人工智能第4章(推理技术)
不确定性推理方法(导论)

(1)在每一步推理中,如何把证据及知识的不确定性 传递给结论。
(2)在多步推理中,如何把初始证据的不确定性传递 给最终结论。
5. 结论不确定性的合成
9
第4章 不确定性推理方法
4.1 不确定性推理的基本概念 4.2 可信度方法 4.3 证据理论 4.4 模糊推理方法
10
则 CF (E)=min{CF (E1), CF (E2 ),..., CF (En )} ▪ 组合证据:多个单一证据的析取
E=E1 OR E2 OR … OR En 则 CF (E)=max{ CF (E1), CF (E2 ), ,CF (En )}
17
4.2 可信度方法
4. 不确定性的传递算法
下面首先讨论不确定性推理中的基本问题,然后着 重介绍基于概率论的有关理论发展起来的不确定性 推理方法,主要介绍可信度方法、证据理论,最后 介绍目前在专家系统、信息处理、自动控制等领域 广泛应用的依据模糊理论发展起来的模糊推理方法。
2
第4章 不确定性推理方法
4.1 不确定性推理的基本概念 4.2 可信度方法 4.3 证据理论 4.4 模糊推理方法
Introduction of Artificial Intelligence
第 4 章 不确定性推理方法
教材:
王万良《人工智能导论》(第4版) 高等教育出版社,2017. 7
第4章 不确定性推理方法
现实世界中由于客观上存在的随机性、模糊性,反 映到知识以及由观察所得到的证据上来,就分别形 成了不确定性的知识及不确定性的证据。因而还必 须对不确定性知识的表示及推理进行研究。这就是 本章将要讨论的不确定性推理。
7
4.1 不确定性推理中的基本问题
人工智能教程习题及答案第4章习题参考解答

第四章不确定性推理习题参考解答4.1 练习题4.1什么是不确定性推理?有哪几类不确定性推理方法?不确定性推理中需要解决的基本问题有哪些?4.2什么是可信度?由可信度因子CF(H,E)的定义说明它的含义。
4.3什么是信任增长度?什么是不信任增长度?根据定义说明它们的含义。
4.4当有多条证据支持一个结论时,什么情况下使用合成法求取结论的可信度?什么情况下使用更新法求取结论可信度?试说明这两种方法实际是一致的。
4.5设有如下一组推理规则:r1:IF E1THEN E2(0.6)r2:IF E2AND E3THEN E4 (0.8)r3:IF E4THEN H (0.7)r4:IF E5THEN H (0.9)且已知CF(E1)=0.5,CF(E3)=0.6,CF(E5)=0.4,结论H的初始可信度一无所知。
求CF(H)=?4.6已知:规则可信度为r1:IF E1THEN H1(0.7)r2:IF E2THEN H1(0.6)r3:IF E3THEN H1(0.4)r4:IF (H1AND E4) THEN H2(0.2)证据可信度为CF(E1)=CF(E2)=CF(E3)=CF(E4)=CF(E5)=0.5H1的初始可信度一无所知,H2的初始可信度CF0(H2)=0.3计算结论H2的可信度CF(H2)。
4.7设有三个独立的结论H1,H2,H3及两个独立的证据E1与E2,它们的先验概率和条件概率分别为P(H1)=0.4,P(H2)=0.3,P(H3)=0.394P(E1/H1)=0.5,P(E1/H2)=0.6,P(E1/H3)=0.3P(E2/H1)=0.7,P(E2/H2)=0.9,P(E2/H3)=0.1利用基本Bayes方法分别求出:方法分别求出:(1)当只有证据E1出现时,P(H1/E1),P(H2/E1),P(H3/E1)的值各为多少?这说明了什么?么?(2)当E1和E2同时出现时,P(H1/E1E2),P(H2/E1E2),P(H3/E1E2)的值各是多少?这说明了什么?明了什么?4.8在主观Bayes方法中,请说明LS与LN的意义。
人工智能基础 推理

人工智能基础推理人工智能基础:推理人工智能(Artificial Intelligence,简称AI)是一门研究如何使计算机能够模拟和实现人类智能的学科。
其中,推理是人工智能的核心基础之一。
推理是指根据已知的事实和规则,通过逻辑推演得出新的结论或解决问题的过程。
推理在人工智能领域有着广泛的应用,如专家系统、自然语言处理、机器学习等。
