产生式规则推理实验
系统构建建议
规则库类，用于存放一系列规则 事实库类，就是总数据库，用于存放当前系统 的所有事实。
推理过程其实就是将事实库中的事实去匹配规 则库中规则的前件，产生新的事实（规则的后 件），并加入到事实库中去，推理结束的条件 应该是没有新的事实产生。
பைடு நூலகம்
基本的几个类我已写好，你们可以参考使用， 但也可以自己根据自己的需求开发。另外，还 需要考虑两个问题 一是界面，界面应该能够让用户对事实、规则 进行编辑。同时能显示推理过程 二是数据的存储，利用文件或数据库保存你们 添加的事实和规则，即保存事实库和规则库。
程序中类的说明
Var：变量类，成员包括变量名称，变量值的 类型及变量可能的取值，如教材P98的： “毛发”可作为一个变量类，这个类的名称为 “毛发”，值类型为字符型，可能的取值包括 “有”和“无”两个； “产乳”也可作为一个变量类，类的名称为 “产乳”，值类型为字符型，可能的取值包括 “可以”和“不可以” 注意，数值型变量可不规定“可能的取值”
产生式规则推理实验
本实验根据产生式知识表示，利用确定性的产 生式规则推理方法，构建产生式人工智能推理 系统。本实验将持续2周。提交程序和实验报 告以体现你们的成果。
每6人一组，完成一个产生式推理系统，要求 每组的主题不同，自由选题。如动物类，交通 工具类、土壤类型分类等。
系统构建建议
底层应该有这么几个类： 事实类，用于存放事实，事实由特性- 对象取值三元组构成。特征可以单独作为一个类， 描述特征的名称，及可选值
注意，本实验持续两周，5-6人一组，每组提 交一份程序和实验报告（手写），实验报告中 请描述你们的设计思路，程序结构（既设计的 类及类之间的关系），最终实现了什么成果 （效果，功能等）。
程序中类的说明
Fact：事实类，类成员包括事实描述的对象名 称，事实所使用的变量，该变量的取值，以及 对象与取值之间的关系（请看程序注释），如
小红身高高于170的事实，那么对象名设置为 “小红”，所用变量为“身高”，取值为 “170”，对象与取值之间的关系为1，即“大 于”。 请注意函数“IsMeet”
程序中类的说明
FactBase：事实库类 类成员变量主要为事实列表FactList，还包含 了一些操作函数，请看程序注释
程序中类的说明
Rule：规则类 主要的成员变量包括ConditionList，含义为规 则的前件事实列表，因为一条规则的前件可能 对应多个条件，本程序仅仅支持多个“与”关 系的条件组成前件；Result为规则的后件。 RuleBase：规则库类，存储一些列规则
基于产生式规则和演绎推理的自动变速器诊断系统研究
基于产生式规则和演绎推理的自动变速器诊断系统研究摘要：文章简要介绍了电控自动变速器故障诊断专家系统结构设计，建立了故障集合和故障原因集合、故障集合和故障原因集合的映射关系，建立了专家系统规则库，运用与/或形演绎推理方法分析了典型故障的推理过程。
关键词：产生式规则；与/或形演绎推理；电控自动变速器产生式这一术语是由美国数学家E.Post在1943年首次提出来的。
1972年，纽厄尔和西蒙在研究人类的知识模型中开发了基于规则的产生式系统，产生式规则表示法具有便于推理的自然性、便于对规则库进行模块化处理、便于用统一的表示模式表达专家系统中多方面知识有效性和格式的规范性。
产生式规则表示法已成为目前人工智能中应用最多的一种知识表示模式。
随着人工智能的发展，专家系统用于复杂系统的故障诊断成为人工智能一个重要的应用领域。
1专家系统结构方案设计知识库包括用于存储电控自动变速器的数据库和规则库。
数据库用于存储结构与工作原理知识、专家经验知识，规则库用于存储故障诊断规则。
推理机是专家系统的核心，根据故障现象判断故障类型，分析故障原因，并提出故障排除措施。
电控自动变速器故障诊断专家系统诊断过程是一个多级目标推理过程。
推理过程按照元知识控制目标的执行顺序，对规则库进行搜索匹配。
