湘潭大学 人工智能课件 确定性推理 part 8.ppt

产生式系统 产生式系统的例子：动物识别系统 r12: IF 动物是有蹄类动物 AND 身上有黑色条纹 THEN 该动物是斑马 r13: IF 该动物是鸟 AND 有长脖子 AND 有长腿 AND 不会飞 AND 有黑白二色 THEN 该动物是鸵鸟 r14: IF 该动物是鸟 AND 会游泳 AND 不会飞 AND 有黑白二色THEN 该动物是企鹅 r15: IF 该动物是鸟 AND 善飞 THEN 该动物是信天翁 初始总数据库包含的事实有： 动物有暗斑点，有长脖子，有长腿，有奶，有蹄 产生式系统 该例子的部分推理网络如下： 长颈鹿 斑马 长脖子 长腿 暗斑点 有蹄类 黑条纹 有蹄 哺乳动物 有毛 r2 r7 r11 r12 有奶 r1 图中最上层的结点称为“假设”或“结论” 中间结点称为“中间假设”； 终结点称为“证据”或“事实”； 产生式系统 产生式系统的主要优点 自然性：采用“如果……，则……”的形式，人类的判断性知识基本一致。 模块性：规则是规则库中最基本的知识单元，各规则之间只能通过总数据库发生联系，而不能相互调用，从而增加了规则的模块性。 有效性：产生式知识表示法既可以表示确定性知识，又可以表示不确定性知识，既有利于表示启发性知识，又有利于表示过程性知识。 产生式系统 产生式系统的主要缺点 效率较低：各规则之间的联系必须以总数据库为媒介。并且，其求解过程是一种反复进行的“匹配—冲突消解—执行”过程。这样的执行方式将导致执行的低效率。 不便于表示结构性知识：由于产生式表示中的知识具有一致格式，且规则之间不能相互调用，因此那种具有结构关系或层次关系的知识则很难以自然的方式来表示。 Artificial Intelligence (AI)人工智能 第二章：知识表示与推理 内容提要 第二章：知识表示与推理 1.推理的基本概念 2.搜索策略 3.自然演绎推理 4.消解演绎推理 5.基于规则的演绎推理 二、确定性推理 基于规则的演绎推理 规则演绎系统 规则正向演绎系统 规则逆向演绎系统 规则双向演绎系统 规则逆向演绎系统 规则逆向演绎推理过程： 规则逆向演绎推理过程是从待证明的问题，即目标公式的与/或树出发，通过逆向地使用蕴含式（B规则），对目标公式的与/或树进行变换，直到得出包含已知事实的终止条件为止。 规则逆向演绎系统 目标公式的表示：与/或形变换，与/或树表示 B规则的表示形式 已知事实的表示形式 规则逆向演绎推理过程 目标公式的与/或形变换 在与/或形逆向演绎推理中，要求目标公式采用与/或形表示，其化简采用与正向系统中对事实表达式处理的对偶形式。 转化步骤 要用存在量词约束变元的Skolem函数来替换由全称量词约束的相应变元，消去全称量词。（隐含着变量受存在量词的约束 ） 再消去存在量词，并进行变元换名，使主析取元之间具有不同的变元名。 目标公式的与/或形变换 例如，有如下目标公式： (?y) (?x)(P(x)→(Q(x)∧?(R(x)∧S(y)))) Skolem化后为 ?P(f(y))∨(Q(f(y), y)∧(?R(f(y))∨?S(y))) 变元换名后为 ?P(f(z))∨(Q(f(y), y)∧(?R(f(y))∨?S(y))) 关于为何需用对偶方式消去量词，这里不作形式证明，仅通过与消解反演方法作对比来加以直观说明：在消解反演中，需将目标公式取反，存在量词约束变量就成为全称量词约束变量。 目标公式的与/或树表示 目标公式的与/或形也可用与/或树表示出来，其表示方法与正向演绎推理中事实的与或树表示略有不同： 子表达式之间的析取关系用单一连接符连接，表示为或的关系； 子表达式之间的合取关系则用k线连接符连接，表示为与的关系。 例如：对上述目标公式的与/或形，可用如下的与/或树表示。 目标公式的与/或树表示 ?P(f(z))∨(Q(f(y), y)∧(?R(f(y))∨?S(y))) ?P(f(z)) Q(f(y), y)∧(?R(f(y))∨?S(y)) Q(f(y), y) ?R(f(y))∨?S(y) ?R(f(y)) ?S(y) 若把叶节点用它们之间的合取及析取关系连接起来，就可得到原目标公式的三个子目标： ?P(f(z))； Q(f(y), y)∧? R(f(y))； Q(f(y), y)∧? S(y) B规则的表示形式 B规则的表示形示形式 W→L 其中，前项W为任一与/或形公式，后项 L为一单文字。 这里要求B规则的右边为文字