鲁滨逊归结原理

合集下载

归结演绎推理

归结演绎推理

第三章归结演绎推理摘要:本文对归结对归结演绎推理进行了较为详细的介绍,描述了归结演绎推理的基本思路、使用步骤、并指明了其过程是完备的,还给出了运用归结原理进行归归结的具体例子,最后简单总结了其优缺点。

关键词:归结,演绎,推理1 知识背景人工智能是一门新兴的学科,推理技术是实现人工智能的基本技术之一,其中自然演绎推理是基于常用逻辑等价式以及常用逻辑蕴含式(统称推理规则)的推理技术,即从已知事实出发,利用推理规则进行推出结论的过程。

这种推理过程与人类的思维过程极其相似,但其缺点是极易产生知识爆炸,推理过程中得到的中间结论按指数规律递增,对于复杂问题的推理不利,在计算机上实现起来存在诸多困难。

而归结演绎推理是基于归结原理的在计算机上得到了较好实现的一种推理技术,是一种有效的机器推理方法。

归结原理的出现, 使得自动定理证明成为了可能,同时也使得人工智能技术向前迈进了一大步。

2 基本思路归结演绎方法是一种基于鲁滨逊(Robinson )归结原理的机器推理技术【1】。

鲁滨逊归结原理也称作消解原理,是鲁滨逊于1965年在海伯伦(Herbrand )理论的基础上提出的一种基于逻辑的“反证法”。

在人工智能中基本上几乎所有的问题都可以转化为一个定理证明问题。

而定理证明的实质就是要从公式集12n P={P P P },,出发推出结论G ,即需要证明12n P P P G ∧∧∧→()永真。

要证明P G →永真,若按定义来,需要证明P G →在任何一个非空的个体域上都是永真的。

这将是非常困难的,甚至是不可实现的。

为此人们进行了大量的探索,后来发现可以采用反证法的思想,把关于永真性的证明转化为关于不可满足性的证明。

即要证明P G →永真,只要能够证明P G ∧⌝是不可满足的就可以了。

在这一方面最有成效的的工作就是海伯伦理论和鲁滨逊归结原理。

鲁滨逊归结原理使定理证明的机械化成为了现实。

他们这些研究成果,在人工智能的发展史上都占有很重要的历史地位。

人工智能试题及答案

人工智能试题及答案

人工智能试题及答案【篇一:人工智能经典试题及答案】ass=txt>2.8 设有如下语句,请用相应的谓词公式分别把他们表示出来:s(1) 有的人喜欢梅花,有的人喜欢菊花,有的人既喜欢梅花又喜欢菊花。

解:定义谓词dp(x):x是人l(x,y):x喜欢y其中,y的个体域是{梅花,菊花}。

将知识用谓词表示为:(?x )(p(x)→l(x, 梅花)∨l(x, 菊花)∨l(x, 梅花)∧l(x, 菊花))(2) 有人每天下午都去打篮球。

解:定义谓词p(x):x是人b(x):x打篮球a(y):y是下午将知识用谓词表示为:a(?x )(?y) (a(y)→b(x)∧p(x))(3) 新型计算机速度又快,存储容量又大。

解:定义谓词nc(x):x是新型计算机f(x):x速度快b(x):x容量大将知识用谓词表示为:(?x) (nc(x)→f(x)∧b(x))(4) 不是每个计算机系的学生都喜欢在计算机上编程序。

解:定义谓词s(x):x是计算机系学生l(x, pragramming):x喜欢编程序u(x,computer):x使用计算机将知识用谓词表示为:? (?x) (s(x)→l(x, pragramming)∧u(x,computer))(5) 凡是喜欢编程序的人都喜欢计算机。

解:定义谓词p(x):x是人l(x, y):x喜欢y将知识用谓词表示为:(?x) (p(x)∧l(x,pragramming)→l(x, computer))2.9 用谓词表示法求解机器人摞积木问题。