系统以黑板作为信息传输的介质，以实现各部分之间的信息交换。
2知识库设计专家系统知识库设计主要包括事实数据库设计和规则库设计。
2.1事实数据库设计2.1.1电控自动变速器结构和性能数据库电控自动变速器由液力变矩器、行星齿轮变速器、液压控制子系统、电子控制子系统和操纵机构五部分组成。
不同型号的电控自动变速器在组成、结构、性能上存在很大差异，因此应分别建立相应的数据库，采用分层框架网络表示法。
2.1.2故障类型数据库首先对电控自动变速器可能发生的故障进行列举和分析，然后将全部故障类型定义为一个故障集合，用一个欧氏向量S表示：S＝{S1，S2，S3，…，Sn} （1）Si为第i种故障类型，n表示故障类型的总数。
AI实验报告
目录人工智能及其应用........................................................................................... 错误!未定义书签。
实验报告................................................................................................... 错误!未定义书签。
实验一产生式系统实验群. (2)一、实验目的： (2)二、实验原理: (2)三、实验条件： (3)四、实验内容： (3)五、实验步骤： (3)实验二搜索策略实验群搜索策略: (6)一、实验目的： (6)二、实验原理: (6)三、实验条件： (6)四、实验内容： (6)五、实验步骤： (7)六：实验过程： (7)七、A*算法流程图： (18)八、实验结论： (19)实验三神经网络实验群 (20)一、实验目的： (20)二、实验原理: (20)三、实验条件： (20)四、实验内容： (20)五、实验步骤： (21)六、实验结论： (21)实验四自动规划实验群 (25)一、实验目的： (25)二、实验原理: (25)三、实验条件： (25)四、实验内容： (26)五、实验步骤： (26)实验一产生式系统实验群产生式系统: 是由一组规则组成的、能够协同作用的推理系统。
其模型是设计各种智能专家系统的基础 .产生式系统主要由规则库、综合数据库和推理机三大部分组成。
本实验环境主要提供一个能够实现模拟产生式专家系统的验证、设计和开发的可视化操作平台。
学生既能用本系统提供的范例进行演示或验证性实验，也能够用它来设计并调试自己的实验模型。
一、实验目的：熟悉和掌握产生式系统的运行机制，掌握基于规则推理的基本方法。
二、实验原理: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。
基于产生式规则的机器推理
16.10.2020
.
13
6.1.2基于产生式规则的推理模式
A B A B 把有前提的操作和逻辑推理统称为推理， 产生式系统中的推理是更广义的推理。
16.10.2020
.
14
6.2产生式系统
6.2.1系统结构 6.2.2运行过程 6.2.3控制策略常用算法 6.2.4程序实现* 6.2.5产生式系统与问题求解
状态集合表示： 用x1,x2,x3表示三个人点的颜色，1表示白色，
0表示非白色。 X＝(x1,x2,x3)表示颜色分布状态。 全部可能的状态集合(可能界PW0)：
{(0,0,0),(0,0,1),(0,1,0),(0,1,1),(1,0,0),(1,0,1),(1,1,0),(1,1,1)} 实际给定的状态为现实界X0 ＝(x10,x20,x30) 用排除法找到X0 。源自16.10.2020.
4
6.1.1产生式规则（2）
产生式的一般形式为： 前件后件（情况行为） 前件是前提，规则的执行条件。 后件是结论或动作，规则体。 产生式规则的语义：如果前提满足，则可得结论或 者执行相应的动作，即后件由前件触发。
一个产生式规则就是一条知识，用产生式不仅可以进 行推理，也可以实现操作。
16.10.2020
.