在专家系统中,推理技术被用于解决特定领域的问题,通过构建知识库和规则库,利用推理引擎对用户输入的问题进行分析和求解,从而达到模拟专家决策的目的。
自然语言处理中的推理技术可以用于理解和解释自然语言中的逻辑关系,如推理出语义相似的词语、推断出上下文中隐藏的信息等。
这对于机器翻译、文本摘要等任务具有重要意义。
机器学习中的推理技术,如逻辑回归、决策树等,通过对已有数据进行学习和训练,模型能够推理出新的数据和结论。
这种推理方式在数据挖掘、图像识别等领域有着广泛的应用。
推理的实现方式有多种,其中基于规则的推理是最常见的一种。
基于规则的推理通过事先定义好的规则和逻辑关系,对输入的数据进行推演和推理。
另一种常见的推理方式是基于统计的推理,通过对大量数据的统计分析,得出概率和可能性最高的结论。
推理技术在人工智能发展过程中不断进步和完善。
传统的推理技术往往依赖人为定义的规则和逻辑,对于复杂和模糊的问题难以处理。
而近年来,随着机器学习和深度学习的发展,基于数据驱动的推理方式得到了广泛应用。
通过对大量数据的学习和训练,模型能够自动学习特征和规律,从而进行更精确的推理和判断。
然而,推理技术也存在一些挑战和限制。
首先,推理模型的准确性和可解释性是一个重要问题。
在一些需要高度精确和可解释的场景下,推理模型的结果往往难以满足要求。
其次,推理过程中可能存在歧义和不确定性,这对于模型的鲁棒性和可靠性提出了挑战。
此外,推理技术的计算复杂度较高,需要消耗大量计算资源和时间。
为了克服这些挑战,研究者们不断努力改进推理技术。
第4章 不确定性知识的表示与推理技术

2014-12-16
22
4.3主观贝叶斯方法(2)
4.3.1 4.3.2 4.3.3 4.3.4 知识的不确定性表示 证据的不确定性表示 不确定性的传播23
4.3.1 知识的不确定性表示(1)
知识是用规则表示的,具体形式为:
if 或: 其中 • E 是该条知识的前提条件,它既可以是一个简单条 件, 也可以是用and 、or 把多个条件连接起来的 复条件。 • H 是结论,P(H) 是 H 的先验概率,它指出在没有任 何专门证据的情况下,结论为真的概率,其值由领 域专家根据以往的实践及经验给出。
Em )
P( E1 / H i ) P( E2 / H i )
P ( Em / H i ) P ( H i ) P ( Em / H j ) P ( H j )
(4.3.3)
P( E / H ) P( E
j 1 1 j
n
2
/ H j)
例
已知: P( H1 ) 0.4, P( H 2 ) 0.3, P( H 3 ) 0.3 P( E1 | H1 ) 0.5, P( E1 | H 2 ) 0.6, P( E1 | H 3 ) 0.3
2014-12-16 24
E
then
(LS, LN)
H
( P(H) )
4.3.1 知识的不确定性表示(2)
• LS 称为充分性量度,用于指出 E 对 H 的支持程度,取值范围 为 [ 0, ∞ ),其定义为:
LS = P(E|H) P(E|H)
LS 的值由领域专家给出,具体情况在下面论述。 • LN 称为必要性量度,用于指出 E 对 H 的支持程度,取值范 围为 [ 0, ∞ ),其定义为: P( E|H) 1 P(E|H) LN = P( E|H) = 1 P(E|H) LN 的值也由领域专家给出,具体情况在下面论述。 • LS, LN 相当于知识的静态强度。
人工智能课程习题与部分解答

《人工智能》课程习题与部分解答第1章 绪论什么是人工智能 它的研究目标是什么什么是图灵测试简述图灵测试的基本过程及其重要特征. 在人工智能的发展过程中,有哪些思想和思潮起了重要作用 在人工智能的发展过程中,有哪些思想和思潮起了重要作用人工智能的主要研究和应用领域是什么其中,哪些是新的研究热点第2章 知识表示方法什么是知识分类情况如何什么是知识表示不同的知识表示方法各有什么优缺点 人工智能对知识表示有什么要求 用谓词公式表示下列规则性知识:自然数都是大于零的整数。
任何人都会死的。
[解] 定义谓词如下:N(x): “x 是自然数”, I(x): “x 是整数”, L(x): “x 大于0”, D(x): “x 会死的”, M(x): “x 是人”,则上述知识可用谓词分别表示为: )]()()()[(x I x L x N x ∨→∀ )]()()[(x D x M x →∀用谓词公式表示下列事实性知识:小明是计算机系的学生,但他不喜欢编程。
