第八章 产生式规则专家系统总结
产生式系统
产生式系统产生式系统（production system）由波斯特（Post）于1943年提出的产生式规则（production rule）而得名。
人们用这种规则对符号进行置换运算。
1965年美国的纽厄尔和西蒙利用这个原理建立了一个人类的认知模型。
同年，斯坦福大学利用产生式系统结构设计出第一个专家系统DENDRAL。
产生式系统用来描述若干个不同的以一个基本概念为基础的系统。
这个基本概念就是产生式规则或产生式条件和操作对的概念。
在产生式系统中，论域的知识分为两部分：用事实表示静态知识，如事物、事件和它们之间的关系；用产生式规则表示推理过程和行为。
由于这类系统的知识库主要用于存储规则，因此有吧这类系统称为基于规则的系统（rule-based system）。
1、产生式系统的基本要素1.1产生式系统的组成产生式系统由三部分组成，即总数据库（Global Database），产生式规则库（Set of Product Rules）和控制策略（Control Strategies），各部分之间的关系如图1所示。
图1.产生式系统的主要组成1.1.1总数据库（Global Database）总数据库又称综合数据库、上下文、黑板等，用于存放求解过程中各种当前信息的数据结构，如问题的初始状态、事实或证据、中间推理结论和最后结果等，其中的数据是产生式规矩的处理对象。
数据库中的数据根据应用的问题不同，可以使常量、变量、谓词、表结构、图像等等。
例如，关于动物世界的产生式系统有如下数据库：…(Mammal Dog)(Eat Dog Meat)…从另一个角度，数据库可视为推理过程中间结果的存储池。
随着中间结果的不断加入，是数据库描述的问题状态逐步转变为目标状态。
1.1.2 规则库（Set of Product Rules）产生式规则库是某领域知识用规则形式表示的集合，其中包含将问题从初始状态转换到目标状态的所有变换规则。
当产生式规则中某条规则的前提与数据总库中的事实相匹配时，该规则库就被激活，并把其结论作为新的事实存入总数据库。
知识表示产生式
www。themegallery。com
IF(肥力等级=高) ∧(施氮>35)THEN土杂肥=0 施氮=施氮-土杂肥*0.001-饼肥*0.07 施磷=施磷-土杂肥*0.0001-饼肥*0.013 施磷=施钾-土杂肥*0.0002-饼肥*0.021
1.4.4.4 “规则架+规则体” 优点: 1. 表示形式层次清晰。 2.表达能力强。 3.由于同类知识集中于同一个规则组中，加快了
示精确知识还可以表示不精确知识。 不确定的产生式形式如下:
P->Q(置信度) 或者
IF P THEN Q (置信度)
www。themegallery。com
例如 专家系统MYCIN中有这样一条产生式: IF 微生物的染色斑是革兰氏阴性 微生物的形状呈杆状 病人是中间宿主
THEN 该微生物是绿脓杆菌，置信度为0.6
用语义网络表示多元关系时，可把它转化为一 个或多个二员关系的组合，然后再利用合取关系 的表示方法，把这种多元关系表示出来。
www。themegallery。com
2.3语义网络的推理方法
2.3.1 匹配 包括结构上的匹配，节点和弧的匹配。 抽象的讲，推理包括两步:第一步是判断，即
考察手头的数据是否满足某个知识单元的条件； 第二步是求值，即根据满足条件的知识单元来求 得所需的值。
第四步:将各对象作为语义网络的一个节点，而各 对象间的关系作为网络中各节点间的弧，连接形成语 义网络。
www。themegallery。com
2.4.2 语义网络表示下列知识
