人工智能第二章 知识表示方法PPT课件
合集下载
人工智能及其应用完整版本ppt课件
精选ppt
32
2.2 问题规约法
梵塔问题归约图
•数据结构介绍
（111）（333）
•思考题：四圆盘问题
（111）（122） （122）（322）
（）（333）
（111）（113） （113）（123） （123）（122） （322）（321） （321）（331） （331）（333）
精选ppt
精选ppt
19
解题过程
将原始问题归约为一个较简单问题集合 将原始梵塔难题归约（简化）为下列子
难题
– 移动圆盘A和B至柱子2的双圆盘难题 – 移动圆盘C至柱子3的单圆盘难题 – 移动圆盘A和B至柱子3的双圆盘难题
详细过程参看下图
精选ppt
20
2.2 问题规约法
解题过程（3个圆盘问题）
123
123
叫做从节点ni1至节点nik的长度为k的路径
代价 用c（ni，nj）来表示从节点ni指向节点nj
的那段弧线的代价。两点间路径的代价等于连
接该路径上各节点的所有弧线代价之和.
精选ppt
6
图的显示说明 对于显式说明，各节点及其具
有代价的弧线由一张表明确给出。此表可能列出 该图中的每一节点、它的后继节点以及连接弧线 的代价
问题归约的实质：
–从目标(要解决的问题)出发逆向推理，建立 子问题以及子问题的子问题，直至最后把初 始问题归约为一个平凡的本原问题集合。
精选ppt
18
2.2 问题规约法
2.2.1 问题归约描述 （Problem Reduction Description）
梵塔难题
1
2
3
A B C
思考：用状态空间法有多少个节点？为什么？
人工智能概论课件 第2章 知识表示(导论)
▪ 谓词名 P：刻画个体的性质、状态或个体间的关系。
（1）个体是常量：一个或者一组指定的个体。
▪ “老张是一个教师”：一元谓词 Teacher (Zhang) ▪ “5>3” ：二元谓词 Greater (5, 3) ▪ “Smith作为一个工程师为IBM工作”：
三元谓词 Works (Smith, IBM, engineer)
命题逻辑表示法：无法把它所描述的事物的结构及逻辑特 征反映出来，也不能把不同事物间的共同特征表述出来。
P：老李是小李的父亲
P：李白是诗人 Q：杜甫也是诗人
13
2.2.2 谓词
谓词的一般形式： P (x1, x2,…, xn)
▪ 个体 x1, x2,…, xn ：某个独立存在的事物或者某个抽象 的概念；
（3）∧： “合取”（conjunction）——与。
“我喜欢音乐和绘画”： Like (I, music) ∧ Like (I, painting)
16
2.2.3 谓词公式
1. 连接词（连词） （4）→：“蕴含”(implication)或 “条
件”(“如co果nd刘iti华on跑)。得最快，那么他取得冠军。” ：
▪ ( x)( y) F(x, y) 表示对于个体域中的任何两个个体x
和y，x与y都是朋友。
20
2.2.3 谓词公式
全称量词和存在量词出现的次序将影响命题的意思。 例如：
▪ ( x)( y)(Employee(x) → Manager(y, x)) :
“每个雇员都有一个经理。”
▪ ( y)( x)(Employee(x) → Manager(y, x)):
30
第2章 知识表示
2.1 知识与知识表示的概念 2.2 一阶谓词逻辑表示法
（1）个体是常量：一个或者一组指定的个体。
▪ “老张是一个教师”：一元谓词 Teacher (Zhang) ▪ “5>3” ：二元谓词 Greater (5, 3) ▪ “Smith作为一个工程师为IBM工作”：
三元谓词 Works (Smith, IBM, engineer)
命题逻辑表示法：无法把它所描述的事物的结构及逻辑特 征反映出来，也不能把不同事物间的共同特征表述出来。
P：老李是小李的父亲
P：李白是诗人 Q：杜甫也是诗人
13
2.2.2 谓词
谓词的一般形式： P (x1, x2,…, xn)
▪ 个体 x1, x2,…, xn ：某个独立存在的事物或者某个抽象 的概念；