设机器人有一只机械手,要处理的世界有一张桌子,桌上可堆放若干相同的方积木块。

机械手有4个操作积木的典型动作:从桌上拣起一块积木;将手中的积木放到桌之上;在积木上再摞上一块积木;从积木上面拣起一块积木。

积木世界的布局如下图所示。

图机器人摞积木问题解:(1) 先定义描述状态的谓词clear(x):积木x上面是空的。

(x, y):积木x在积木y的上面。

鲁滨逊定律考公

鲁滨逊定律考公

鲁滨逊定律考公摘要:一、鲁滨逊定律的背景与意义1.鲁滨逊定律的概念2.鲁滨逊定律在公务员考试中的重要性二、鲁滨逊定律在公务员考试中的应用1.考公中的鲁滨逊定律题型2.解题技巧和方法三、如何提高鲁滨逊定律相关题目的解答能力1.掌握基本概念和原理2.加强练习和总结3.培养逻辑思维能力四、应对鲁滨逊定律考公的建议1.合理安排学习时间2.注重理论与实践相结合3.保持积极的心态正文:鲁滨逊定律是公务员考试中非常重要的一部分,掌握好这一定律有助于提高考生的应试能力。

本文将围绕鲁滨逊定律的背景与意义、在公务员考试中的应用、如何提高解答能力以及应对考公的建议等方面进行详细阐述。

首先,我们需要了解鲁滨逊定律的背景与意义。

鲁滨逊定律,又称鲁滨逊公式,是概率论中的一个重要公式,用于描述两个独立事件之间的关系。

在公务员考试中,鲁滨逊定律常以选择题、填空题等形式出现,考察考生对这一定律的理解和应用能力。

掌握鲁滨逊定律,不仅有助于提高考生的解题速度,还能提升正确率。

其次,本文将重点分析鲁滨逊定律在公务员考试中的应用。

公务员考试中的鲁滨逊定律题目类型丰富,包括基础题、综合题和难题等。

针对不同类型的题目,考生需要灵活运用解题技巧和方法。

例如,在解答基础题时,可以采用直接套用公式的方法;而对于综合题和难题,则需要结合具体情境,运用逻辑推理能力进行分析。

接着,我们将探讨如何提高鲁滨逊定律相关题目的解答能力。

首先,考生需要掌握鲁滨逊定律的基本概念和原理,这是解答题目的基础。

其次,加强练习和总结,通过不断做题,发现自己的不足,并及时总结经验教训。

此外,培养逻辑思维能力也是提高解答能力的关键。

考生可以通过阅读、讨论等方式,锻炼自己的逻辑思维能力,从而更好地应对鲁滨逊定律相关题目。

最后,本文将给出应对鲁滨逊定律考公的建议。

首先,考生要合理安排学习时间,确保有足够的时间复习和练习。

其次,注重理论与实践相结合,将所学知识运用到实际题目中,加深对鲁滨逊定律的理解。

大连理工大学智慧树知到“计算机科学与技术”《人工智能》网课测试题答案2

大连理工大学智慧树知到“计算机科学与技术”《人工智能》网课测试题答案2

大连理工大学智慧树知到“计算机科学与技术”《人工智能》网课测试题答案(图片大小可自由调整)第1卷一.综合考核(共15题)1.符号主义的主要特征()。

A.立足于逻辑运算和符号操作B.知识可用显示的符号表示C.便于模块化,能与传统的符号数据库进行连接D.其他选项都正确2.“今天下雨”这句话不是一个命题。

()A.正确B.错误3.行为主义的代表人是布鲁克(R.A.Brooks)。

()A.正确B.错误4.在CF模型中,证据E肯定为真时,可信度因子CF=()。

A.0.8B.1C.0D.0.55.约翰·麦卡锡被称为()。

A.人工智能之父B.图灵奖创始人C.计算机之父D.其它选项都不对6.专家系统突破了时间和空间的限制,程序可永久保存并可复制。

专家系统能进行有效推理。

()A.正确B.错误7.已知R1:IF E1 THEN (10,1) H1(0.03) 。

