第4章-知识推理技术.pptVIP

第四章 知识推理技术 §4.1 知识推理的概念和类型 一、知识推理的概念 所谓“知识推理”，是指在计算机或智能机器中，在知识表达的基础上，进行机器思维，求解问题，实现知识推理的智能操作过程。 推理的过程就是问题求解的过程，使问题从初始状态转移到目标状态的方法和途径。 研究知识推理技术，目的是寻求解决问题、实现状态转移的智能操作序列，如搜索路线、演算步骤、符号串、语句集等，以便从初始状态，沿着最优或最经济的途径，有效地转移到所要求的目标状态，实现问题求解过程的智能机械化或计算机化。 二、知识推理的类型 “图搜索”方法 基于图的知识表达，问题求解的知识推理过程，就是从图中相当于初始状态的根节点到相当于目标状态的终止节点的路线搜索过程，即搜索从初始状态有效地转移到目标状态，所经历的最优的或最经济的路线。 “逻辑论证”方法 当知识表达采用谓词逻辑或其他形式逻辑方法时，知识推理也可以采取逻辑论证方法。此时，问题求解的知识推理过程，相当于用数理逻辑方法进行定理证明的过程。 二、知识推理的类型 推理算法 若问题求解的知识推理过程是完备的，则对于可解的问题，从任意初始状态出发，通过这种推理过程，总可以找到一条求解路线，经过有限的、确定性的操作序列，转移到所要求的目标状态，保证推理过程的收敛性，求得问题的解答。 完备的推理过程称为“推理算法”。 推理步骤 若问题求解的推理过程是不完备的，则不能保证其推理过程的收敛性，从任意初始状态转移到目标状态，不一定能求得问题的解答。 不完备的推理过程是非算法的，称为“推理步骤”。 二、知识推理的类型 启发推理 在问题求解的推理过程中，运用与问题有关的启发性知识，以加快推理过程，提高搜索效率。 非启发推理 在问题求解的推理过程中，不运用启发性知识，只按照一般的逻辑法则或控制性知识，进行通用性的推理。 二、知识推理的类型 精确推理 当领域知识能用必然的因果关系表示，则推理得出的结论要么是肯定的，要么是否定的。 不精确推理 领域知识或用户给出的原始证据是不确定性的，推理的结论也只能用一种不确定性来度量。 §4.2 图搜索的基本概念 引言 在智能过程中，搜索是不可避免的。搜索之所以重要，是因为人工智能的研究对象主要是那些没有成熟方法可依的问题领域。 图搜索是一种在图中寻找路径的方法。这里的图就是状态图，图中每一个节点对应于一个状态，每条连线对应于一个操作符。从图中的初始节点开始至目标节点终止。 一、显式图与隐式图 显式图 把与问题有关的全部状态空间图，即相应的全部有关知识(叙述性知识、过程性知识、控制性知识)，都直接存入知识库，称为“显式存储”及“显式图”。 隐式图 只存储与问题有关的部分知识，称为“隐式存储”。在求解过程中，由初始状态出发，运用相应的知识逐步生成所需的部分状态空间图，通过搜索推理，逐步转移到要求的目标状态，只需在知识库中存储局部状态空间图，称为“隐式图”。 二、隐式图搜索方法 运用叙述性知识，给出问题的部分状态描述。包括：初始状态、目标状态和某些中间状态。 运用过程性知识，给出“生成器”函数G(x)，即由状态空间图的“父节点”生成各“子节点”的操作或算子。 运用控制性知识，给出评价函数E(x)，用于评价新生成的节点，控制继续搜索的前进方向。 三、通用的图搜索过程 §4.3 盲目搜索方法 引言 盲目搜索方法在选择操作时是盲目的，且采用穷举的方法。 最常用的两种盲目搜索方法是广度优先搜索和深度优先搜索。 一、广度优先搜索方法 广度优先搜索方法是以接近起始节点的程度依次扩展节点的。 搜索是逐层进行的，在对下一层的任一节点进行搜索之前，必须搜索完本层的所有节点。 一、广度优先搜索方法 一、广度优先搜索方法 一、广度优先搜索方法 一、广度优先搜索方法 优点：只要问题有解，即存在目标节点，用广度优先搜索方法一定能在有限的深度内，经过有限的操作序列（搜索步数），搜索到目标节点。所以，广度优先搜索方法是完备的，是一种推理算法。 缺点：搜索过程长。 二、深度优先搜索方法 在深度优先搜索中，首先扩展最晚生成的（即最深的）节点。 搜索沿着状态空间的某条单一的路径从起始节点向下进行下去；只有当搜索到达一个没有后裔的状态时，才考虑另一条替代的路径。替代路径与前面已经试过的路径不同之处仅仅在于改变最后n步，而且保持n尽可能小。 二、深度优先搜索方法 二、深度优先搜索方法 二、深度优先搜索方法 二、深度优先搜索方法 若目标节点恰好处在最晚生成的节点分支中，则可以较快地求得问题的解，效率比广度优先搜索方法高。 若目标节点不在最晚生成的节点分支中，且该分支为无穷分支，则搜索过程无限循环，无法停止，不能找到目标节点。 因此，深度优先搜索方法是不完备的，是一种推理步骤，不是推理算法，不能保证推理过