李晓新比他父亲长得高。
产生式系统由哪几个部分组成 它们各自的作用是什么可以从哪些角度对产生式系统进行分类 阐述各类产生式系统的特点。
简述产生式系统的优缺点。
简述框架表示的基本构成,并给出框架的一般结构 框架表示法有什么特点试构造一个描述你的卧室的框架系统。
试描述一个具体的大学教师的框架系统。
[解] 一个具体大学教师的框架系统为: 框架名:<教师-1> 类属:<大学教师>姓名:张宇 性别:男年龄:32职业:<教师>职称:副教授部门:计算机系研究方向:计算机软件与理论工作:参加时间:2000年7月工龄:当前年份-2000工资:<工资单>把下列命题用一个语义网络表示出来(1)树和草都是植物;(2)树和草都是有根有叶的;(3)水草是草,且生长在水中;(4)果树是树,且会结果;(5)苹果树是果树的一种,它结苹果。
[解]在基于语义网络的推理系统中,一般有几种推理方法,简述它们的推理过程。
人工智能的逻辑推理技术

人工智能的逻辑推理技术人工智能(Artificial Intelligence,简称AI)的逻辑推理技术在近年来得到了快速的发展和应用。
逻辑推理是指通过分析和判断给定的前提条件,并利用逻辑规则和规范的推理方法来得到结论的过程。
在人工智能领域,逻辑推理技术被广泛应用于问题求解、决策制定和知识推理等方面。
本文将从逻辑推理的基本原则和方法入手,介绍人工智能中的逻辑推理技术及其应用。
第一部分逻辑推理的基本原则和方法1.1 逻辑推理的基本原则逻辑推理的基本原则包括前提-结论关系、规则的可信度、逻辑范式等。
前提-结论关系要求结论必须根据前提进行推断,并且推断的过程必须符合规则和规范。
规则的可信度是指推理过程中对于规则的使用和使用的结果的可信程度。
逻辑范式是指将推理过程中的严格逻辑转化为数学形式,以便计算机进行计算和推理。
1.2 逻辑推理的方法逻辑推理的方法主要包括演绎推理和归纳推理两种。
演绎推理是指从一般到特殊的推理过程,根据已知的规则和条件来推断出结论。
归纳推理是指从特殊到一般的推理过程,根据已知的个别事实和实例推断出一般规律和结论。
第二部分人工智能中的逻辑推理技术2.1 基于规则的推理技术基于规则的推理技术是指通过描述和表示规则,利用规则的推理能力进行推理和决策。
基于规则的推理技术主要包括规则库、推理引擎和推理机制等。
规则库是存储和管理规则的系统,推理引擎是执行和控制推断过程的组件,推理机制是通过规则的匹配和应用来得到结论的方法。
基于规则的推理技术在专家系统、决策支持系统和自然语言处理等领域有着广泛的应用。
2.2 基于搜索的推理技术基于搜索的推理技术是指通过搜索和探索问题空间,找到问题的解空间,并从中选择最优解的一种推理方式。
基于搜索的推理技术主要包括深度优先搜索、广度优先搜索、A*算法和剪枝策略等。
深度优先搜索是从根节点开始,先搜索到最深的节点,然后再回溯回来,广度优先搜索是按层次来搜索节点,A*算法是综合利用启发函数和代价函数来进行搜索的。
人工智能第四章(1)

无论论域是有限的还是无限的,连续的 还是离散的,扎德都用如下记号作为模 糊子集的一般表示形式:
这里的积分号不是数学中的积分,也不 是求和,只是表示论域中各元素与其隶 属度对应关系的总括,是一个记号。
19
20
1
µ B (u) ≤ µ A(u )
µ B (u ) = µ A(u )
21
22
例:设U={ u1,u2,u3 } A=0.3/ u1+0.8/ u2+0.6/ u3
31
2 普通集合上的“关系”
例3、设U={ 红桃, 红桃,方块, 方块,黑桃, 黑桃,梅花 } V={ A,2,3,4,5,6,7,8,9,10, J, Q, K } 求 U× V 解: U×V = { ( 红桃 , A) , ( 红 桃 , 2 ) , …… , (梅花, K) },共52个元素。 个元素。
例:设有模糊集: 设有模糊集: A=0.3/u1+0.7/u2+1/u3+0.6/u4+0.5/ u5 且λ分别为1,0.6,0.5,0.3,分别求其相应的 λ截集、 截集、核及支集。 核及支集。
A=0.3/u1+0.7/u2+1/u3+0.6/u4+0.5/u5