猎狗是一种狗，而狗是一种动物。狗除了动物 的有生命、能吃食、有繁殖能力、能运动外，还 有以下特点:身上有毛、有尾巴、四条腿；猎狗的 特点是吃肉、个头大、奔跑速度快、能狩猎；而 狮子狗也是一种狗，它的特点是吃饲料，个头小， 奔跑速度慢，不要人，供观赏。
产生式系统专家系统
人工智能生式规则简称产生式。
它是指形如α─→β或IFαTHENβ或其等价形式的一条规则,其中α称为产生式的左部或前件;β称为产生式的右部或后件。
①如果α、β分别代表需要注视的一组条件及其成立时需要采取的行动，那么称为条件-行动型产生式;②如果α、β分别代表前提及其相应的结论,那么称为前提-结论型产生式。
人工智能中的推理很多是建立在直观经验基础上的不精确推理，而产生式在表示和运用不精确知识方面具有灵活性，因此许多专家系统采用产生式系统为体系结构。
组成一个产生式系统由下列3部分组成：一个总数据库(global database)，它含有与具体任务有关的信息。
υυ一套规则，它对数据库进行操作运算。
每条规则由左右两部分组成，左部鉴别规则的适用性或先决条件，右部描述规则应用时所完成的动作。
应用规则来改变数据库。
一个控制策略，它确定应该采用哪一条适用规则，而且当数据库的终止条件满足时，就停止计算。
υ自由帕斯卡中free pascal 中的产生式系统的组成产生式系统由一个综合数据库、一组产生式规则和一个控制系统三个基本要素组成。
其中：综合数据库是产生式系统所用的主要数据结构，它主要用来表示问题的状态，即初始状态、中间状态和目标状态等，以及状态之间的关系。
它不是固定不变的，在求解的过程中，它的内容将越来越多，状态之间的关系也越来越复杂。
经常用来表示数据库的数据结构有串、集合、数组、树、表、记录、队列等。
产生式规则是对数据库进行操作的一系列规则。
规则的一般形式是：IF 条件 THEN 操作即满足应用的先决条件后，就对数据库实行后面的操作。
控制策略规定了操作的顺序，即在任何条件下用什么规则进行操作，什么条件下停止运行，它规定了问题的求解的搜索策略和路线。
控制策略一般可分为不可撤回方式和试探法两大类，试探法又包括回溯法和图搜索法两种。
工作方式产生式是系统的单元程序，它与常规程序不同之处在于，产生式是否执行并不在事前硬性规定，各产生式之间也不能相互直接调用，而完全决定于该产生式的作用条件能否满足，即能否与全局数据库的数据条款匹配。
专家系统中产生式规则研究与分析
循环 规则 ： 当一 组规 则推 理 时前提 和结论 形 成循环 时 ， 出现循 环 的规则 链 ． ｘ Ｙ， — ｚ ｚ ｘ就是 如 — Ｙ ，—
一
条循环规则链 ， 从任意一条规则进入推理 ， 都会使推理程序陷入死循环． 循 环 规则 的检 查方法 是 建立一 张规 则二 维 表 ， 表示 前 提 ， 表 示 结论 ， 记 出相应 的规 则． 列 行 标 检测 时 ，
关键词 ： 专家 系统 ； 产生式 ； 知识 ； 研究 ； 分析 中图分类号 ：Ｐ ８ Ｔ １２ 文献标志码 ： Ａ 文章编号 ：０ ９ ５２ （ ０ １ ｏ —０ ６ —０ １０ － １８ ２ １ ） ６ ０ ３ ３
收 稿 日期 ：０ ｌ一 ５ ４ ２ １ ＿０ —０
基 金项 目： 渭南师 范学 院科 研计划项 目（０ Ｋ ０ １ １Ｙ Ｚ ６ ） 作 者简介 ： 索红军 （ ９ １ ） 男 ， １７ 一 ， 陕西 白水人 ， 渭南师范学 院数学 与信息 科学学 院副教 授 ， 学硕 士． 工 研究 方 向 ： 人工 智 能及计算 机应用．
图 １ 产 生 式 树 形 表 示
索红军 ： 家系统 中产 生式规则研 究与分析 专
第２ ６卷
图 １表示 了产 生式规 则 ：