9
6.1.1产生式规则（例）
排除过程：
基于产生式系统的不确定性知识表示及推理研究
在人工 智 能 （ Ｉ 中 ， 论 是 专 家 系统 （ Ｓ 、 Ａ） 无 Ｅ ）
问题作 为 起 始 状 态 ， 找 规 则 序 列 ， 形 式 为 ： 寻 其 ｛ ｕｅ｝Ｒ ｌ ：１ ， ， 一 （ Ｒ ｌ ， ｕｅ ｉ … ｊ ｊｆ ＝１２ … ， ）其 ，， ｎ ； 中 ，ｕｅ： Ｒ ｌ 表示第 条规 则 ； ｉ ， … ， 表示 ｊ （ ＝１２， ｍ） 第 条规 则 的第 ｉ 前提 项 ， 前提 项之 间是合 取 个 各 形式， 来 描 述 此 产 生式 被 调用 的条 件 ； ＝ 用 （ ｄ，，是 描述 结论 或 动 作 ， ｄ 表示 第 ． 规则 Ｃ ７） Ｃ 『 条 的结 论 对象 ，， ７ 表示第 ． 『 条规 则 结论 的可信 度 ， 推
，… ，
） １２ … ，） （ ，， ￡ 成对 不确 定性 知识 的推理 ， 完 并通
个对 象所 对应频 率 或 量度 值 的序 列 ；表 示 长 度 ， ｆ 其取值 随 程度 而变 化 ； ＝（ ， ， ， ） … 表 示第 ． 规则 中第 ｉ 『 条 个对 象所 对应 的程度 值序 列 ，
维普资讯
第２ ７卷第 ２期 ２０ ０ ７年 ３月
云南 师范 大学学 报
Ｊ ｕ ａ ｆＹ ｎ ａ ｒ ｌ ｉｅｓｔ ｏ ｒ ｌ ｕ ｎ ｎ Ｎｏｍａ ｖ ｒｉ ｎ ｏ Ｕｎ ｙ
Ｖｏ ． ７ Ｎｏ ２ １２ ． Ｍａ ．２ ｏ ｒ ｏ７
及推理的问题的探讨 ， 出了不确定性知识程度 （ ｎｅｔｎｙＫ ｏ ｌ ｇ ｅｒｅ Ｕ Ｄ） 提 Ｕ ｃｒ ｉｔ ｎｗｅ ｅＤ ｇｅ ， Ｋ 的表示 法 ， ａ ｄ 为提高 不确定性推理结果 的可信度提 出了一些新 的技术和方法 ， 并通过实例验证 了本方法的可行性 和有效性 。 关 键 词 ： 产生式系统 ； 不确定性知识程度 ； 推理 ； 专家系统
产生式系统实验报告
NBA球星识别系统
一、实验目的
熟悉一阶谓词逻辑和产生式表示法，掌握产生式系统的运行机制，以及基于规则推理的基本方法。
二、实验内容
运用所学知识，设计并编程实现一个小型交通工具人工智能识别系统。
三、实验步骤
1）系统设置，包括设置系统名称为“交通工具识别系统”和系统谓词，给出谓词名及其含义。
2）编辑知识库，通过输入规则或修改规则等，完成整个规则库的建立。
3）建立事实库（综合数据库），输入多条事实或结论。
4）运行推理，包括正向推理和反向推理，给出相应的推理过程、事实区和规则区。
四、实验结果
1. 系统名称及谓词定义
2. 系统知识库
3. 系统正、反向推理过程、事实区和规则区。
正向推理：
反向推理：
五、实验总结
这次实验，我设计了一个“NBA球星识别系统”。
此系统可以识别“库里”、“杜兰特”、“哈登”、“韦德”、“霍华德”、“詹姆斯”6位NBA球星。
上诉问题的求解过程是一个不断地从规则库中选择可用规则与综合数据库中的已知事实进行匹配的过程，规则的每一次成功匹配都使综合数据库增加了新的内容，并朝着问题的解决方向前进了一步。
通过本次实验，我感性得认识了产生式系统，收获良多。
2016/4/12。
产生式实验报告
产生式实验报告一、引言产生式（Production）是一种用于表示语法规则的形式化工具，它在人工智能领域具有广泛的应用。
本实验报告旨在介绍产生式的基本概念、产生式的应用领域以及在实验中如何使用产生式来实现推理和搜索。