（3）∧： “合取”（conjunction）——与。
“我喜欢音乐和绘画”： Like (I, music) ∧ Like (I, painting)
16
2.2.3 谓词公式
1. 连接词（连词） （4）→：“蕴含”(implication)或 “条
件”(“如co果nd刘iti华on跑)。得最快，那么他取得冠军。” ：
▪ ( x)( y) F(x, y) 表示对于个体域中的任何两个个体x
和y，x与y都是朋友。
20
2.2.3 谓词公式
全称量词和存在量词出现的次序将影响命题的意思。 例如：
▪ ( x)( y)(Employee(x) → Manager(y, x)) :
“每个雇员都有一个经理。”
▪ ( y)( x)(Employee(x) → Manager(y, x)):
30
第2章 知识表示
2.1 知识与知识表示的概念 2.2 一阶谓词逻辑表示法
(汇总)人工智能知识表示2产生式表示法.ppt
2) (细菌2菌属（ IDENT ）是葡萄球（ STAHYOCOCCUS ）菌属的置信 度为0.3)
(IDENT ORGANISM2 STAHYOCOCCUS 0.3)
3) (细菌1的形态（ MORH ）为杆状形态的置信度是0.8) (MORH ORGANISM1 ROD 0.8)
4) (细菌1的形态（ MORH ）是球状（ COCCUS ）形态的置信度为0.2) (MORH ORGANISM1 COCCUS 0.2)
优选
19
三、控制策略 顺序排队
四、初始数据 {A，B}
五、结束条件 F∈{x}
优选
20
数据库
求解过程
可触发规则
A，B A，B，C A，B，C，D
A，B，C，D，G A，B，C，D，G，E
（1） （2）（3）
（3）（5） （5） （4）
A，B，C，D，G，E，F
被触发规则
（1） （2） （3） （5） （4）
P：前项 它说明应用这条规则
必须满足的条件；
R：后项 它说明应用这条规则产
生的操作、结果
优选
3
2) 如果病人出现如打喷嚏，咳嗽等症状 ，则 该
病人感冒了。
前提条件
◆ P1 ◆ P2
打喷嚏 咳嗽
结论
Q： 该病人感冒
P1 ∧ P2 Q
优选
4
3) x-1 ＞ 1 ∧ null (y) => x:= 0
5 (MAN ZHAOLING TRUE)
6 ZHAOLING ISN’T WOMAN. 6 (WOMAN ZHAOLING FASE)
优选
8
2）、确定性规则知识的产生式表示 IF P THEN Q 或者 P→Q,
知识表示方法ppt
猴子与香蕉问题
❖ 状态空间图
goto（U）
pushbox（V）
U=b
goto（U） U=b，climbbox
V=c，climbbox grasp
目标状态
goto（U） U=V
goto（U）
内容提要
第二章:知识表示方法
1、状态空间法 2、问题归约法 3、谓词逻辑法 4、语义网络法 5、其她方法
问题归约法
❖ 知识得一般概念:知识就是人们在改造客观世界得 实践中积累起来得认识与经验
✓ 认识:包括对事物现象、本质、属性、状态、联系等得 认识
✓ 经验:包括解决问题得微观方法与宏观方法 微观方法:如步骤、操作、规则、过程、技巧等 宏观方法:如战略、战术、计谋、策略等
eg:“if 大雁向南飞,then 冬天就要来临了。”这样一条知识就就是人 们经过长期得观察,将“大雁向南飞”与“冬天来临”这两条信息关 联在一起。“雪就是白色得”反映雪与颜色得一种关系。
✓ 元知识与控制知识就是有重迭得,对一个大得程序来说,以元 知识或说元规则形式体现控制知识更为方便,因为元知识存 于知识库中,而控制知识常与程序结合在一起出现,从而不容 易修改。
大家应该也有点累了,稍作休息
大家有疑问得,可以询问与交流
10
知识表示
❖ 知识表示:就是研究用机器表示知识得可行性、有效性得 一般方法,就是一种数据结构与控制结构得统一体,既考虑 知识得存储又考虑知识得使用。
✓ 图得显示说明/隐示说明:指各节点及其具有代价得弧线可以/ 不可以由一张表明确给出。显然,显示说明对于大型得图就 是不切实际得,而对于具有无限节点集合得图则就是不可能 得。