Ｂ Ａ， Ａ ， Ｂ， 八Ｅ Ｂ， ＿ Ｃ Ｆ Ｄ — Ｇ Ｃ， Ｃ， Ｈ Ｊ＾Ｋ— Ｇ， — Ｇ，Ｉ Ｅ． Ｌ —
１ ３ 产 生 式规 则表 示 的优 缺 点 ．
专家系统在部署后 ， 随着系统的运行 ， 知识库管理系统不停的加入新 的规则知识 ， 产生式规则的数量
逐步 扩大 ， 这会 带来 各种 各样 的 问题 ， 响 系统 的正确 判 断 ， 至会推 出与 正确结 果 完全相 反 的结论 ， 影 甚 这都 是 由于知 识库 的不 一致性 和 不完整 性带 来 的问题 Ｊ ．
简述产生式规则的基本组成
简述产生式规则的基本组成产生式规则是人工智能和计算机科学中的一个重要概念，用于描述和表示问题的解决方案。
它是一种形式化的规则，用于表示问题的初始状态、目标状态和问题的解决过程中的步骤。
产生式规则由两部分组成：前件和后件。
前件描述了问题的当前状态，后件描述了解决问题的操作或动作。
产生式规则的基本组成是一个三元组(条件, 操作, 结果)，其中条件是前件，操作是后件，结果是解决问题后的状态。
产生式规则的主要作用是通过匹配问题的当前状态和前件来触发操作，从而改变问题的当前状态。
前件是产生式规则中的条件部分，用于描述问题的当前状态和约束条件。
它可以是一个或多个条件的逻辑组合，条件可以是事实、属性或其他谓词逻辑表达式。
例如，条件可以是“当前状态为A并且属性B的值大于10”或“问题的某个属性的值等于某个特定值”。
操作是产生式规则中的行为部分，用于描述解决问题的步骤和动作。
操作可以是执行某个具体的计算、修改问题的状态或触发其他产生式规则。
操作可以是计算一个新的状态，更新问题的属性或执行一系列的计算和变换操作。
结果是产生式规则中的目标状态，它描述了解决问题后的最终状态。
结果可以是一个或多个状态的逻辑组合。
例如，结果可以是“问题的当前状态为C并且属性D的值小于5”或“问题的某个属性设置为某个指定的值”。
产生式规则的使用方式可以分为两种：前向推理和后向推理。
前向推理是从问题的初始状态出发，根据匹配规则的条件和操作逐步推导出解决问题的结果。
它是一种从数据（即前提）到结论的推理方式。
后向推理是从问题的目标状态出发，根据匹配规则的条件和操作逐步推导出问题的初始状态。
它是一种从结论到数据的推理方式。
产生式规则的优点在于它们的表达能力和灵活性。
它们可以描述各种复杂的问题和解决方案，并且可以根据实际需求进行扩展和修改。
产生式规则还可以与其他技术和方法结合使用，如逻辑推理、规则引擎和机器学习等。
总之，产生式规则是一种强大的问题描述和解决方法，其基本组成为前件、操作和结果。
产生式规则正向推理八数码
产生式规则正向推理八数码引言随着人工智能技术的发展，推理系统被广泛应用于各个领域。
八数码问题是一个经典的智力游戏，也是推理系统在解决复杂问题中的一个具体应用。
本文将详细介绍如何使用产生式规则进行正向推理解决八数码问题，包括问题描述、推理系统设计和具体的推理过程。
问题描述八数码问题是一个基于数字排序的游戏，游戏中有一个3x3的方格，其中包含1至8这些数字，空位用0表示。
初始状态下，数字是随机排列的，目标是通过交换数字的位置，使得方格中的数字按照从小到大的顺序排列，空位在最后。
例如，初始状态为：2 3 14 5 06 7 8目标状态为：1 2 34 5 67 8 0游戏规则允许将0与其上、下、左、右的数字进行交换，但不能交换对角线上的数字。
解决八数码问题的核心是找到一系列合法的操作步骤，将初始状态转化为目标状态。
本文将采用产生式规则正向推理的方法来解决这个问题。
推理系统设计为了使用产生式规则进行正向推理解决八数码问题，我们需要设计一个合适的推理系统。
推理系统由三个主要组成部分构成：知识库、工作内存和控制策略。