解: (1)λ截集 A1={ u3 } A0.6={ u2,u3,u4 } A0.5={ u2,u3,u4,u5 } A0.3={ u1,u2,u3,u4,u5 } (2)核、支集 KerA={ u3 } SuppA={ u1,u2,u3,u4,u5 }
模糊推理
含有模糊概念、模糊数据的语句称为模糊命题。它 的一般表示形式为: x is A 或者 x is A (CF) 其中,A是模糊概念或者模糊数,用相应的模糊集 及隶属函数刻画; x是论域上的变量,用以代表所 论述对象的属性; CF是该模糊命题的可信度,它既 可以是一个确定的数,也可以是一个模糊数或者模 糊语言值。
人工智能导论 第4章 不确定性推理方法(导论)42-76

64
4.4.4 模糊关系与模糊关系的合成
2. 模糊关系的合成
▪ 解:
0.5 0.6 0.3
S
Qo
R
0.7 0
1
0.4 0.8 0.2
1 0
o
0.2 0.8
0.9 0.5
1 0.4 0.3
(0.50.2)(0.6 0.8)(0.30.5)
(0.70.2)(0.4 0.8) (10.5)
AB
ABLeabharlann AB584.4.3 模糊集合的运算
▪ 例4.5 设论域U x1, x2 , x3 , x4 , x5 ,A 及 B 是论域上 的两个模糊集合,已知:
A 0.2 x1 0.4 x 2 0.9 x 3 0.5 x5 B 0.1 x1 0.7 x 3 1.0 x 4 0.3 x5
66
4.4.5 模糊推理
2. 对 IF A THEN B 类型的模糊规则的推理
▪若已知输入为 A,则输出为 B ;若现在已知输入为 A',
则输出 B ' 用合成规则求取 B ' A 'oR
其中模糊关系R: R ( x, y) min[ A ( x), B ( y)]
▪ 控制规则库的N 条规则有N 个模糊关系: R1 , R 2 ,
B B (b1), B (b2
61
4.4.4 模糊关系与模糊关系的合成
1. 模糊关系
▪ 例4.7 已知输入的模糊集合A和输出的模糊集合B:
A 1.0 / a1 0.8 / a2 0.5 / a3 0.2 / a4 0.0 / a5
B 0.7 / b1 1.0 / b2 0.6 / b3 0.0 /b4 ▪ 求A到B的模糊关系R。
- 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)。
=(x) (y)( ~(($z)(A(x,z)∧A(y,z)))∨($u)B(x,y,u))
=(x) (y)( (z)(~A(x,z)∨~A(y,z) )∨($u)B(x,y,u)) =(x) (y)( (z)(~A(x,z)∨~A(y,z) )∨B(x,y,f(x,y))
基本的出发点:要证明一个命题 为真都可以通过证明其否命题为 假来得到 将多样的推理规则简化为一个— 消解
鲁滨逊
什么叫消解
析取联接词,类似“或”
PQ
﹁P R 亲本子句
QR
消解式
消解式是亲本子 句的逻辑结论
消解只能在仅含否定和析取联接词的公式(子句) 间进行 必须先把公式化成规范的形式(范式,子句集)
( $ x)Q(x) ( $ y)Q(y) Skolemnizing),两种情况:
存在量词不在全称量词的辖域内 —— 用新的个 体常量替换受存在量词约束的变元 存在量词在全称量词的辖域内 Skolem函数,即具体化函数
( x ) P ( x ) ( $ y ) Q ( y ) ( x ) P( x ) Q ( a ) ( x 1 )( x 2 )...( x n )( $ y ) P ( x 1, x 2 ,..., x n , y ) ( x 1)( x 2 )...( x n ) P ( x 1, x 2 ,..., x n , f ( x 1, x 2 ,..., x n ))
什么叫消解
例 1:
小王说他下午或者去图书馆或者在家休息 小王没去图书馆 R—小王下午去图书馆 S—小王下午在家休息
RS 例 2: ﹁R
S
﹁ P→Q P Q ﹁P
如果今天不下雨,我就去你家 今天没有下雨
含变量的消解
例:苏格拉底论断
凡人都会死. x (Man (x) Mortal (x)) 苏格拉底是人. Man (Socrates) 如何得到结论:苏格拉底会死. Mortal(Socrates)
斯科伦函数 w = g ( x )
