基于产生式规则的推理

1、基于生产规则的机器推理小组成员：雷晓艳，张，主要内容，1。生产规则概述2。生产系统，生产系统的类型，由程序实现的生产系统的特征，产生规则的原因，人工智能中使用的生产规则的定义和内容，以及生产规则的概述。1943年，美国数学家波斯特在计算形式系统中首次提出了“生产”概念。20世纪70年代，纽厄尔、西蒙等学者在人类认知模型研究中发展了一种基于规则的生产系统。从此，生产系统成为专家系统最基本的结构。此后，知识表示在人工智能中得到了广泛的应用。生产系统形式简单，但在某种意义上模仿了人类的思维过程。生产规则的出现和发展，为什么我们要采用生产系统作为人工智能系统的主要结构？这有两个原因；用生产系统结构解决

2、问题的过程与人类解决问题时的思维过程非常相似(下面举例说明)，所以可以用来模拟人类解决问题时的思维过程。生产系统可以看作是人工智能系统的基本结构单元或模式，就像积木世界中的积木一样，因此研究生产系统的基本问题具有普遍意义。人工智能中使用生产的原因，生产规则的定义和内容，生产规则实际上是生产系统的主体，是生产系统知识表示的核心。因此，人们经常把生产表现称为生产规则，简称规则。这里所说的“规则”是指人们思维判断中的一种固定的逻辑结构关系。一般来说，生产结构可以用自然语言形式来表达。事实上，在自然语言表达中，人们广泛使用的各种结构，如“因果”、“条件结论”、“前提操作”、“事实进展”和“情境行为”，

3、都可以归结为生产的知识表达形式。(1)下雨了，地面湿了。(“因果”结构)(2)如果冰被加热到零摄氏度以上，它就会融化成水。(“有条件的结论”结构)(3)“但现在我记得晚上，风暴，我想知道有多少花被打破了。”(事实及其发展结构)(4)如果我们能找到合适的杠杆，我们就能撬开这座山。(先决条件操作)(5)“我只喝长江水，还吃五常鱼”(事实及其进展结构)(6)我刚刚接通，这意味着我发出了捕捉目标图像的信号。(情景行为)、生产规则的定义和内容、基本形式：A B或IF A THEN B A是生产公式的前提(前提)，用来表示生产公式是否可用。条件b是一组结论或操作(后部分)，用于表示当前提a所指示的条件满足

4、时，应得出的结论的例子或应执行的操作：如果动物能飞并产卵，那么这个动物就是一只鸟，生产规则的定义和内容，基本形式：前提和结果，其中前提是前提，结果是结论或行动，前提和结果可以是由逻辑运算符和或否组成的表达式。语义：如果前提得到满足，可以得出结论或执行相应的动作，即最后一部分由第一部分触发。因此，前提是规则的执行条件，结果是规则体。生产规则的定义和内容，生产系统的组成，以及三个要素的组成：一个存储问题解决过程中当前信息的综合数据库。一套生产规则描述了相应领域的知识。在现场有效地表达过程知识。合理组织和管理知识。控制系统选择规则库中与当前综合数据库匹配的规则，执行它们，并在必要时解决冲突。，生产系

5、统的基本结构，生产系统的基本推理过程，以及推理机的初级推理过程。问题：让字符转换规则ABC ACD BCG BEF DE为人所知：A，B找到：F，一个简单的例子，1。综合数据库X，其中X是字符2，规则集1，如果AB那么C 2，如果AC那么D 3，如果BC那么G 4，如果BE那么F 5，如果D那么E，一个简单的例子(续1)；3.控制策略序列排队4。初始条件a5。结束条件Fx，一个简单的例子(续2)；在介绍解决方案流程之前，为了方便起见，我们首先介绍两个术语。(1)可触发规则：当综合数据库中的数据满足规则的前提时，该规则称为可触发规则。(2)触发规则：从可触发的规则中选择一条规则执行，执行的规则称

6、为触发规则。下表显示了解决此问题的过程。1，如果AB然后C 2，如果AC然后D 3，如果BC然后G 4，如果BE然后F 5，如果D然后E，求解过程，a和b是已知的条件，它们从一开始就在综合数据库中。此时，只能触发规则1。因为只有一个可触发的规则，所以选择规则1来执行。规则1的结果是c，它被添加到综合数据库中。通过c，规则2和规则3成为可触发的规则(此时，尽管规则1的前提也可以满足，因为该规则已经被执行，并且它的当前触发条件没有改变，这与它被执行时的条件相同，所以规则1不在可触发的规则中)。此时，有两个可触发的规则。根据顺序排队策略，首先执行第一个规则，因此选择规则2作为触发规则。规则2的执行结