R2:IF E2 THEN (20,1) H2(0.05) 。

R3:IF E3 THEN (1,0.002) H3(0.3) 。

当证据E1、E2和E3都存在时,P(H1/E1)=()。

A.0.3678B.0.1234C.0.2362D.0.28.()不是进化算法搜索方式的特点。

A.自适应搜索B.串行式搜索C.是黑箱式结构D.通用性强9.符号主义是以()为核心的方法。

A.符号传输B.符号处理C.信息传输D.信息处理10.遗传算法中,染色体对应()。

A.生物的遗传载体B.纸张记录的文字C.数据数组D.存储器11.推理的概念,是指按照某种策略从已知事实出发去推出结论的过程。

()A.正确B.错误12.演绎推理中,常用的三段论是由一个大前提、一个小前提和一个结论这三部分组成的。

()A.正确B.错误13.规则库就是用于描述某领域内的知识的产生式集合,是某领域知识(规则)的存储器,其中的规则是以产生式形式表示的。

()A.正确B.错误14.符号主义的缺点是可以解决逻辑思维,但对于形象思维难于模拟信息表示成符号后,并在处理或转换时,信息有丢失的情况。

人工智能练习题答案

人工智能练习题答案

1、什么就是人工智能?人工智能有哪些研究领域?何时创建该学科,创始人就是谁?(1)AI(Artificial Intelligence)就是利用计算机技术、传感器技术、自动控制技术、仿生技术、电子技术以及其她技术仿制人类智能机制得学科(或技术),再具体地讲就就是利用这些技术仿制出一些具有人类智慧(能)特点得机器或系统(2)人工智能得研究领域主要有专家系统、机器学习、模式识别、自然语言理解、自动定力证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络等(3)人工智能于1956年夏季,由麦卡锡,明斯基、洛切斯特、香农等发起创建2、产生式系统得由哪三部分组成?各部分得功能就是什么?课本29页(1)产生式系统由综合数据库、产生式规则与控制系统三部分组成(2)综合数据库用于存放当前信息,包括初始事实与中间结果;产生式规则用于存放相关知识;控制系统用于规则得解释或执行程序。

3、设有三枚硬币,其初始状态为(反,正,反),允许每次翻转一个硬币(只翻一个硬币,必须翻一个硬币)。

必须连翻三次.用知识得状态空间表示法求出到达状态(反,反,反)得通路。

画出状态空间图。

课本51页问题求解过程如下:(1)构建状态用数组表示得话,显然每一硬币需占一维空间,则用三维数组状态变量表示这个知识:Q=(q1 , q2 , q3)取q=0 表示钱币得正面; q=1表示钱币得反面构成得问题状态空间显然为:Q0=(0,0,0),Q1=(0,0,1),Q2=(0,1,0),Q3=(0,1,1), Q4=(1,0,0),Q5=(1,0,1) ,Q6=(1,1,0),Q7=(1,1,1)(2)引入操作f1:把q1翻一面。

f2:把q2翻一面。

f3:把q3翻一面。

显然:F={f1,f2,f3}目标状态:(找到得答案) Qg=(0,0,0)或(1,1,1)(3)画出状态图从状态图可知:从“反,正,反”(1,0,1)到“正,正,正”(0,0,0)没有解题路径;从“反,正,反"(1,0,1)到“反,反,反"(1,1,1)有几条解题路径f3 f2 f3,f1 f2 f1,…4、八数码问题:已知八数码得初始状态与目标状态如下:2 83 =〉 1 2 316 4 8 47 5 7 6 5n),g(n)=d(n),h(n)=p(n)。

第三讲(经典逻辑推理)

第三讲(经典逻辑推理)