⑤ 化成前束范式
⑥ 化成前束合取范式 分配律: P∨(Q∧R) = (P∨Q)∧(P∨R)
注:使用分配律两次
⑦ 消去全称量词或者前束
⑧ 消去合取符号,得到子句
⑨ 变量改名,使得变量不相同,得到子句集
消解式的定义
命题逻辑的消解式
设C1与C2是子句集中的任意两个子句,如果C1中的文字L1与 C2中的文字L2互补,那么从C1和C2中分别消去L1和L2,并将 两个子句中余下的部分析取,构成一个新子句C12,则称这一 过程为消解,称C12为C1和C2的消解式,C1,C2为C12的亲 本子句 例:子句 C1=P∨C1' C2=~P∨C2' 消解式 C12=C1'∨C2'
= (x) (y) (z)(~A(x,z)∨~A(y,z) ∨B(x,y,f(x,y)))
子句
例3:
((x)P(x)∨($y)Q(y)) (x)R(x)
=~((x)P(x)∨($y)Q(y)) ∨ (x)R(x)
=(~(x)P(x)∧~($y)Q(y)) ∨ (x)R(x) =( ($x)(~P(x))∧(y)(~Q(y))) ∨ (x)R(x)
人
工
智
能
Artificial Intelligence (AI)
第4章 推理技术
4.1 消解原理
推理是如何进行的?
推理过程多种多样 例 1:
如果今天不下雨,我就去你家 今天没有下雨
例 2:
小王说他下午或者去图书馆或者在家休息 小王没去图书馆
计算机如何选择?
消解原理(归结原理)
美国数学家鲁滨逊 提出消解原理(1965年)
“快乐的人过着激动人心的生活”
(∀z) (Happy(z)→Exciting(z))
目标“李明过着激动人心的生活”的否定
~Exciting(Liming)
消解反演示例—“激动人心的生活”问题
将上述谓词公式转化为子句集如下: (1) Poor(x)∨~Smart(x)∨Happy(x) (2) ~Read(y)∨Smart(y) (3) Read(Liming) (4) ~Poor(Liming) (5) ~Happy(z)∨Exciting(z) (6) ~Exciting(Liming) (结论的否定)
F2的前束合取范式和子句集: ($x)(C(x)∧O(x)) = (C(a)∧O(a)) 子句集={ C(a), O(a) }
~L 的前束范式和子句集: ~($x)(O(x)∧R(x))
= (x)(~O(x)∨~R(x))
子句集={~O(x)∨~R(x)}
构成子句集(注意改名) { ~C(x)∨W(x), ~C(y)∨R(y),
例:求Skolem函数(斯柯伦范式)
$x y z $u v $w A(x,y,z,u,v,w)
(用a替代x,删除$x)
= y z $u v $w A(a,y,z,u,v,w) (用f(y,z)代替u,删除$u) = y z v $w A(a,y,z, f(y,z),v,w) (用h(y,z,v)代替w,删除$w) = y z v A(a,y,z, f(y,z),v,h(y,z,v))
L: ($x)(O(x)∧R(x)) 试证:L是F1,F2的逻辑结果,即F1∧F2L
证明:
利用消解原理来构造F1∧F2∧~L的一个反演
首先分别求出F1,F2和 ~L 的子句集
F1的前束合取范式与子句集: (x)(C(x)(W(x)∧R(x)) = (x)(~C(x)∨(W(x)∧R(x)) = (x)((~C(x)∨W(x) )∧(~C(x)∨R(x))) 子句集={ ~C(x)∨W(x) , ~C(x)∨R(x) }(未改名)
~Happy(z)∨Exciting(z)
消解原理的局限性
消解原理推进了用逻辑方法进行机器证明的研究,使得 自动定理证明领域发生了质的变化。 但是
要求把逻辑公式转化为某种范式,丧失了其固有的逻辑 蕴含语义y)(~Q(y))) ∨ (z)R(z) (改名)
=( ($x)(~P(x))∧(y)(~Q(y))) ∨ (z)R(z) = ( (~P(a))∧(y)(~Q(y))) ∨ (z)R(z) (消去存在量词) = (y) (z)(( ~P(a)∧ ~Q(y)) ∨ R(z) ) (化成前束范式)
{P(x), P(a)}的最一般的合一者为 {a/x} c’1= Q(x) c’2= R(y)
则c1, c2的消解式为 c=Q(a)∨R(y)
怎么利用消解原理进行证明?