知识库知识库是推理系统存储知识的地方，它包含了一系列的产生式规则。
对于八数码问题，知识库中的规则描述了在不同状态下可以执行的操作步骤，并且规定了转化到下一状态的条件。
知识库的设计是解决问题的关键，需要考虑各个状态之间的转化关系，确保能够找到一条从初始状态到目标状态的路径。
工作内存工作内存用于存储推理过程中的中间结果和当前状态。
对于八数码问题，工作内存中需要包含当前状态的表示方式，以及记录已经执行的操作步骤和可行的下一步操作。
推理过程中，工作内存会不断更新和变化，直到找到解决问题的路径。
控制策略控制策略决定了推理系统如何进行推理。
针对八数码问题，控制策略需要确定推理的启动条件和终止条件，以及推理过程中的操作顺序。
合理的控制策略可以提高推理系统的效率和解决问题的成功率。
推理过程在了解了推理系统的设计之后，我们可以开始进行推理过程来解决八数码问题。
产生式系统
产生式系统产生式系统（production system）由波斯特（Post）于1943年提出的产生式规则（production rule）而得名。
人们用这种规则对符号进行置换运算。
1965年美国的纽厄尔和西蒙利用这个原理建立了一个人类的认知模型。
同年,斯坦福大学利用产生式系统结构设计出第一个专家系统DENDRAL。
产生式系统用来描述若干个不同的以一个基本概念为基础的系统。
这个基本概念就是产生式规则或产生式条件和操作对的概念。
在产生式系统中，论域的知识分为两部分：用事实表示静态知识，如事物、事件和它们之间的关系；用产生式规则表示推理过程和行为。
由于这类系统的知识库主要用于存储规则,因此有吧这类系统称为基于规则的系统（rule-based system）。
1、产生式系统的基本要素1.1产生式系统的组成产生式系统由三部分组成,即总数据库(Global Database）,产生式规则库（Set of Product Rules）和控制策略（Control Strategies）,各部分之间的关系如图1所示。
图1。
产生式系统的主要组成1.1.1总数据库（Global Database）总数据库又称综合数据库、上下文、黑板等，用于存放求解过程中各种当前信息的数据结构，如问题的初始状态、事实或证据、中间推理结论和最后结果等,其中的数据是产生式规矩的处理对象。
数据库中的数据根据应用的问题不同，可以使常量、变量、谓词、表结构、图像等等。
例如，关于动物世界的产生式系统有如下数据库：…(Mammal Dog)(Eat Dog Meat)…从另一个角度，数据库可视为推理过程中间结果的存储池。
随着中间结果的不断加入，是数据库描述的问题状态逐步转变为目标状态。
1。
1.2 规则库（Set of Product Rules）产生式规则库是某领域知识用规则形式表示的集合,其中包含将问题从初始状态转换到目标状态的所有变换规则。
当产生式规则中某条规则的前提与数据总库中的事实相匹配时，该规则库就被激活,并把其结论作为新的事实存入总数据库。
专家系统是如何工作的
正向推理
从事实出发，来推出一定结论的方法称 为正向推理，又称为数据驱动推理方法 或自下而上的推理方法。 实践：
– 阅读网页教程的内容，学习水果识别专家 阅读网页教程的内容，学习水果识别专家 系统的第一周期推理过程。请仿照第一周 期推理过程写出第二周期的推理流程图。
反向推理
反向推理就是用户或系统提出一些假设， 然后系统来验证这些假设的真假。它的 推理过程可以理解为从目标出发，反向 使用规则进行推理。 实践：
产生式规则是专家系统领域的启发式知识或经 验知识。 产生式规则表示通常用于描述事物之间的一 种因果关系。其基本形式为：
