第三章 归结推理
第三章 确定性推理(3)

第三章确定性推理第四节消解原理消解反演如欲证明Q为P1 ,P2 ,…,Pn的逻辑结论,只需证(P1∧P2∧…∧Pn)∧¬Q是不可满足的,或证明其子句集是不可满足的。
而子句集的不可满足性可用归结原理来证明。
➢应用归结原理证明定理的过程称为归结(消解)反演。
➢设F为已知前提的公式集,Q为目标公式(结论),用归结反演进行证明的步骤是:1. 否定Q,得到¬Q;2. 把¬Q并入到公式集F中,得到{F, ¬Q};3. 把公式集{F, ¬Q}化为子句集S;4. 应用消解推理规则对子句集S中的子句进行归结,并把每次归结得到的归结式都并入S 中。
如此反复进行,若出现了空子句,则停止归结。
反演证明过程的正确性:设S={F1,…,F n }是前提条件,L是欲求证的结论则,从前提条件推出结论的问题,可以表示成: F1∧…∧F n L =~(F1∧…∧F n)∨L并证明其永真(永远成立)先将公式取“非”:~(~(F1∧…∧F n)∨L)=(F1∧…∧F n)∧~ L= F1∧…∧F n∧~ L利用消解原理来证明它是永假的(即,构造一个反演)实际中,我们可以将F1∧…∧F n∧~ L中的每一个部分化成子句集(化法任选),合并后得到完整的子句集,然后利用消解原理导出空子句(反演)反演求解过程从反演树求取某一个问题的答案,其过程为:①将前提条件用谓词表示出来,并化成子句集 S②将目标公式(问题)用谓词表示出来,把由目标公式的否定所产生的子句及其非(目标公式否定之否定)用析取连接词相连组成一个新子句(重言式),加到 S 构成新的子句集S’③对子句集S’ ,进行消解演绎,直到得到某一个子句为止④将此子句作为问题的答案⏹举例:已知三个条件✓F1::王(Wang)先生是小李(Li)的老师✓F2:小李与小张(Zhang)是同班同学✓F3:如果x与y是同班同学,则x的老师就是y的老师问题:小张的老师是谁?①定义谓词T(x , y) : x 是 y 的老师C(x , y) : x 与 y 是同班同学②用谓词表示前提条件与目标(问题):前提:F1:T(Wang , Li)F2:C(Li , Zhang)F3: (∀x) (∀y) (∀z) (C(x,y)∧T(z,x) ⇒T(z,y))目标:G: (∃x)T(x,Zhang)~ G:~ (∃x)T(x,Zhang)=(∀x) (~ T(x,Zhang))③求出子句集:前提的子句集:T(Wang, Li)C(Li, Zhang)~ C(x,y) ∨~ T(z,x) ∨ T(z,y)目标的否定的子句及其非组成重言式:~ T(x,Zhang) ∨ T(x,Zhang)④完整的子句集:(1) T(Wang, Li)(2) C(Li, Zhang)(3) ~C(x,y) ∨~T(z,x) ∨ T(z,y)(4) ~T(u,Zhang) ∨ T(u,Zhang)⑤消解演绎的过程(1) T(Wang, Li)(2) C(Li, Zhang)(3) ~C(x,y) ∨~T(z,x) ∨ T(z,y)(4) ~T(u,Zhang) ∨ T(u,Zhang)(5) ~C(Li ,y) ∨ T(Wang,y) (1)(3) mgu={Wang/z, Li/x)}第五节规则演绎系统●规则演绎的基本概念上面所讲的归结反演系统把所有的表达式都转换为子句形式,这样做虽然在逻辑上是等价的,但也丧失了很多有用的信息。
离散数学 第3章 基于归结原理的推理证明

16
3.2.2原子集
定义 3.2.2 下列集合称为子句集 S 的原子集: A={所有形如 P(t1, t2,…,tn)的元素} 其中,P(t1, t2,…,tn)是出现在 S 中的任一谓词符号,而 t1,t2,…,tn 则是 S 的 H 域上的 任意元素。 定义 3.2.3 将没有变元出现的原子、文字、子句和子句集分别称作基原子、基文字、基 子句和基子句集。 定义 3.2.4 当子句集 S 中的某个子句 C 中的所有变元符号均以其 H 域中的元素替换时, 所得到的基子句称作 C 的一个基例。 例 3.2.2 对于子句集 S={P(a),P(x)∨P(f(x))},它的 H 域为{a,f(a),f(f(a)),…}。 对于子句 P(a),因为其中不含有变元,所以它已是基子句,而且 aH,所以它也是基例。