公式集的合一
定义4.3 设有公式集F={F1,F2,…,Fn},若存在一个代 换λ使得
F1λ=F2λ=…=Fnλ 则称λ为公式集F的一个合一,且称F1,F2,…,Fn是 可合一的。 例如,设有公式集 F={P(x,y,f(y)),P(a,g(x),z)}
则下式是它的一个合一: λ={a/x,g(a)/y,f(g(a))/z}
2. 确定性、不确定性推理 3. 单调推理、非单调推理
推出的结论是否单调增加 4. 启发式、非启发式推理
所谓启发性知识是指与问题有关且能加快推理进程、 求得问题最优解的知识。 5. 基于知识的推理(专家系统) 、统计推理、直觉推理 (常识性推理)
4.1.3 推理的控制策略
推理的控制策略主要包括:推理方向、搜索策略、冲 突消解策略、求解策略及限制策略。 1. 正向推理(数据驱动推理) 正向推理的基本思想是:从用户提供的初始已知事实 出发,在知识库KB中找出当前可适用的知识,构成可 适用的知识集KS,然后按某种冲突消解策略从KS中 选出一条知识进行推理,并将推出的新事实加入到数 据库DB中,作为下一步推理的已知事实。在此之后, 再在知识库中选取可适用的知识进行推理。如此重复 进行这一过程,直到求得所要求的解。
3. 混合推理 先正向推理后逆向推理 先逆向推理后正向推理
4. 双向推理 正向推理与逆向推理同时进行,且在推理过程 中的某一步上“碰头”。
5. 求解策略 只求一个解,还是求所有解以及最优解。
6. 限制策略 限制搜索的深度、宽度、时间、空间等等。
4.1.4 模式匹配
所谓模式匹配是指对两个知识模式(例如两个谓词公 式、框架片断、语义网络片断)进行比较,检查这两 个知识模式是否完全一致或者近似一致。 模式匹配可分为确定性匹配与不确定性匹配。 确定性匹配是指两个知识模式完全一致,或者经过 变量代换后变得完全一致。

人工智能复习题1

人工智能复习题1

⼈⼯智能复习题11.智能智能是⼀种认识客观事物和运⽤知识解决问题的综合能⼒。

2.什么叫知识?知识是⼈们在改造客观世界的实践中积累起来的认识和经验3.确定性推理指推理所使⽤的知识和推出的结论都是可以精确表⽰的,其真值要么为真、要么为假。

4.推理推理是指按照某种策略从已知事实出发利⽤知识推出所需结论的过程。

5.不确定性推理指推理所使⽤的知识和推出的结论可以是不确定的。

所谓不确定性是对⾮精确性、模糊型和⾮完备性的统称。

6.⼈⼯智能⼈⼯智能就是⽤⼈⼯的⽅法在机器(计算机)上实现的智能,或称机器智能7.搜索是指为了达到某⼀⽬标,不断寻找推理线路,以引导和控制推理,使问题得以解决的过程。

8.规划是指从某个特定问题状态出发,寻找并建⽴⼀个操作序列,直到求得⽬标状态为⽌的⼀个⾏动过程的描述。

9.机器感知就是要让计算机具有类似于⼈的感知能⼒,如视觉、听觉、触觉、嗅觉、味觉10.模式识别是指让计算机能够对给定的事务进⾏鉴别,并把它归⼊与其相同或相似的模式中。

11.机器⾏为就是让计算机能够具有像⼈那样地⾏动和表达能⼒,如⾛、跑、拿、说、唱、写画等。

12.知识表⽰是对知识的描述,即⽤⼀组符号把知识编码成计算机可以接受的某种结构。

13.事实是断⾔⼀个语⾔变量的值或断⾔多个语⾔变量之间关系的陈述句14.综合数据库存放求解问题的各种当前信息15.规则库⽤于存放与求解问题有关的所有规则的集合16.⼈⼯智能的研究⽬标远期⽬标揭⽰⼈类智能的根本机理,⽤智能机器去模拟、延伸和扩展⼈类的智能涉及到脑科学、认知科学、计算机科学、系统科学、控制论等多种学科,并依赖于它们的共同发展近期⽬标研究如何使现有的计算机更聪明,即使它能够运⽤知识去处理问题,能够模拟⼈类的智能⾏为。

17.智能包含哪些能⼒?(1)感知能⼒(2)记忆和思维能⼒(3)学习和⾃适应能⼒(4)⾏为能⼒18.知识有哪⼏种表⽰⽅法?(1)⼀阶谓词逻辑表⽰法(2)产⽣式表⽰法(3)语义⽹络表⽰法(4)框架表⽰法(5)过程表⽰法19.演绎推理与归纳推理的区别演绎推理是在已知领域内的⼀般性知识的前提下,通过演绎求解⼀个具体问题或者证明⼀个结论的正确性。

