人工智能-第6章.pptVIP

第6章 产生式系统 5.1 产生式规则 5.2 产生式系统 5.3 产生式系统与图搜索 5.4 产生式系统的应用 5.5 产生式系统的程序实现 5.1 产生式规则 产生式规则：前件→后件 前件就是前提，后件是结论或动作 例如： (1)如果银行存款利率下调，那么股票价格上涨。 (2)如果炉温超过上限，则立即关闭风门。 (3)如果键盘突然失灵，且屏幕上出现怪字符，则是病毒发作。 5.2 产生式系统 产生式系统组成 产生式系统的推理 正向推理 反向推理 双向推理 正向推理算法一： 将初始事实/数据置入动态数据库； 用动态数据库中的事实/数据，匹配/测试目标条件，若目标条件满足，则推理成功，结束。 用规则库中各规则的前提匹配动态数据库中的事实/数据，将匹配成功的规则组成待用规则集； 若待用规则集为空，则运行失败，退出。 将待用规则集中各规则的结论加入动态数据库，或者执行其动作，转步2；可以看出，随着推理的进行，动态数据库的内容或者状态在不断变化。 例5.1 动物分类问题的产生式系统描述及其求解。 r1：若某动物有奶，则它是哺乳动物。 r2：若某动物有毛发，则它是哺乳动物。 r3：若某动物有羽毛，则它是鸟。 r4：若某动物会飞且生蛋，则它是鸟。 r5：若某动物是哺乳动物且有爪且有犬齿且目盯前方，则它是食肉动物。 r6：若某动物是哺乳动物且吃肉，则它是食肉动物。 r7：若某动物是哺乳动物且有蹄，则它是有蹄动物。 r8：若某动物是有蹄动物且反刍食物，则它是偶蹄动物。 r9：若某动物是食肉动物且黄褐色且有黑色条纹，则它是老虎。 r10：若某动物是食肉动物且黄褐色且有黑色斑点，则它是金钱豹。 r11：若某动物是有蹄动物且长腿且长脖子且黄褐色且有暗斑点，则它是长颈鹿。 r12：若某动物是有蹄动物且白色且有黑色条纹，则它是斑马。 r13：若某动物是鸟且不会飞且长腿且长脖子且黑白色，则它是驼鸟。 r14：若某动物是鸟且不会飞且会游泳且黑白色，则它是企鹅。 r15：若某动物是鸟且善飞且不怕风浪，则它是海燕。 初始事实： f1：某动物有毛发。 f2：吃肉。 f3：黄褐色。 f4：有黑色条纹。 目标条件为：该动物是什么？ 易见，该系统的运行结果为：该动物是老虎。 其推理树如图5—4所示。 反向推理 将初始事实/数据置入动态数据库，将目标条件置入目标链； 若目标链为空，则推理成功，结束。 取出目标链中第一个目标，用动态数据库中的事实/数据同其匹配，若匹配成功，转2； 用规则集中的各规则的结论同该目标匹配，若匹配成功，则将第一个匹配成功且未用过的规则的前提作为新的目标，并取代原来的父目标而加入目标链，转步3； 若该目标是初始目标，则推理失败，退出。 将该目标的父目标移回目标链，取代该目标及其兄弟目标，转步3；可以看出，上述反向推理算法的推理过程也是一个图搜索过程，而且一般是一个与或树搜索。 例5.2 对于例5.1中改为反向推理 正向推理的启发式搜索方法： 若目标链为空，则推理成功，结束。 用动态数据库中的事实/数据，匹配/测试目标条件，若目标条件满足，则推理成功，结束。 用规则库中各规则的前提匹配动态数据库中的事实/数据，将匹配成功的规则组成待用规则集； 若待用规则集为空，则运行失败，退出。 用某种策略，从待用规则集中选取一条规则，将其结论加入动态数据库，或者执行其动作，撤消待用规则集，转步2；可以看出，该算法与前面的算法仅在步5有所差别。 5.5 产生式系统的程序实现 规则库的程序实现 动态数据库的程序实现 推理机的程序实现 7.2.3 模糊集合与模糊逻辑 1.模糊集合 定义1 设Ｕ是一个论域，Ｕ到区间［0，1］的一个映射 μ:Ｕ ? [0，1] 确定了U的一个模糊子集A，μ称为A的隶属函数。对u∈U,μA(u)称为u∈A的程度，简称隶属度。 论域Ｕ上的模糊集合Ａ，一般可记为 A={μA(u1)/u1，μA(u2)/u2，...} 或者A=μA(u1)/u1+μA(u2)/u2+... 例7.5 设Ｕ＝｛0,1,2,3,4,5,6,7,8,9,10｝，则Ｕ中“大数的集合”和“小数的集合”可分别定义如下： 大数的集合＝0/0＋0/1＋0/2＋0.1/3＋0.2/4＋0.3/5＋0.5/6＋0.7/7＋0.9/8＋1/9＋1/10 小数的集合＝1/0＋1/1＋1/2＋0.8/3＋0.7/4＋0.5/5＋0.4/6＋0.2/7＋0/8＋0/9＋0/10 例7.6 设论域Ｕ＝［1，200］，表示人的年龄区间，则模糊概念“年轻”可定义如下： 2. 模糊关系 定义2 集合U1，U2，…，Un的笛卡尔积集U1×U2×…×Un的一个模糊子集R，称为U1，U2，…，Un间的一个n元