7、果产生d，该d被添加到综合数据库中。以此类推，规则3、规则5和规则4相继执行，最后产生了F。因此，得到f，操作结束。(1)根据推理方向1分类。正向推理2。逆向推理。双向推理2。根据搜索策略1进行分类。不可撤销的方式2。探索之路1。回顾之路2。图搜索方式，生产系统的类型，从一组表示事实的谓词或命题开始，一组生产规则被用来证明谓词公式或命题是否有效。一般策略：首先向一般数据库提供一批事实(数据)。系统使用这些事实来匹配规则的前提，触发成功的匹配规则，并将其结论作为新的事实添加到总数据库中。继续上述过程，将更新后的主数据库的所有事实与规则库中的另一个规则进行匹配，并根据其结论再次修改主数据库的内容，

8、直到没有新的规则需要匹配，并且没有新的事实添加到主数据库中。向前推理，步骤1将初始事实/数据放入动态数据库。步骤2将目标条件与动态数据库中的事实/数据进行匹配/测试。如果满足目标条件，推理成功并结束。步骤3:将动态数据库中的事实/数据与规则库中每个规则的前提进行匹配，并将匹配成功的规则组成备用规则集。步骤4如果备用规则集为空，操作将失败并退出。步骤5:将备用规则集中每个规则的结论添加到动态数据库中，或者执行其操作，然后转到步骤2。正向推理算法：生产系统描述和动物分类问题的解决方案。R1:如果动物有奶，那它就是哺乳动物。R2:如果动物有毛发，那它就是哺乳动物。R3:如果动物有羽毛，那它就是鸟。R

9、4:如果一种动物能飞并产卵，那它就是一只鸟。R5:如果动物是有爪子和犬齿的哺乳动物，它就是食肉动物。R6:如果动物是哺乳动物并且吃肉，那它就是食肉动物。R7:如果动物是哺乳动物并且有蹄，那么它就是有蹄动物。R8:如果一种动物是有蹄的反刍动物，它就是偶蹄动物。R9:如果一种动物是带有黄棕色和黑色条纹的食肉动物，那它就是老虎。R10:如果一种动物是带有黄褐色和黑色斑点的食肉动物，那它就是豹。R11:如果动物是有蹄动物，有长腿、长颈、黄褐色和黑色斑点，那么它就是长颈鹿。R10:如果一种动物是带有黄褐色和黑色斑点的食肉动物，那它就是豹。R11:如果动物是有蹄动物，有长腿、长颈、黄褐色和黑色斑点，那么它

10、就是长颈鹿。R12:如果动物是有黑白条纹的有蹄动物，那它就是斑马。R13:如果一种动物是鸟，不会飞，它有长腿、长颈和黑白相间的羽毛，那么它就是鸵鸟。R14:如果动物是鸟，不会飞也不会游泳，它是黑白相间的，那么它就是企鹅。R15:如果一种动物是鸟，擅长飞行，不怕风浪，那它就是海燕。规则集，然后给出初始事实：f1:动物有毛发。F2:吃肉。F3:黄棕色。F4:有黑色条纹。目标条件是：什么是动物？系统的运行结果是动物是老虎。从代表目标的谓词或命题出发，用一套生产规则来证明事实谓词或命题是有效的，即先提出若干假设目标，然后逐一验证这些假设。一般策略：首先假设一个可能的目标，然后生产系统试图证明假设的目标

11、是否在整个数据库中。如果它在总数据库中，则假设目标被建立；否则，如果假设是终端叶(证据)节点，则询问用户。如果不是，假设另一个目标，即找到那些结论部分包含这个假设的规则，把它们的前提作为一个新的假设，并试图证明它的有效性。重复这一推理，直到所有目标都被证明或所有路径都被测试。反向推理，反向推理算法：步骤1，将初始事实/数据放入动态数据库，并将目标条件放入目标链。步骤2如果目标链为空，推理成功并结束。步骤3:取出目标链中的第一个目标，并将其与动态数据库中的事实/数据进行匹配。如果匹配成功，请转到步骤2。步骤4:将规则集中每个规则的结论与目标相匹配。如果匹配成功，将第一个成功匹配且未使用的规则作为