状态空间法
❖ 问题得表示对求解工作有很大影响。人们希望有较小得状 态空间表示。
人工智能导论 课件 PPT -第2章知识表示
产生式的基本形式
（2）规则型知识的产生式表示 规则描述的是事物间的因果关系。含义是：如果…则…，规则型 知识的产生式表示基本形式是：
P→Q 或者 IF P THEN Q 其中，P是生产式的前提，用于指出该生产式是否可用的条件；Q 是一组结论或操作，用于指出当前提P所指示的条件被满足时，应 该得出的结论或应该执行的操作。整个产生式的含义是：如果前 提P被满足，则可推出结论Q或执行Q所规定的操作。
产生式系统
规则集
控制器 匹配排序 冲突裁决
匹配
检索 产生式系统结构与工作过程
综合数据库
产生式系统
【例2.1】 建立一个动物识别系统的规则库，用以识别虎、 豹、斑马、长颈鹿、企鹅、鸵鸟、信天翁等7种动物。
框架表示法
框架
我们无法把过去的经验一一都存在脑子里，而只能以一个通用 的数据结构的形式存储以往的经验。这样的数据结构就是框架 （frame），框架提供了一个结构，一种组织。在这个结构或组织 中，新的资料可以用从过去的经验中得到的概念来分析和解释。 实例框架：对于一个框架，当人们把观察或认识到的具体细节填 入后，就得到了该框架的一个具体实例，框架的这种具体实例被 称为实例框架。 框架系统：在框架理论中，框架是知识的基本单位，把一组有关 的框架连结起来便形成一个框架系统。
人工智能导论
知识表示和知识图谱
2.1知识表示
人类之所以有智能行为是因为他们拥有知识，智能活动过程 其实就是一个获得并运用知识的过程，要使机器系统具有人的智 能能力（人工智能AI），则必须以人的知识为基础，知识是人工 智能的基石。但人类的知识要用适当的模式表示出来，才能够存 储到计算机中并被识别运用，本节将对人工智能中常用的几种知 识表示方法进行介绍，为后续学习奠定基础。
人工智能课件之知识表示方法(PPT 228张)
• • • •
对一个问题的状态描述，必须确定3件事： (1) 该状态描述方式，特别是初始状态描述； (2) 操作符集合及其对状态描述的作用； (3) 目标状态描述的特性
状态空间表示
• 典型的例子: • 下棋、迷宫及各种游戏。
三数码难题
• 问题描述: • 三数码难题:有3个编有1-3并放在2X2方格 棋盘上可走动的棋子组成.棋盘上总有一个 空格,以便让空格周围的棋子走进来.直至 从初始状态到达目标状态.
知识的要素
• 控制：当有多个动作同时被激活时，选择哪一个动 作来执行的知识。是有关问题的求解步骤、规划、求 解策略等技巧性知识. • 元知识：怎样使用规则、解释规则、校验规则、解 释程序结构等知识。是有关知识的知识，是知识库中 的高层知识。元知识与控制知识有时有重叠 .
知识的分类
根据知识表达的内容，将其简单地分为如下几类： 事实性知识 知识的一般直接表示，如果事实性知识是批量的、有规律的，则 往往以表格、图册，甚至数据库等形式出现。 这种知识描述一般性的事实，如凡是冷血动物都要冬眠，哺乳动 物都是胎生繁殖后代等。
节知识表示方法
• • • • • • • • • 内容提要：
状态空间法 问题归容之前，我们先了解一 下有关知识及其表示的概念。 人类的智能活动过程主要是一个获得 并运用知识的过程，知识是智能的基础 。为了使计算机具有智能，就必须使它 具有知识。 那什么是知识呢？
三数码难题
八数码难题
初始棋局
目标棋局
表示
•根据问题状态、操作算符和目标条件选择各种 表示，是高效率求解必须的。在问题求解过程中， 会不断取得经验，获得一些简化的表示。 • 制定操作算符集： • * 直观方法——为每个棋牌制定一套可能的走 步：左、上、右、下四种移动。这样就需32个 操作算子。 • * 简易方法——仅为空格制定这4种走步，因 为只有紧靠空格的棋牌才能移动。 • * 空格移动的唯一约束是不能移出棋盘。
《人工智能应用概论》课件第2章-知识表示
2 2.2.1知识表示具体实现
匹配流程： 初始信息：黑斑点、长脖子、长腿、乳汁、有蹄