20
3.3.1.2 置换的合成
置换的合成是将两个置换合成为一个置换。 定义 3.3.3 假设 ={t1/x1,t2/x2,…,tn/xn}, ={u1/y1,u2/y2,…,um/ym}是两个置换, 则它们的合成是一个新置换, 其作用于公式 E 时, 相当于先 后 λ 对 E 的作用。 它的定义如下: 先作置换{t1· /x1,t2· /x2,…,tn· /xn,u1/y1,u2/y2,…,um/ym}。 若 yi{ x1,…,xn}时,先从上述集合中删除 ui/yi。 若 ti· =xi 时,再从上述集合中删除 ti· /xi 。 删除以后剩下元素所构成的集合称作 与 的乘积,记作 · 。
17
3.2.3 H域上的解释
定义 3.2.5 如果子句集 S 的原子集为 A,则对 A 中各元素的真假值的一个具体设定都是 S 的一个 H 解释。 可以证明,在给定域 D 上的任一个解释 I,总能在 H 域上构造一个解释 I*与之对应,使得如果 D 域上 的解释能满足子句集 S,则在 H 域的解释 I*也能满足 S(即若 S|I=T,就有 S|I*=T) 。 定理 3.2.1 设 I 是子句集 S 在域 D 上的一个解释,则存在对应于 I 的 H 域解释 I*,使得若有 S|I=T,就 必有 S|I*=T。 定理 3.2.2 子句集 S 不可满足的充要条件是 S 对 H 域上的一切解释都为假。 证明 充分性:若 S 在一般域 D 上是不可满足的,必然在 H 域上是不可满足的,从而对 H 域上的一 切解释都为假。 必要性:若 S 在任一 H 解释 I*下均为假,必然会使 S 在 D 域上的每一个解释为假。否则,如果存在一 个解释 I0 使 S 为真,那么依据定理 3.2.1 可知,一定可以在 H 域找到相对应的一个解释 I*0 使 S 为真。这与 S 在所有 H 解释下均为假矛盾。
归结推理方法

谓词归结原理基础
量词辖域收缩与扩张等值式:
–( x )( P(x) ∨ Q) <=> ( x ) P(x) ∨ Q
–( x )( P(x) ∧ Q) <=> ( x ) P(x) ∧ Q
–( x )( P(x) → Q) <=> ( x ) P(x) → Q –( x )(Q → P(x) ) <=>Q → ( x ) P(x) –( x )( P(x) ∨ Q) <=> ( x ) P(x) ∨ Q
归结式:R(C1, C2) = C1ΛC2
注意:C1ΛC2 → R(C1, C2) , 反之不一 定成立。
命题逻辑的归结法
• 归结过程
– 将命题写成合取范式 – 求出子句集 – 对子句集使用归结推理规则 – 归结式作为新子句参加归结 – 归结式为空子句□ ,S是不可满足的(矛盾),原
命题成立。
•(证明完毕) • 谓词的归结:除了有量词和函数以外,其余和
(1)x(R(x) → P(x)),
其中,R(x)表示x是人;P(x)表示x是要死的。
(2)x(R(x) ∧ Q(x)),
其中,R(x)表示x是人;Q(x)表示x活到一百岁以上。
谓词归结原理基础
量词否定等值式:
–~( x ) M(x) <=> ( y ) ~ M(y) –~( x ) M(x) <=> ( y ) ~ M(y)
第三章 归结推理方法
• 概述 • 命题逻辑的归结法 • 谓词归结子句形 • 归结原理 • 归结过程的策略控制 • Herbrand定理
命题逻辑的归结法
• 命题逻辑基础: 定义: – 合取式:p与q,记做p ∧ q – 析取式: p或q,记做p ∨ q – 蕴含式: 如果p则q,记做p → q
第三章 谓词逻辑与归结原理

以正向推理所得结果作为假设进 行反向推理
退出
是 还需要正向推理吗?