12、新目标，替换原始父目标并加入目标链，然后转到步骤3。如果目标是初始目标，推理失败并退出。步骤6:将目标的父目标移回目标链，以替换目标及其兄弟目标，然后转到步骤3。对于上述示例中的生产系统，反向推理算法被更改为下图所示的推理树。对于“老虎”的逆向推理树，双向推理的推理策略是从目标推理到事实，同时从事实推理到目标，并在推理过程中的某一步将事实与目标相匹配。(1)不可撤销方式这种方式是利用问题给出的局部知识来决定如何选择规则，即根据当前可靠的局部知识选择一个适用的规则，并将其应用到当前的综合数据库中。然后继续根据新的状态选择规则，搜索过程一直在进行，而不考虑撤回已使用的规则。这是因为如果在搜索过程中

13、能够有效地使用本地知识，即使使用了不令人满意的规则，也不会阻止在下一步中选择另一个更合适的规则。这不会撤消已使用的规则，也不会影响解决方案，但是在解决方案序列中可能会有一些不必要的规则。显然，这种策略具有控制简单的优点，登山运动进一步说明了这种方法的基本思想。当人们爬山时，他们的目标是爬到山顶。问题是确定如何一步一步地朝着目标前进，以达到顶峰。事实上，这是一个在爬山过程中寻求函数最大值的问题。很容易想到，利用高度随位置变化的函数H(P)来指导爬山可以实现不可逆转的控制模式。2)一个试探性的生产系统，即在规则被使用之后，它被允许返回到最初的起点并重新选择其他规则。它可以分为：(1)追溯生产系统在

14、规则被使用后记住原始节点，如果搜索困难，可以返回选择它的规则。比如有限深度优先搜索。先尝试某个规则，如果后来发现它不合适，回去选择另一个规则。回溯条件出现在新生成的状态前面。已经确定，从初始状态开始，使用了一些规则，但是仍然没有达到目标。这涉及到两个问题：对于目前的状态，没有可用的规则。利用现有知识对规则进行排序可以减少回溯次数。(2)图形搜索生成系统可以同时掌握几个规则序列的效果，并找到问题的答案。为了避免循环，通常使用树搜索，如广度优先搜索。4.生产系统的程序实现(1)生产规则的程序语言实现(2)规则库的程序实现(3)动态数据库的程序实现(4)推理机的程序实现(2)序言语言及其基本结构(1

15、)序言语言(2)序言基本结构， 1)生产规则的编程语言实现：将规则的前提条件部分作为条件1和条件2，条件n或条件1或条件2或或条件m，将规则的结论部分作为断言1/动作1和断言2/动作2和断言k/动作k或断言1/动作1或断言2/动作2或断言k/动作一般分为条件1 AND条件2 AND条件n断言/动作，(1)程序实现，一是先确定规则的语言表示，然后根据规则形式设计规则解释器(推理机)； 二是对于现有的解释器(推理机)，设计规则的表达形式(当然，只能使用推理机同意的规则形式)应该在PROLOG程序中表达产生式规则，至少有两种形式：(1)用PROLOG规则表达产生式规则。(2)用PROLOG事实表示生

16、产规则。上述动物分类系统中的生产规则可以用PROLOG规则表示如下：动物_is(老虎):-it_is(食肉动物)、事实(棕褐色)、事实(黑色条纹)。它是(食肉动物)3360-它是1(哺乳动物)，事实上。它是(食肉动物):-它是(哺乳动物)，事实上是(吃肉)。it_is1(哺乳动物):-事实(有奶)。it_is1(哺乳动物):-事实(有毛发)“黄褐色”、“黑色条纹”、“老虎”)。规则(“哺乳动物”、“爪子”、“犬科动物”、“眼睛在前面”、“食肉动物”)。规则(“哺乳动物”、“吃肉”、“食肉动物”规则(“牛奶”、“哺乳”)、2)规则库程序实现3)动态数据库程序实现4)推理机程序实现。序言(Prolog)是一种逻辑编程语言。它以逻辑理论为基础，最初用于自然语言和其他研究领域。Prolog是最有影响力的人工智能语言之一。由于它非常适合于表达人们的思维和推理规则，因此在自然语言理解、机器定理证明、专家系统等方面得到了广泛的应用，并成为人工智能应用领域中一种强大的开发语言。Prolog语言有许多版本，但它们的核心部分是相同的。Prolog只有三个基本语句，即事实、规则和目标，它们都是用谓词来表示的，所以程序是逻辑的，语法简单明了。另一方面，Prolog是一种