第一次匹配： R2: IF 分泌乳汁 THEN 哺乳动物 --> 哺乳动物
第二次匹配： R7: IF 哺乳动物 AND 有蹄 THEN 有蹄类动物 --> 有蹄、哺乳动物
（关系，对象1，对象2，置信度） 例如：（情侣，小明，小红，0.7） 意思：小明和小红是情侣关系的概率是70%
2 2.1.3知识表示概念
(2)产生式系统 把一组产生式放在一起，让它们互相配合，协 同作用，一个产生式生成的结论可以供另一个 产生式作为已知事实使用，以求得问题的解决， 这样的系统称为产生式系统。
2 2.1.3知识表示概念
不确定性知识：推论中有一定概率发生的事件， 表示为 IF P THEN Q（置信度） 例如：IF 打雷 THEN 雨（0.9） 意思：如果打雷了，有90%的几率会下雨 （对象，属性，值，置信度） 例如：（手机，待机时间，10H，0.8） 意思：手机待机时间10小时的概率是80%
2 2.1.3知识表示概念
知识表示的完整过程
2 2.1.4知识表示发展历程 不同阶段时期，产生不同的知识表示概念
2 2.1.4知识表示发展历程
1.数据连接阶段 20世纪40年代，知识表示更多通过数据之间的关联所表示，还没形成一个相对统一的概念模型。
2.图形表示的信息阶段 随着1956年达特茅斯会议的召开，面向人工智能的表示方法从20世纪五六十年代就开始了，科 学家提出通过符号的形式表示知识，也就是‘一阶谓词逻辑表示’
同期为了表示过程性知识，1975年由夏克从框架发展出”脚本”表示方法，这种表示方式可以描 述事件及时间顺序，并成为基于示例的推理CBR（case-based reasoning）的基础之一，与框架 表示法类似
人工智能课件之知识表示方法(PPT 228页)
• 这种图搜索控制策略将在第三章讨论.
推销员旅行问题
• 例2.1 推销员旅行问题（旅行商问题）
•
一个推销员计划出访推销产品。他
从一个城市（如A）出发，访问每个城市
一次，且最多一次，然后返回城市A。要
求寻找最短路线。
推销员旅行问题
• 状态描述：目前为止访问过的城市列表（A…）
•
初始状态： （A）
•
棋局。首先把适用的算符用于初始
状态，以产生新的状态；然后，再
把另一些适用算符用于这些新的状
态；这样继续下去，直至产生目标
状态为止。
八数码难题部分状态图
十五数码难题(思考)
11
9
1
3
7
5
13
2
15
1
2
3
4
12
5
6
7
8
8
6
9
10
11
12
10
14
13
14
15
4
初始状态
目标状态
状态图示法
状态空间的图示形式称为状态空间图。
启发式规则，如果下雨，则出门带伞。
知识的要素
• 控制：当有多个动作同时被激活时，选择哪一个动
作来执行的知识。是有关问题的求解步骤、规划、求
解策略等技巧性知识.
• 元知识：怎样使用规则、解释规则、校验规则、解
释程序结构等知识。是有关知识的知识，是知识库中
的高层知识。元知识与控制知识有时有重叠.
知识的分类
目标状态： （A……A）
推销员旅行问题
图2.4 推销员旅行问题状态空间图
• 算符：下一步走向的城市(a)(b)(c)(d)(e)
推销员旅行问题
• 例2.1 推销员旅行问题（旅行商问题）
•
一个推销员计划出访推销产品。他
从一个城市（如A）出发，访问每个城市
一次，且最多一次，然后返回城市A。要
求寻找最短路线。
推销员旅行问题
• 状态描述：目前为止访问过的城市列表（A…）
•
初始状态： （A）
•
棋局。首先把适用的算符用于初始
状态，以产生新的状态；然后，再
把另一些适用算符用于这些新的状
态；这样继续下去，直至产生目标
状态为止。
八数码难题部分状态图
十五数码难题(思考)
11
9
1
3
7
5
13
2
15
1
2
3
4
12
5
6
7
8
8
6
9
10
11
12
10
14
13
14
15
4
初始状态
目标状态
状态图示法
状态空间的图示形式称为状态空间图。
启发式规则，如果下雨，则出门带伞。
知识的要素
• 控制：当有多个动作同时被激活时，选择哪一个动
作来执行的知识。是有关问题的求解步骤、规划、求
解策略等技巧性知识.