否
2014-4-9
18
华北电力大学
概述-推理的控制策略
搜索策略
推理时,要反复用到知识库中的规则,而知识库中 的规则又很多,这样就存在着如何在知识库中寻找 可用规则的问题 为有效控制规则的选取,可以采用各种搜索策略 常用搜索策略:
归结推理方法在人工智能推理方法中有着很重 要的历史地位,是机器定理证明的主要方法
2014-4-9
25
华北电力大学
归结法的特点
归结法是一阶逻辑中,至今为止的最有效的半可 判定的算法。也是最适合计算机进行推理的逻辑 演算方法 半可判定 一阶逻辑中任意恒真公式,使用归结原理,总 可以在有限步内给以判定(证明其为永真式) 当不知道该公式是否为恒真时,使用归结原理 不能得到任何结论
(5) 上下文限制
上下文限制就是把产生式规则按它们所描述的上下文分组,在某种 上下文条件下,只能从与其相对应的那组规则中选择可应用的规则
2014-4-9
22
华北电力大学
概述-推理的控制策略
推理的控制策略
3.冲突解决策略
(6) 按匹配度排序
在不精确匹配中,为了确定两个知识模式是否可以进行匹配,需要 计算这两个模式的相似程度,当其相似度达到某个预先规定的值时,就 认为它们是可匹配的。若有几条规则均可匹配成功,则可根据它们的匹 配度来决定哪一个产生式规则可优先被应用
如专家系统、智能机器人、模式识别、自然语言理解等
推理
按照某种策略从已有事实和知识推出结论的过程。 推理是由程序实现的,
称为推理机
医疗诊断专家系统
• 知识库中存储经验及医学常识 • 数据库中存放病人的症状、化验结果等初始事实 • 利用知识库中的知识及一定的控制策略,为病人诊治疾病、开出医疗处方就 是推理过程
第三章 确定性推理 (2)

本课程只讨论一阶谓词逻辑描述下的归结推理方
法,不涉及高阶谓词逻辑问题
概述
归结法基本原理
归结法的基本原理是采用反证法或者称为反演
推理方法,将待证明的表达式(定理)转换成 为逻辑公式(谓词公式),然后再进行归结, 归结能够顺利完成,则证明原公式(定理)是 正确性的。
概述
归结法基本原理
例如:
谓词逻辑归结法
将谓词公式化为Skolem标准形步骤
消去→号和(双蕴含符号); ~深入到量词内部; 使所有的变元名称均不相同; 消去存在量词; 把全称量词全部移到公式的左边,消去全称量
词; 母式化为和取范式。
谓词逻辑归结法
子句集
子句集S可由下面的步骤求取:
谓词公式G转换成前束范式 消去前束范式中的存在变量,略去其中的任意变量,
1 1
谓词逻辑归结法
对子句集S应用谓词归结原理进行归结,在归
结的过程中,通过合一臵到归结式ANSWER,则问题的答案即
在ANSWER的谓词中。
谓词逻辑归结法
例题:某人被盗,公安局派出5名侦察员
去调查。研究案情的时候, 侦察员A说 “赵与钱中至少有一个人作 案”;侦察员B说“钱与孙中至少有一个 人作案”;侦察员C说“孙与李中至少有 一个人作案”;侦察员D说“赵与孙中至 少有一个人与此案无关”;侦察员E说 “钱与李中至少有一个人与此案无关”。 如果这五个侦查员的话都是可信的,请问 谁是盗窃犯。
用一阶谓词逻辑描述的谓词公式: A1、A2、A3
和 B,要求证明: 如果A1ΛA2ΛA3成立,则B成立 即:A1ΛA2ΛA3 → B是重言式(永真式)。 归结法的思路是:A1ΛA2ΛA3 → B是重言式等价 于A1ΛA2ΛA3Λ~B是矛盾式,也就是说永假式 反证法:证明A1ΛA2ΛA3Λ~B 是矛盾式(永假式)
第3章 基于谓词逻辑的机器推理4

第三章 基于谓词逻辑的机器推理
然后把上述各语句翻译为谓词公式: (1) x(R(x)→L(x)) (2) x(D(x)→乛L(x)) (3) x(D(x)∧I(x)) (4) x(I(x)∧乛R(x)) 已知条件