– IF <P> THEN <Q>
实践： 阅读网页中的科普资料与图片，尝试完成一 个产生式规则的表示。（相关链接） 个产生式规则的表示。（相关链接）
推理与推理机推理与推理机产生式规则是专家系统中最广泛使用的一种产生式规则是专家系统中最广泛使用的一种知识表示法它能模拟人类求解问题的思维知识表示法它能模拟人类求解问题的思维方式便于表达专家领域的启发式知识或经方式便于表达专家领域的启发式知识或经验知识
专家系统初步（二） 专家系统初步（
推理与推理机
产生式系统
– 请从网上了解知识表示方法“与或图”， 请从网上了解知识表示方法“与或图” 尝试用与或图表示出在Prolog“家庭关系” 尝试用与或图表示出在Prolog“家庭关系” 的练习中对“祖父” 的练习中对“祖父”的推理的表示。（这 实际就是一种反向推理过程）
思考与练习
根据你对正向推理和反向推理的理解， 你认为哪一种推理方式更接近于人类思 考问题？ 熟悉InterModeller，完成对“水果识别” 熟悉InterModeller，完成对“水果识别” 专家系统的调试。尝试把已知规则通过 “规则编辑器”输入到InterModeller中， 规则编辑器”输入到InterModeller中， 验证推理过程。
- 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)。
规则的不确定性
专家掌握的规则大多是经验性、不精确的 也可用可信度CF值表示
“如果 听诊=干鸣音 则 诊断=肺炎 CF=0.5” 表示根据病人的听诊是干鸣音而诊断该病人患肺 炎的可信度是0.5(50%)
2018/10/17
北京交通大学经济管理学院信息管理系
5
产生式规则的不确定性推理（3）
若栈顶目标在规则库中找不到以其为结论的规则， 则向用户提问 用户的回答（yes或no）以一个事实表示，记入 事实库
2018/10/17
北京交通大学经济管理学院信息管理系
16
产生式规则ES的解释机制（3）
从规则栈中退出一条规则时，说明规则是 “成功”还是“失败”的
产生式规则ES流行的原因
产生式规则容易被理解 产生式规则基于演绎推理，保证了推理 的正确性 大量产生式规则连成的推理树可以是多 棵树。从广度看，反映了实际问题的范 围；从深度看，反映了问题的难度
2018/10/17
北京交通大学经济管理学院信息管理系
3
产生式规则的不确定性推理（1）
在推理过程中，由于知识的不确定性所 引起的结论不确定性的传播过程 事实的不确定性
2018/10/17
北京交通大学经济管理学院信息管理系
8
产生式规则的不确定性推理（6）
三项前提时，即IF E1∨E2 ∨E3 THEN H CF(R)， 结论H的可信度：CF(H)=CF12(H)+CF3(H)CF12(H)×CF3(H)。其中， CF12(H)=CF1(H)+CF2(H)-CF1(H)×CF2(H)； CF3(H)=CF(E3)×CF(R3)
2018/10/17
北京交通大学经济管理学院信息管理系
7
产生式规则的不确定性推理（5）
前提为∨连接时
规则形式：IF E1∨E2 THEN H CF(R)IF E1 THEN H CF(R1)，IF E2 THEN H CF(R2)， CF(R)=CF(R1)=CF(R2) 结论H的可信度：CF(H)=CF1(H)+CF2(H)CF1(H)×CF2(H)。其中， CF1(H)=CF(E1)×CF(R1) CF2(H)=CF(E2)×CF(R2)