鲁宾逊归结原理伪代码

鲁宾逊归结原理伪代码
p指向子句C1的第一个谓词;
While(p!=null)
{ q指向子句C2的第一个谓词;
While(q!=null)
{if(p,q指向的谓词对象的num之和==0)
{运用最一般合一算法对C1和C2进行归结;终止并返回新子句指针;}
else if(p指向的谓词对象的num的绝对值)>q指向的谓词对象的num的绝对值)
string ArgList;
};
子句对象的表示(双向链表):
Class Clause
{
int nItems //标识子句中谓词的数目。
list<Predication*> PredList //该链表存储子句中的谓词信息,其元素是Predication指针类型。
prey, next: Clause指针类型成员,这两个元素是为了构造子句集的双向链表设置
6.C是空子句,则终止,否,转3.
二、实现伪代码
谓词对象的表示:谓词在计算机内部表示为一个类,该类有两个类型,一个是int型num表示谓词符号的标识,谓词符号的否定形式用负数标识,但绝对值相同。另一个是string类型,表示该谓词的参数表。
class Predication
{public: intnum;
p指向S2中的下一个子句;}while(p!=head1)
输出信息:该子句集不能证明不可满足;
退出程序;
}}
}
}
//该函数从p和q指向的子句中寻找互补谓词对,并调用具体的归结实现函数生成新
子句,并返回新子句。如果子句p和q不能归结则返回NULL。
Clause *guijie(Clause *p,*q){
鲁宾逊归结原理算法:
一.算法流程:
  1. 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. 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. 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)。

第5章 基于谓词逻辑的机器推理
推论 设C1,C2是子句集S的两个子句,C12是它们的 归结式,则 (1)若用C12代替C1,C2,得到新子句集S1,则由S1的 不可满足可推出原子句集S的不可满足。即 S1不可满足 S不可满足
(2) 若把 C12 加入到 S 中,得到新子句集 S2 ,则 S2 与
如果录取B,则一定录取C 求证:公司一定录取C
作业: 自然数都是大于零的整数,所有整数不是偶数就是奇
数,偶数除以2是整数。
证: 所有自然数不是奇数就是其一半为整数的数
第5章 基于谓词逻辑的机器推理
5.2.3 替换与合一 在一阶谓词逻辑中应用消解原理,不像命题逻辑中那样简 单,因为谓词逻辑中的子句含有个体变元,这就使寻找含互否 文字的子句对的操作变得复杂。例如: C1=P(x)∨Q(x)
k=0:
S0=S,σ0=ε, S0不是单元素集,D0={x,y} σ1=σ0·{y/x}={y/x} S1=S0{y/x}={P(y,y),P(y,f(y))}
k=1:
第5章 基于谓词逻辑的机器推理
S1不是单元素集,D1={y,f(y)},由于变元y在项 f(y)中出现,所以算法停止,S不存在最一般合一。 从合一算法可以看出,一个公式集S的最一般合一 可能是不唯一的,因为如果差异集Dk={ak,bk},且ak 和bk都是个体变元,则下面两种选择都是合适的:
中z是变元,且不在a中出现,所以有
σ1=σ0· { a/z } =ε· { a/z } = { a/z } S1=S0 { a/z } = {P(a,x,f(g(y))),P(a,h(a,u),f(u))} k=1: S1不是单元素集,求得D1={x,h(a,u)},
第5章 基于谓词逻辑的机器推理
所以 σ2=σ1·{h(a,u)/x}={a/z}·{h(a,u)/x}={a/u,h(a,u)/x} S2=S1{h(a,u)/x}={P(a,h(a,u),f(g(y))),P(a,h(a,u),f(u))} k=2: S2不是单元素集,D2={g(y),u},
σ3=σ2·{g(y)/u}={a/z,h(a,g(y))/x,g(y)/u}
原S的同不可满足。即 S2不可满足 S不可满足
第5章 基于谓词逻辑的机器推理
例5.11 证明子句集{P∨Q,P,Q}是不可满足的。 证 (1)P∨乛Q (2)乛P (3)Q (4)乛Q (5)□ 由(1),(2) 由(3),(4)
第5章 基于谓词逻辑的机器推理
例5.12 用归结原理证明R是
P,(P∧Q)→R,(S∨U)→Q,U的逻辑结果。 证 我们先把诸前提条件化为子句形式,再把结论 的非也化为子句,由所有子句得到子句集S={P,乛P∨ 乛Q∨R,乛S∨Q,乛U∨Q,U,乛R},然后对该子句集施 行归结,归结过程用下面的归结演绎树表示(见图 3―1)。由于最后推出了空子句,所以子句集S不可满 足,即命题公式
{tk/xk},σk+1=σk·{tk/xk},k=k+1,然后转步2;
步5 算法停止,S的最一般合一不存在。
第5章 基于谓词逻辑的机器推理
例3.16 求公式集S={P(a,x,f(g(y))),P(z,h(z,u),f(u))}
的最一般合一。 解 k=0: S0=S, σ0=ε,S0不是单元素集,求得D0={a,z},其
C1,C2的归结式(或消解式),C1,C2称为其归结式的亲本子句, L1,L2称为消解基。
例3.9