第三章 基于谓词逻辑的机器推理
求题设与结论否定的标准型,得 (1)乛R(x)∨L(x) (2)乛D(y)∨乛L(y)
Kills ( Jack , Tuna ) False
Kills ( Jack , Tuna )
False
第三章 基于谓词逻辑的机器推理
例 设已知: (1)能阅读者是识字的; (2)海豚不识字; (3)有些海豚是很聪明的。 试证明:有些聪明者并不能阅读。 首先,定义如下谓词: R(x):x能阅读。I(x):x是聪明的。 L(x):x识字。D(x):x是海豚。
B: Dog(y) Owns(x,y) Animallover(x)
16
第三章 基于谓词逻辑的机器推理
3. 2 归结演绎推理
x Animallover(x) y Animal (y) ¬ Kills(x,y) x, y {¬[Animallover(x) Animal (y) ]¬Kills(x,y)} ¬Animallover(x) ¬ Animal (y) ¬ Kills(x,y) }
C:Animallover(x) Animal (y) Kills(x,y) False D: Kills(Jack,Tuna) Kills(Tom,Tuna)
E: Cat(Tuna)
F: Cat(x) Animal (x)
17
第三章 基于谓词逻辑的机器推理
3. 2 归结演绎推理
人工智能第三章归结推理方法
Y
失败退出
成功退出
逆向推理的流程图
22
逆向推理
对上例,采用逆向推理,其推理过程如下: 推理开始前,综合数据库和假设集均为空。 推理开始后,先将初始证据A和目标C分别 放入综合数据库和假设集,然后从假设集中取 出一个假设C,查找C是否为综合数据库中的 已知事实,回答为“N”。 再检查C是否能被知识库中的知识所导出, 发现C可由r1 导出,于是r1 被放入可用知识集。 由于知识库中只有r1可用,故可用知识集中仅 含r1。
13
正向推理
正向推理是从已知事实出发、正向使用推理规 则,亦称为数据驱动推理或前向链推理。 算法描述 (1) 把用户提供的初始证据放入综合数据库; (2) 检查综合数据库中是否包含了问题的解, 若已包含,则求解结束,并成功推出;否则执 行下一步; (3) 检查知识库中是否有可用知识,若有,形 成当前可用知识集,执行下一步;否则转(5)。
11
推理的控制策略
推理过程不仅依赖于所用的推方法,同时也依 赖于推理的控制策略。 推理的控制策略是指如何使用领域知识使推理 过程尽快达到目标的策略。
控制策略的分类:由于智能系统的推理过程一 般表现为一种搜索过程,因此,推理的控制策 略可分为推理策略和搜索策略。
推理策略:主要解决推理方向、冲突消解等问 题,如推理方向控制策略、求解策略、限制策 略、冲突消解策略等
18
正向推理
正向推理的主要优点
比较直观,允许用户主动提供有用的事实信息, 适合于诊断、设计、预测、监控等领域的问题求 解。 正向推理的主要缺点
推理无明确目标,求解问题是可能会执行许多 与解无关的操作,导致推理效率较低。
人工智能原理及应用第3章 确定性推理方法
3.1 推理概述
3.1.2 推理的方法
1.演绎推理: 例:有如下三个判断: ①计算机系的学生都会编程序;(一般性知识) ②程强是计算机系的一位学生;(具体情况) ③因此程强会编程序。(结论)
这是一个三段论推理。其中:“①计算机系的学生都会编程序” 是大前提,“②程强是计算机系的一位学生”是小前提,那么“③ 程强会编程序”是经演绎推出来的结论。其结论蕴含在大前提中, 这就是典型的演绎推理三段论。
N
Y Y
以正向推理结果为假设
输入进行反向推理
N
输出结果
Y
成功退出
需要进行正向推理吗?