二、产生式的基本概念1. 产生式的定义产生式是一种形式化的表示语法规则的工具。
它由一个左部（Left-hand side）和一个右部（Right-hand side）组成，左部表示一个非终结符号，右部则表示一串终结符号和非终结符号的序列。
2. 产生式的形式产生式的形式通常为：左部 -> 右部，其中右部由终结符和非终结符组成，可以为空。
3. 产生式的应用产生式在人工智能领域有广泛的应用，例如在自然语言处理中，可以使用产生式来表示句子的语法结构；在专家系统中，可以使用产生式来表示知识库中的规则；在编译原理中，可以使用产生式来描述语言的语法规则等。
三、产生式的应用领域1. 自然语言处理在自然语言处理中，产生式被广泛应用于句子的语法分析、语义分析以及机器翻译等任务。
通过定义一系列产生式规则，可以构建一个语法分析器，用于自动识别和分析句子的结构和意义。
2. 专家系统专家系统是一种基于知识库的智能系统，其中的知识被表示为一组产生式规则。
通过使用产生式来表示知识和推理规则，专家系统可以根据用户提供的问题和条件进行推理和决策，给出相应的解答和建议。
3. 编译原理编译原理是计算机科学中的一个重要领域，其中的产生式被广泛应用于编译器的前端处理，用于描述语言的语法规则和语义规则。
通过使用产生式和对应的语法分析算法，可以将源代码转化为中间代码或目标代码。
四、产生式在实验中的应用在实验中，我们可以使用产生式来实现推理和搜索。
以人工智能领域的经典问题“图搜索”为例，我们可以使用产生式规则来描述搜索的过程。
1. 初始状态假设我们需要解决一个迷宫问题，迷宫可以表示为一个二维矩阵，其中的元素可以是墙壁、路径或终点。
基于概率的产生式规则判定
． ） ， ：
∑Ｐ４Ｉ ＰＡＩ … （ ） ） （ Ａ （ Ｂ Ｐ Ｉ 尸 Ｂ ：Ａ ｊｔ ＝
通过引入概率 ， 使规则不再 只有 两种结果 ， （Ｉ） Ｉ１ （ ＰＢＡ ＝ ￥ ＰＢ １
思 维 。 此 推断 过 程 与概 率 理 论 结合 ． 此 推 断更 被 人 类 易 于接 若 则 受。 基 于 概 率１ 规则 判 定 ： ３ １ 的 １ 规 则为 ： Ａ Ｉ ｎ Ｂ ． 若 Ｉ ｔｅ ｆ ｌ
∑Ｐ４Ｐ Ｉ） 代 数 ３ （）（ ４ ，人 据：
ｉ１ ＝
“ 果 … … 就 如
普 通 规 则 对上 述 结 构 的 阐 述 为 ： 果 事 实 Ａ 立 ． 可 推 出 如 成 则 事 实 Ｂ，但 现 实 生 活 中 很 多 事 实 并 不 是 仅 仅 用
… …
ＰＢＩ ＝ ．６ＰＢＩ３ ０９ ， ｔ（１ ０ ３５ ＰＢ ＝ ． ５ （２ Ｏ （２ ） ．８ ＳＰＢ） ． ４ ，（０ ０９ ５ ９ Ａ： ］ ＝０ ６
ｌ 前 言 、
Ａ＝ 。假设Ｐ Ａ＿ ０ ≤１。 ）ｏ Ｉ）ａ（≤ａ ） 若给定一个入Ｏ ，≤ ≤ｌ若 Ｉ） ， Ａ 产 生 式 系统 是 用来 描 述 若 干 个不 同 的 以一 个 概 念 为 基 础 的 ≥ ， 则规则可以被接受 ； （Ｉ）ｋ 则规则可以不接受 。 若ＰＢＡ ＜ ， 系统。 由于 其 表 达直 观 、 于 推 理 ， 以 进 行模 块 化 推 理 ， 示 灵 ３ 数 值 实例 便 可 表 、 活 。 而 在 实际 应 用 中 比较 广 泛 。 