不确定性逆向推理：设R1：A→G CF(0.8)；R2： B∧C→G CF(0.9) 引用规则R1，提问A？当回答为yes时，还需要 给定事实的可信度，设为CF(0.7)，按公式求得G 的可信度为CF1(G)=0.8×0.7=0.56 由于G的可信度不为1，再引用规则R2，提问B和 C，设回答B为yes，CF(0.7)，回答C为yes， CF(0.8)，计算G的可信度为 CF2(G)=0.9×min{0.7,0.8}=0.63
2018/10/17
北京交通大学经济管理学院信息管理系
12
产生式规则的不确定性推理（10）
合并G的可信度为CF(G)=CF1(G)+CF2(G)CF1(G)×CF2(G)=0.56+0.63-0.56×0.63=0.84 如果对某个事实用户回答为no，则它的可信度 CF=0
产生式规则ES的事实库
不确定性推理事实库的关系型结构
事实 A1 A2 A3 y/n值 n y y 规则号 0 0 4 可信度 0 0.7 0.63
事实属性放事实，y/n值表示是(yes)还是 否(no)，规则号表示事实取y/n的理由，规 则号为“0”表示向用户提问得到，具体规 则号表示由该规则推出，可信度表示该事 实的可信度 北京交通大学经济管理学院信息管理系 2018/10/17
结论的不确定性
由于事实和规则的不确定性，导致了结论的 不确定性 反映了不确定性的传播过程 仍用可信度CF值表示
2018/10/17
北京交通大学经济管理学院信息管理系
6
产生式规则的不确定性推理（4）
结论的可信度计算公式
前提为∧连接时
规则形式：IF E1∧E2∧…∧En THEN H CF(R)； 结论H的可信度 CF(H)=CF(R)×MIN{CF(E1),CF(E2)…CF(En)}。 其中，Ek(k=1,2…n)代表前提中的每个事实； CF(Ek)代表每个事实的可信度；CF(R)代表规则 的可信度；CF(H)代表结论的可信度
14
产生式规则ES的解释机制（1）
推理过程的全部解释 推理过程成功路径ቤተ መጻሕፍቲ ባይዱ解释
仅对推理过程中的成功路径进行说明
2018/10/17
北京交通大学经济管理学院信息管理系
15
产生式规则ES的解释机制（2）
推理过程的全部解释
提取一条规则压入规则栈时，显示“引用” 该规则和“求”规则前提中的某项事实。将 事实为结论，压入栈顶，继续搜索规则
北京交通大学经济管理学院信息管理系 10
2018/10/17
产生式规则的不确定性推理（8）
确定性逆向推理：先引用规则R1，提问A？当 回答为yes时，推出结论G成立，即yes，不再 搜索R2对结论G进行推理
G
R1 R2
A
2018/10/17
B
C
11
北京交通大学经济管理学院信息管理系
产生式规则的不确定性推理（9）
由不确定性因素（包括模糊性/不完全性/不 准确与不精确性/随机性）造成 一般用可信度CF (Certainty Factor)值表示， 0≤CF≤1或0≤CF≤100%
“肺炎 CF=0.8”表示某病人患肺炎的可信度为 0.8(80%)
北京交通大学经济管理学院信息管理系 4
2018/10/17
产生式规则的不确定性推理（2）
产生式规则的不确定性推理（7）
与确定性逆向推理的区别
当某个结论的可信度不为1时（即CF≠1）， 对于相同结论的其它规则仍要进行推理，求 结论的可信度，并和已计算出该结论的可信 度进行合并 举例
有两条相同结论的规则：R1：A→G；R2： B∧C→G。分别使用确定性逆向推理和不确定性 逆向推理计算G的可信度
第八章 产生式规则专家系统
杜晖
2018/10/17
北京交通大学经济管理学院信息管理系
1
内容
产生式规则ES流行的原因 产生式规则的不确定性推理 产生式规则ES的事实库 产生式规则ES的解释机制 产生式规则ES不确定性推理举例 习题
北京交通大学经济管理学院信息管理系 2
2018/10/17