人工智能与知识工程02_知识表示_30谓词逻辑产生式表示法幻灯片.pptVIP

* * 问题的初始状态是： at(robot,c) empty(robot) on(box,a) table(a) table(b) 问题的目标状态是： at(robot,c) empty(robot) on(box,b) table(a) table(b) 机器人的目标是把问题的初始状态转化为目标状态，其间它必须完成一系列的操作。 c a b * * 操作一般可以分为条件和动作两部分。 ? 条件可以很容易的用谓词公式表示， ? 动作可以通过动作前后的状态变化表示出来，即只要指出动作后应从动作前的状态中删去和增加什么谓词就描述了相应的动作。 机器人为了把盒子从a处拿到b处，应执行如下三个操作： goto(x,y):从x处走到b处； pick_up(x):在x处拿起盒子； set_done(x):在x处放下盒子。 这三个操作分别用条件和动作表示如下： 1. Goto(x,y) 条件：at(robot,x) 动作 删除：at(robot,x) 增加：at(robot,y) 2. Pick_up(x) 条件：on(box,x)∧table(x)∧ empty(robot) 动作 删除：empty(robot)∧on(box,x) 增加: holds(robot,box) * * 3. Set_down(x) 条件： at(robot,x)∧table(x)∧holds(robot,box) 动作 删除：holds(robot,box) 增加：empty(robot)∧on(box,x) 操作步骤： 机器人在执行每一个操作前，总要先检查当前状态是否可使所要求的条件得到满足。若能满足，就执行相应的操作，否则就检查下一个操作所要求的条件。 所谓检查当前状态是否满足所要求的条件，其实是一个定理证明的过程，即证明当前状态是否蕴含操作所要求的条件，若蕴含表示当前所要求的条件得到了满足。 机器人行动规划问题的求解过程如下： (其中，在检查条件的满足性时要进行变量的代换。) * * At(robot,c) Empty(robot) 状态1(初始状态) On(box,a) 用c代换x Table(a) 用a代换y Table(b) ? goto(x,y) At(robot,a) Empty(robot) 状态2 On(box,a) 用a代换x Table(a) Table(b) ? pick-up(x) At(robot,a) Hold(robot,box) 状态3 Table(a) 用a代换x Table(b) 用b代换y ? goto(x,y) At(robot,b) Hold(robot,box) 状态4 Table(a) 用b代换x Table(b) ? setdown(x) At(robot,b) empty(robot) 状态5 on(box,b) 用b代换x Table(a) 用c代换y Table(b) ? goto(x,y) At(robot,c) empty(robot) 状态6 on(box,b) (目标状态) Table(a) Table(b) c a b * * 自然性：符合人类对问题的直觉理解； 描述性：表示与知识分离； 精确性：只有“真与假”的值； 严密性：谓词逻辑具有严格的形式定义以及推理规则； 容易实现：用谓词逻辑表示的知识可以比较容易地转换为计算机内部形式，易于模块化，便于对知识的增加、修改、删除； 不能表示不确定的知识； 组合爆炸：不易表示启发式知识，当状态空间大时，当前数据库与知识库中操作的匹配以及操作层列的确定会出现时空上的膨胀。 效率低。 谓词表示的特性 * 谓词常项表示直接的关系，一个确定的函数 谓词变项表示谓词又是一个变化的，不确定的，如果函数的函数 * * 谓词逻辑中的逻辑等值式4 定理4 量词的性质相同，可以交换位置 量词的性质不同，不可交换位置 * * 前束范式 定义21：设A为一谓词公式，如果A具有如下形式： Q1x1Q2x2…QkxkB 则称A是前束范式。其中每一个Qi为 或 B为不含量词的谓词公式（母式） 例如： x y(F(x,y)→G(x,y)) 前束范式 x(F(x)→ y(G(y)→H(x))) 非前束范式 * * 前束范式例题 求下列公式的前束范式 * * 谓词公式的合取范式和子句集 对任一公式 量词辖域扩张和收缩定理，得到前束范式 对于母式，等值演算得到合取范式 合取项的集合，构成了该公式的子句集S 前束范式 母式