• 元知识：怎样使用规则、解释规则、校验规则、解
释程序结构等知识。是有关知识的知识，是知识库中
的高层知识。元知识与控制知识有时有重叠.
知识的分类
目标状态： （A……A）
推销员旅行问题
图2.4 推销员旅行问题状态空间图
• 算符：下一步走向的城市(a)(b)(c)(d)(e)
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
谓词逻辑中的蕴含式与产生式的差别：
①蕴含式只能表示精确知识；产生式可以表示精确知识，也可以表 示不精确知识。 ②蕴含式要求匹配是精确的；产生式匹配可以是精确的，也可以是 不精确的；可以按某种确信度进行匹配。
可以把蕴含式看出产生式的一个特例
2020/8/10
2.3.2 产生式表示知识方法
确定性和不确定性规则知识的产生式表示
2020/8/10
2.3.3产生式系统的组成
➢ 一组产生式在一起互相配合，协同作用，一个产 生式生成的结论可以作为另一个产生式的前提， 以获得问题的解决，这样的系统为产生式系统。
➢ 产生式系统通常由规则库、数据库和推理机这3个 构
2020/8/10
数据库
内容简介
1 2.1 概述 2 2.2 一阶谓词逻辑表示法 3 2.3 产生式表示法 4 2.4 框架表示法 5 2.5 语义网络表示法 6 2.6 面向对象表示法
2020/8/10
第一部分
整体概述
THE FIRST PART OF THE OVERALL OVERVIEW, PLEASE SUMMARIZE THE CONTENT
（6）若规则中不再有未使用过的规则，则终止问题的求解过程。
2020/8/10
2.3.4产生式系统推理方式
➢ 产生式系统推理机的由推于理可能方有式多有条规正则向同时推与理事、实匹反配向， 推理和双向推理三种选。会择得哪到条与规目则标将无影直响接求关解系效的率推，论经。常
正向推理
从已知事实出发，通过规则求得结论。或称数据驱动方式也称作自底向 上的方式。 推理过程 （1）规则集中的规则与数据库中的事实进行匹配，得匹配的规则集合。 （2）使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则。 （3）执行启用规则的后件。将该请用规则的后件送入数据库。 重复这个过程直至达到目标。
2020/8/10
2.3.2 产生式表示知识方法
确定性和不确定性事实性知识的产生式表示
确定性事实性知识 一般使用三元组的形式表示如下 （对象，属性，值）或 （关系，对象1，对象2） 例如：（Lee，Age，35）；(Friend,Lee,Zhang) 不确定性事实性知识 一般用四元组的形式表示如下 （对象，属性，值，不确定度量值）或 （关系，对象1，对象2，不确定度量值） 例如：（Lee，Age，35,0.9）；(Friend,Lee,Zhang,0.2)
（5）随时掌握结束产生式系统运行的时机，以便在 适当的时候停止系统的运行。
2020/8/10
产生式系统求解问题的一般步骤
（1）初始化综合数据库，把问题的初始已知事实送入综合数据库中。
（2）若规则库中存在尚未使用过的规则，而且它的前提可与综合数据库中的 已知事实匹配，则继续；若不存在这样的事实，则转第（5）步。
（3）执行当前选中的规则，并对该规则做上标记，把该规则执行后得到的结 论送入综合数据库中。若该规则的结论部分指出的是某些操作，则执行这些 操作。
（4）检查综合数据库中是否已包含了问题的解，若已包含，则终止问题的求 解过程；否则，转第（2）步。
（5）要求用户提供进一步的关于问题的已知事实，若能提供，则转第（2） 步；否则，终止问题求解过程。
2020/8/10
2.3.4产生式系统推理方式
反向推理
如果目标明确，则效率会 比正向推理高得多。
从目标（作为假设）出发，反向使用规则，求得已知事实。 这种推理方式也称目标驱动方式或称自顶向下的方式。 推理过程
（1）规则库中的规则后件与目标事实进行匹配，得匹配的规 则集合。 （2）使用冲突解决算法，从匹配规则集合中选择一条规则作 为启用规则。 （3）将启用规则的前件作为子目标。 重复这个过程直至各子目标均为已知事实成功结束。