设C1=乛P∨Q∨R,C2=乛Q∨S,于是C1,C2的归结式
乛P∨R∨S
定理2 归结式是其亲本子句的逻辑结果。
第5章 基于谓词逻辑的机器推理
证明 设C1=L∨C1′,C2=乛L∨C2′,C1′,C2′都是文字的 析取式,则C1,C2的归结式为C1′∨C2′,因为
(2)ui/yi当yi∈{x1,…,xn} 如此得到的集合仍然是一个替换,该替换称为θ与
λ的复合或乘积,记为θ·λ。
第5章 基于谓词逻辑的机器推理
例5.13 设
θ={f(y)/x,z/y} λ={a/x,b/y,y/z}
于是,
{t1λ/x1,t2λ/x2,u1/y1,u2/y2,u3/y3} ={f(b)/x,y/ y,a/x,b/y,y/z}
动推理,特别是定理机器证明领域的重大突破。
第5章 基于谓词逻辑的机器推理
定义4 设L为一个文字,则称乛L与L为互补文字。 定义5 设C1,C2是命题逻辑中的两个子句,C1中有文字L1, C2 中有文字 L2 ,且 L1 与 L2 互补,从 C1,C2 中分别删除 L1,L2 ,再
将剩余部分析取起来,记构成的新子句为 C12 ,则称 C12 为
的任何一个合一θ,都存在一个替换λ,使得
θ=σ·λ 则称σ为S的最一般合一(MostGeneralUnifier),简 称MGU。
第5章 基于谓词逻辑的机器推理
例5.14 设S={P(u,y,g(y)),P(x,f(u),z)},S有一个最 一般合一 σ={u/x,f(u)/y,g(f(u))/z} 对S的任一合一,例如: θ={a/x,f(a)/y,g(f(a))/z,a/u} 存在一个替换 λ={a/u}
元素的替换称为空替换,记作ε,它表示不作替换。例如:
第5章 基于谓词逻辑的机器推理
{a/x,g(y)/y , f(g(b))/z}就是一个替换,而{g(y)/x, f(x)/y}则不是一个替换,因为x与y出现了循环替换。下 面我们将项、原子公式、文字、子句等统称为表达式, 没有变元的表达式称为基表达式,出现在表达式E中的 表达式称为E的子表达式。 定义7 设θ={t1/x1,…,tn/xn}是一个替换,E是一个表 达式,把对 E 施行替换 θ ,即把 E 中出现的个体变元 xj(1≤j≤n)都用tj替换,记为Eθ,所得的结果称为E在θ下
在步2时,最后的合一σk。
第5章 基于谓词逻辑的机器推理
3.2.4 谓词逻辑中的归结原理 定义12 设C1,C2是两个无相同变元的子句,L1,L2
分别是C1,C2中的两个文字,如果L1和L2有最一般合一σ,
则子句 (C1σ- { L1σ } )∪(C2σ- { L2σ } ) 称作 C1 和 C2 的 二元归结式(二元消解式),C1和C2称作归结式的亲本子
第5章 基于谓词逻辑的机器推理
5.2.2 命题逻辑中的归结原理 归结演绎推理是基于一种称为归结原理 ( 亦称消解原理 principleofresolution)的推理规则的推理方法。归结原理是由鲁 滨逊 (J.A.Robinson) 于 1965 年首先提出。它是谓词逻辑中一个
相当有效的机械化推理方法。归结原理的出现,被认为是自
P∧(乛P∨乛Q∨R)∧(乛S∨Q)∧(乛U∨Q)∧U∧乛R