消解反演 通俗的说就是“反证法”
要证命题A恒为真,等价于证﹁A恒为假
证明过程
否定结论R,得﹁R ; 把﹁R添加到已知前提集合F中去; 把新产生的集合{ ﹁R ,F}化成范式; 应用消解原理,不断求消解式,直到得到一个表示矛 盾的空子句
一阶谓词逻辑的消解式
设C1与C2是两个没有相同变元的子句,L1和L2分别是C1和C2 中的文字,若σ是L1和~L2的最一般合一者,则称 C12=(C1σ - {L1σ})∪(C2σ - {L2σ}) 为C1和C2的二元消解式,L1和L2为消解式上的文字
例:
设c1 = P(x) ∨ Q(x), c2 = ~P(a) ∨ R(y)
5) 化为前束形式 把全称量词提到最外层 前束形:= (前缀) {母式} ↑ ↑
全称量词串 无量词公式
6) 把母式化为合取范式 7) 消去全称量词 8) 消去连词符号∧,写成子句集 9) 变量分离标准化 改变变量名称,使一个变量符号不出现在一个 以上的子句中
例1: (x)A(x) ($x)B(x)
⑧
φ
⑥⑦
消解反演示例—“激动人心的生活”问题
假设:所有不贫穷并且聪明的人都是快乐的,那 些看书的人是聪明的。李明能看书且不贫穷,快 乐的人过着激动人心的生活。 求证:李明过着激动人心的生活。 解:先定义谓词: Poor(x) x是贫穷的 Smart(x) x是聪明的 Happy(x) x是快乐的 Read(x) x能看书 Exciting(x) x过着激动人心的生活
仔细分析量词的辖域
= ~(x)A(x)∨($x)B(x) (消去“蕴含”)
= ($x) (~A(x))∨($x)B(x) (“非”直接作用谓词符号)
= ($ x) (~A(x) ) ∨ ($z) B(z) (改名)
= ~A(a)∨B(b) (消去存在量词)
子句集= { ~A(a)∨B(b) }
例 2:
(1)子句定义 任何文字的析取式称为子句 不包含任何文字的子句称为空子句(空子句是永假的) 由子句构成的集合称为子句集 例:{P(x)∨Q(x) , ~P(x,f(x))∨Q(x,g(x)) }
(2)谓词演算公式化为子句式 任何一个谓词演算公式可以化为一个子句集合 步骤: 1) 消去蕴涵符号 用~A∨B代换A→B 2) 把非号~移入内层
要完成消解还面临几个问题
“”和“ ”必须消去
Man (x) Mortal (x) Man (x) Mortal “”怎么办?
化为子句集 置换与合一
如果能消去“”,Man (x) 和Man (Socrates)也不能构成互补对,形式不一样, 怎么办?
化子句集
相关概念
文字:原子公式及其否定统称为文字 子句集
~ (P Q) = ~ P ~ Q ~ (P Q) = ~ P ~ Q ~ ( x)P = ( $x) ~ P ~ ($ x)P = ( x) ~ P
3)对变量标准化 改变变量名,使不同的变量不同名
( x)P(x) ( x)P(x) 4)消去存在量词(具体化
1. 2.
从父子句求消解式的若干例子