产 生 式 系 统 由 三 部 分 组成 ： 因 知 车 间 用 甲 、 、 三 台 机 床 进 行 生 产 ， 台机 床 的 次 品 率 分 乙 丙 各 识库 、 据库 、 数 推理 机 ｆ 数 据 库用 于存 放 求 解 过程 中各 种 当前 信 别 为 ５ ，％ ，％ ，它 们 各 自产 品 分 别 占 总 产 量 的 ２ ％ ， ％ ， ｌ 】 。 ％ ４ ２ ５ ３ ５ 息 的数 据 结构 。知 识 库是 一 个 规 则 库 ． 于存 放 大 量 规 则 ． 用 模拟 ４％ ， 们 的产 品 是 混 合 的 ， 一个 产 品确 定 由 甲 、 ０ 它 现 乙机 床 生 产 ， 人类 的长 期记 忆 区 。 推理 机 是 一 个 控 制策 略 ． 它将 关 于 问 题 的事 若 给 定 ｋ Ｏ１ 试 说 明 甲 、 － ．。 乙机 床 生 产 的 该 产 品不 经 检 验 是 否认 实与 数 据 库 中规 则 相 匹配 ，推 出 新 的 信 息 ，模 拟 人 类 的 推 理过 定 合格 。
报告_基于产生式系统的动物识别系统
实验基于产生式系统的动物识别系统知识表示与推理专题魏江200620108203 计算机系统结构专业（1班）正向推理是产生式系统的一种推理方法,它是从一组表示事实的谓词或命题出发,使用一组产生式规则,用以证明该谓词公式或命题是否成立.本实验用两种方法实现了一个简单的动物识别系统.一、实验目的1.熟悉和掌握产生式系统的运行机制，2.掌握基于产生式系统的正向推理的基本方法。
3.简要比较两种实现方式的异同二、实验内容1. 能根据输入的动物特征判断是那种动物或给出相应的回答. (第一种方法)2. 如果根据初始输入的动物特征不能判断,则可以动态增加新事实(即动物特征)来判断属于那种动物. (第一种方法)3. 可根据提示选择所要识别的动物是否具有该特征.(第二种方法)三、算法设计编程语言与编程环境: C++,VC6.0下面用第一种方法简要说明算法的设计过程.首先建立了一个animal_identifier的类.该类包含的属性有:f和r. f指针指向事实集,r指向规则集.包括的关键成员函数有:Creat_Rules(),Creat_Fact(), reason().1 建立静态规则库.即建立产生式规则.本算法采用了产生中间事实的方法,这样做的优点是涉及到的规则少,容易理解,便于建立和使用规则.为了便于设计,我们把要识别的动物限于7种,这样所需要的产生式规则就比较少.本算法总共有16种规则,部分规则如下:R1：如果某动物有毛发则该动物是哺乳动物R2：如果某动物有奶则该动物是哺乳动物R3：如果某动物有羽毛则该动物是鸟R4：如果某动物会飞，且下蛋则该动物是鸟R5：如果某动物吃肉则该动物是食肉动物R6：如果某动物有锋利的牙齿，且有爪，且眼睛盯着前方则该动物是食肉动物R7：如果某动物是哺乳动物,且有蹄则该动物是有蹄类哺乳动物……………..R16: 如果反刍则哺乳动物上述规则库由类animal_identifierd的方法Creat_rules()静态实现.2 建立事实库建立事实库是由方法Creat_Fact()实现的.该方法要求用户动态输入事实,即要求用户先输入特征个数,然后输入动物的特征,如果未识别出来,用户可以增加输入,或者退出.3 正向推理过程.正向推理是从已知事实出发，通过规则库求得结论，或称数据驱动方式。
AI实验-七种动物识别系统
AI实验-七种动物识别系统AI-动物识别⼀、实验⽬的1. 理解产⽣式系统的结构原理与实际应⽤。