不可满足,从而R是题设前提的逻辑结果。
第5章 基于谓词逻辑的机器推理
图5―1 例5.12归结演绎树
第5章 基于谓词逻辑的机器推理
ABC三人应试,经面试后公司表示如下想法: (1)三人中至
少录取一人 (2)如果录取A而不录取B,则一定录取C (3)
要对个体变元作适当的替换。
第5章 基于谓词逻辑的机器推理
定义6
一个替换(Substitution)是形如{t1/x1,t2/x2,…,tn/xn}
的有限集合,其中t1,t2,…,tn是项,称为替换的分子;x1,x2,…,xn 是互不相同的个体变元,称为替换的分母;ti不同于xi,xi也不 循环地出现在tj(i,j=1,2,…,n)中;ti/xi表示用ti替换xi。若t1,t2,…,tn 都是不含变元的项(称为基项)时,该替换称为基替换;没有
从而θ·λ={f(b)/x,y/z}
可以证明,替换的乘积满足结合律,即
(θ·λ)·u=θ·(λ·u)
第5章 基于谓词逻辑的机器推理
定义9 设S={F1,F2,…,Fn}是一个原子谓词公式集, 若存在一个替换 θ ,可使 F1θ=F2θ=…=Fnθ ,则称 θ 为 S 的 一个合一(Unifier),称S为可合一的。 一个公式集的合一一般不唯一。 定义10 设σ是原子公式集S的一个合一,如果对S
使得
θ=σ·λ
第5章 基于谓词逻辑的机器推理
可以看出,如果能找到一个公式集的合一,特别 是最一般合一,则可使互否的文字的形式结构完全一 致起来,进而达到消解的目的。如何求一个公式集的 最一般合一?有一个算法,可以求任何可合一公式集 的最一般合一。为了介绍这个算法,我们先引入差异
集的概念。
第5章 基于谓词逻辑的机器推理
第5章 基于谓词逻辑的机器推理
合一算法(Unification algorithm):
步1 置k=0, Sk=S,σk=ε; 步 2 若 Sk 只含有一个谓词公式,则算法停止, σk 就是要 求的最一般合一; 步3 求Sk的差异集Dk; 步4 若Dk中存在元素xk和tk,其中xk是变元,tk是项且xk 不在tk中出现,则置Sk +1= Sk
σk+1=}
第5章 基于谓词逻辑的机器推理
定理3 (合一定理)如果S是一个非空有限可合一 的公式集,则合一算法总是在步2停止,且最后的σk即
是S的最一般合一。本定理说明任一非空有限可合一的
公式集,一定存在最一般合一,而且用合一算法总能 找到最一般合一,这个最一般合一也就是当算法终止
C1=C1′∨L=乛C1′→L,
C2=乛L∨C2′=(L→C2′) 所以 C1∧C2=(乛C1′→L)∧(L→C2′) → (乛C1′→C2′)=C1′∨C2′
证毕。
由定理2即得推理规则: C1∧C2 (C1-{L1})∪(C2-{L2})
第5章 基于谓词逻辑的机器推理
和拒取式(A→B)∧乛B 乛A。 解
句,L1和L2称作消解文字。
第5章 基于谓词逻辑的机器推理
例3.18 设C1=P(x)∨Q(x),C2=P(a)∨R(y),求C1,C2的 归结式。 解 取 L1=P(x),L2=P(a), 则 L1 与 L2 的 最 一 般 合 一 σ= {a/x}, 于是,(C1σ-{L1σ})∪(C2σ-{L2σ})
相关文档
最新文档