• 规则库：产生式的集合
–是产生式系统的基础 –包含的知识要完整、一直，表达灵活准确； –构建规则库时，应对知识进行合理组织管理；
• 数据库：包含已知事实
–包含的知识是动态变化的； –已知事实常用字符串、向量、矩阵等数据结构
表示；
2020/8/10
•推理机的工作： （1）按一定的策略从规则库中选择规则，并与综合
2020/8/10
2.3.1 产生式的基本形式
产生式通常用于表示具有因果关系的知识，其基本形式是 P→Q 或 IF P THEN Q
其中，P是产生式的前提或条件，用于指出该产生式是否是 可用的条件；Q是一组结论或动作，用于指出该产生式的前 提条件P被满足时，应该得出的结论或应该执行的操作。P 和Q都可以是一个或一组数学表达式或自然语言。
数据库中的已知事实进行匹配。 （2）当发生冲突（即匹配成功的规则不止一条）时，
调用相应的冲突解决策略予以消解。 （3）在执行某条规则时，若该规则的右部是一个或
多个结论，则把这些结论加到综合数据库中；若规则的 右部是一个或多个操作，则执行这些操作。
（4）对于不确定性知识，在执行每一条规则时，还要 按一定的算法计算结论的可信度。
2.3 产生式表示法
产生式知识 表示方法
1943年E. Post第一次提出称为“Post机”的计算 模型（《计算理论》）
一种描述形式语言的语法又称为产生式规则表 示法，它和图灵机有相同的计算能力。目前产 生式表示法已成为人工智能中应用最多的一种 知识表示方法。
1972年纽厄尔和西蒙在研究人类知识模型开发 了基于规则的产生式系统。
确定性规则知识 可用前面介绍的产生式的基本形式表示即可。 不确定性规则知识 用如下形式表示
P→Q （可信度） 或者 IF P THEN Q （可信度） 其中，P是产生式的前提或条件，用于指出该产生式是否是 可用的条件；Q是一组结论或动作，用于指出该产生式的前提 条件P被满足时，应该得出的结论或应该执行的操作。
2020/8/10
2.3.4产生式系统推理方式
双向推理
双向推理是一种既自顶向下、又自底向上的推理方 式，推理从两个方向同时进行，直至某个中间界面 上两方向结果相符便成功结束。这种双向推理较正 向或反向推理所形成的推理网络更小，从而有更高 的推理效率。
2020/8/10
2.3.5产生表示法的特点
①蕴含式只能表示精确知识；产生式可以表示精确知识，也可以表 示不精确知识。 ②蕴含式要求匹配是精确的；产生式匹配可以是精确的，也可以是 不精确的；可以按某种确信度进行匹配。
可以把蕴含式看出产生式的一个特例
2020/8/10
2.3.2 产生式表示知识方法
确定性和不确定性规则知识的产生式表示
2020/8/10
2.3.3产生式系统的组成
➢ 一组产生式在一起互相配合，协同作用，一个产 生式生成的结论可以作为另一个产生式的前提， 以获得问题的解决，这样的系统为产生式系统。
➢ 产生式系统通常由规则库、数据库和推理机这3个 构
2020/8/10
数据库
内容简介
1 2.1 概述 2 2.2 一阶谓词逻辑表示法 3 2.3 产生式表示法 4 2.4 框架表示法 5 2.5 语义网络表示法 6 2.6 面向对象表示法
2020/8/10
第一部分
整体概述
THE FIRST PART OF THE OVERALL OVERVIEW, PLEASE SUMMARIZE THE CONTENT
（6）若规则中不再有未使用过的规则，则终止问题的求解过程。
2020/8/10
2.3.4产生式系统推理方式
➢ 产生式系统推理机的由推于理可能方有式多有条规正则向同时推与理事、实匹反配向， 推理和双向推理三种选。会择得哪到条与规目则标将无影直响接求关解系效的率推，论经。常
正向推理
从已知事实出发，通过规则求得结论。或称数据驱动方式也称作自底向 上的方式。 推理过程 （1）规则集中的规则与数据库中的事实进行匹配，得匹配的规则集合。 （2）使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则。 （3）执行启用规则的后件。将该请用规则的后件送入数据库。 重复这个过程直至达到目标。
