 语义树 结论：Herbrand定理 Herbrand定理（语义树） 构成方法 原子集中所有元素逐层添加的一棵二叉树。将元素的是与非分别标记在两侧的分枝上（可不完全画完） 。(P34) 特点 一般情况H是可数集，S的语义树是无限树。 Herbrand定理（语义树） 意义 S ? H ? A ?语义树 可以理解语义树为H域的图形解释。 目的：把每个解释都摊开。语义树中包含原子集的全部元素，因此，语义树是完全的。每一个直到叶子节点的分支对应S的一个解释。可以通过对语义树每一个分支来计算S的真值。如果每个基例都为假，则可认为是不可满足的。 n0 n1 n2 n3 n4 n5 n6 n7 n8 红色代价：5 蓝色代价：6 n0(4) n4(1) n5(1-2) n1(5) n2(4) n3(4) n6(2) n7(0) n8(0) n0(4-5) n0 n1 n2 n3 n4 n5 n6 n7 n8 n0(5) n4(1) n5(2) n1(5) n2(4) n3(4) n6(2) n7(0) n8(0) 目标 目标 初始节点 n0 n1 n2 n3 n4 n5 n6 n7 n8 n0(5) n4(1) n5(2) n1(5) n2(4) n3(4) n6(2) n7(0) n8(0) 目标 目标 初始节点 n0 n1 n2 n3 n4 n5 n6 n7 n8 初始节点可解 n0(5) n4(1) n5(2) n1(5)