2. 掌握产⽣式规则表⽰及规则库组建的实现⽅法。
3. 熟悉和掌握产⽣式系统的运⾏机制，掌握基于规则推理的基本⽅法。
⼆、实验原理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。
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；⽤产⽣式规则表⽰推理过程和⾏为1.实验要求运⽤所学知识，设计并编程⼀个⼩型的动物识别系统，识别对象：虎、⾦钱豹、斑马、长颈⿅、鸵鸟、企鹅、信天翁七种动物2.识别规则库R1: 有⽑(1) --> 哺乳动物(12)R2: 有奶(2) --> 哺乳动物(12)R3: 有⽻⽑(3) --> 鸟类(13)R4: 会飞(4) & 会下蛋 --> 鸟类(13)R5: 吃⾁(6) --> ⾷⾁动物(14)R6: ⽝齿(7) & 有⽖(8) & 盯前⽅(9) --> ⾷⾁动物(14)R7: 哺乳动物(12) & 有蹄(10) --> 有蹄类动物(15)R8: 哺乳动物(12) & 反刍(11) --> 有蹄类动物(15)R9: 哺乳动物(12) & ⾷⾁动物(14) & 黄褐⾊(16) & 暗斑点(17) --> ⾦钱豹(a)R10: 哺乳动物(12) & ⾷⾁动物(14) & 黄褐⾊(16) & ⿊⾊条纹(18) --> 虎(b)R11: 有蹄类动物(15) & 长脖(19) & 长腿(20) & 暗斑⾊(17) --> 长颈⿅(c)R12: 有蹄类动物(15) & ⿊⾊条纹(18) & --> 斑马(d)R13: 鸟类(13) & 长脖(19) & 长腿(20) & 不会飞(21) & ⿊⽩两⾊(22) --> 鸵鸟(e)R14: 鸟类(13) & 会游泳(23) & 不会飞(21) & ⿊⽩⼆⾊(22) --> 企鹅(f)R15: 鸟类(13) & 善飞(24) --> 信天翁(g)以上为：动物识别规则的15条规则，已编码3.思路分析1. 第⼀次编写时：采⽤的是，条件对应原则，每个条件对应的动物做⼀个集合，多个条件集合取交集，得到对应动物。
人工智能 产生式规则
人工智能产生式规则
产生式规则是人工智能中一种表示知识和推理的形式，通常用于专家系统和规则引擎。
产生式规则由条件部分和动作部分组成，其中条件部分描述了一些前提条件，而动作部分描述了在条件满足时执行的操作。
以下是产生式规则的一般形式：
```
IF <条件部分>
THEN <动作部分>
```
在人工智能领域，产生式规则的使用可以丰富知识库，支持推理和决策。
条件部分通常包含一系列逻辑表达式，这些表达式检查某些事实或状态是否为真。
动作部分包含了在条件满足时要执行的操作，可以是更新知识库、产生新的推断、执行某些计算，或触发其他操作。
以下是一个简单的产生式规则的示例，假设我们正在构建一个专家系统来判断一个水果是否为橙子：
```
IF 颜色是橙色AND 形状是圆形
THEN 这是一个橙子
```
在这个例子中，条件部分包含两个逻辑表达式，它们检查水果的颜色和形状。
如果这两个条件都为真，即水果的颜色是橙色且形状是圆形，那么动作部分就会执行，产生结论“这是一个橙子”。
产生式规则的优势在于它们易于理解和维护，可以方便地将领域专业知识转化为规则，同时也支持灵活的知识表示和推理。
在专家系统、决策支持系统等人工智能应用中，产生式规则常常被广泛使用。