2020/8/10
2.3.2 产生式表示知识方法
确定性和不确定性事实性知识的产生式表示
确定性事实性知识 一般使用三元组的形式表示如下 （对象，属性，值）或 （关系，对象1，对象2） 例如：（Lee，Age，35）；(Friend,Lee,Zhang) 不确定性事实性知识 一般用四元组的形式表示如下 （对象，属性，值，不确定度量值）或 （关系，对象1，对象2，不确定度量值） 例如：（Lee，Age，35,0.9）；(Friend,Lee,Zhang,0.2)
（5）随时掌握结束产生式系统运行的时机，以便在 适当的时候停止系统的运行。
2020/8/10
产生式系统求解问题的一般步骤
（1）初始化综合数据库，把问题的初始已知事实送入综合数据库中。
（2）若规则库中存在尚未使用过的规则，而且它的前提可与综合数据库中的 已知事实匹配，则继续；若不存在这样的事实，则转第（5）步。
（3）执行当前选中的规则，并对该规则做上标记，把该规则执行后得到的结 论送入综合数据库中。若该规则的结论部分指出的是某些操作，则执行这些 操作。
（4）检查综合数据库中是否已包含了问题的解，若已包含，则终止问题的求 解过程；否则，转第（2）步。
（5）要求用户提供进一步的关于问题的已知事实，若能提供，则转第（2） 步；否则，终止问题求解过程。
2020/8/10
2.3.4产生式系统推理方式
反向推理
如果目标明确，则效率会 比正向推理高得多。
从目标（作为假设）出发，反向使用规则，求得已知事实。 这种推理方式也称目标驱动方式或称自顶向下的方式。 推理过程
（1）规则库中的规则后件与目标事实进行匹配，得匹配的规 则集合。 （2）使用冲突解决算法，从匹配规则集合中选择一条规则作 为启用规则。 （3）将启用规则的前件作为子目标。 重复这个过程直至各子目标均为已知事实成功结束。
• 规则库：产生式的集合
–是产生式系统的基础 –包含的知识要完整、一直，表达灵活准确； –构建规则库时，应对知识进行合理组织管理；
• 数据库：包含已知事实
–包含的知识是动态变化的； –已知事实常用字符串、向量、矩阵等数据结构
表示；
2020/8/10
•推理机的工作： （1）按一定的策略从规则库中选择规则，并与综合
2020/8/10
2.3.1 产生式的基本形式
产生式通常用于表示具有因果关系的知识，其基本形式是 P→Q 或 IF P THEN Q
其中，P是产生式的前提或条件，用于指出该产生式是否是 可用的条件；Q是一组结论或动作，用于指出该产生式的前 提条件P被满足时，应该得出的结论或应该执行的操作。P 和Q都可以是一个或一组数学表达式或自然语言。
数据库中的已知事实进行匹配。 （2）当发生冲突（即匹配成功的规则不止一条）时，
调用相应的冲突解决策略予以消解。 （3）在执行某条规则时，若该规则的右部是一个或
多个结论，则把这些结论加到综合数据库中；若规则的 右部是一个或多个操作，则执行这些操作。
（4）对于不确定性知识，在执行每一条规则时，还要 按一定的算法计算结论的可信度。
2.3 产生式表示法
产生式知识 表示方法
1943年E. Post第一次提出称为“Post机”的计算 模型（《计算理论》）
一种描述形式语言的语法又称为产生式规则表 示法，它和图灵机有相同的计算能力。目前产 生式表示法已成为人工智能中应用最多的一种 知识表示方法。
1972年纽厄尔和西蒙在研究人类知识模型开发 了基于规则的产生式系统。
确定性规则知识 可用前面介绍的产生式的基本形式表示即可。 不确定性规则知识 用如下形式表示
P→Q （可信度） 或者 IF P THEN Q （可信度） 其中，P是产生式的前提或条件，用于指出该产生式是否是 可用的条件；Q是一组结论或动作，用于指出该产生式的前提 条件P被满足时，应该得出的结论或应该执行的操作。
2020/8/10
2.3.4产生式系统推理方式
双向推理
双向推理是一种既自顶向下、又自底向上的推理方 式，推理从两个方向同时进行，直至某个中间界面 上两方向结果相符便成功结束。这种双向推理较正 向或反向推理所形成的推理网络更小，从而有更高 的推理效率。
2020/8/10
2.3.5产生表示法的特点