3.1 推理概述
3.1.4 推理中的冲突
在推理过程中,系统要不断地用数据库中的事实与知识库中的 规则进行匹配,当有一个以上规则的条件部分和当前数据库相匹配 时,就需要有一种策略来决定首先使用哪一条规则,这就是冲突解 决策略。冲突解决策略实际上就是确定规则的启用顺序。
33演绎推理方法332演绎推理的特点正向演绎推理逆向演绎推理问题求解的描述事实文字与或形事实文字合取式规则lw规则wl目标文字析取形目标文字与或形初始与或图相应于事实表达式事实表达式的与或树相应于目标公式事实表达式的与或树演绎推理f规则事实目标b规则目标事实结束条件包含所有目标节点的一致解图以事实节点作为所有终节点的一致解图34归结推理方法341子句集及其化简342herbrand海伯伦定理343robinson鲁宾逊归结原理344利用归结推理进行定理证明345应用归结原理进行问题求解在谓词演算中利用前面列出的等价式和永真蕴含式可以从已知的一些公式推导出新的公式这个导出的公式叫做定理在推导过程中使用的推理规则序列就成了该定理的一个证明而这种推导就是归结推理方法
形成可用知识集
人工智能自动推理(第3部分 归结原理及其应用)
例3.6 G (x)P(x)的SKOLEM标准形与 G并不是等值 的。
(1)C1: P R,C2 :~ P Q
子句C1中的文字P和子句 C2中~ P 的文字是互补的。 由 C1和 C2 中分别删除 P和~ P,并且构造两个子句 的 其 余 部 分R 和 Q的 析 取 式 , 得 出 归 结 式 为 RQ 。
这两个被归结的子句可以写成:~ R P, P Q,根据 假言三段论,可以推出~ R Q,它等价于 R Q 。 因此可以知道假言三段论是归结的一个特例。
真,只要在论域D中能找到一个个体x 0使 P( x0)为真。而
G1 =P(a) 是 从 论 域 中 选 定 一 个 个 体 a , 这 样 不 能 保 证 P(a)为真。
例3.7 G (x)(y)P(x, y)
G1 (x)P(x, f (x))
考虑G 与G1 的逻辑关系。 仍在论域D={1,2}上讨论。便有
子句型
Clause form
归结证明过程是一种反驳程序,即:不是证明一 个公式是有效的(valid),而是证明公式之非是不 可 满 足 的 (unsatisfiable)。 这 完 全 是 为 了 方 便 , 并且不失一般性。我们知道,归结推理规则所应 用的对象是命题或谓词合式公式的一种特殊的形 式,称为子句。因此在进行归结之前需要把合式 公式化为子句式。
很F推1∧理显F方然2∧法F…1就∧∧F是F2∧从n∧…F~1∧∧BFF是n2∧矛…盾G 是∧(永F重n∧假言~)式式B等出。价归发
人工智能第三章归结推理方法
人工智能第三章归结推理方法
第三章主要讨论归结推理方法,归结推理方法是人工智能领域中的一种重要技术。
归结推理是一种推理过程,它从一个给定的知识库出发,将给定的输入推断,得出想要的结果。
归结推理是一种推断过程,它把已有的规则和数据应用到新的数据中,来解决新问题。
归结推理可以从三个层面来分析:
1.处理模型
在归结推理中,首先要建立一个处理模型,这个模型是一种结构,它描述了归结推理的步骤,以及归结推理过程中用到的数据和知识。
2.知识表示
归结推理过程是基于知识库,而知识的表示是归结推理中最重要的环节。
知识的表示是一种在计算机中存储、表示和管理数据的方法,它决定了归结推理过程中的正确性和性能。
3.推理机制
推理机制是归结推理过程中,根据已有的输入,对知识进行推理以及解决问题的一种机制。
它可以把归结推理分为计算环节和决策环节,从而实现和可靠的知识表示,实现更精确的推理过程。
基于上述三个层面,归结推理方法可以有效的解决知识表示、理解和存储问题,实现可靠的推理过程,从而解决复杂的问题。
- 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)。
谓词归结原理基础
一阶逻辑 基本概念
个体词:表示主语的词 谓词:刻画个体性质或个体之间关系的词 量词:表示数量的词
谓词归结子句形
G = G1Λ G2Λ G3Λ …Λ Gn 的子句形
G的字句集可以分解成几个单独处理。 有 SG = S1 U S2 U S3 U …U Sn 则SG 与 S1 U S2 U S3 U …U Sn在不可满足得意义上 是一致的。 即SG 不可满足 <=> S1 U S2 U S3 U …U Sn不可满足
命题逻辑基础
基本等值式24个(1) 交换率:p∨q <=> q ∨p ; p Λ q <=> q Λp 结合率: (p∨q) ∨ r<=> p∨(q ∨r); (p Λ q) Λ r<=> p Λ(q Λ r) 分配率: p∨(q Λ r) <=> (p∨q)Λ(p ∨r) ; p Λ(q ∨ r) <=> (p Λ q) ∨(p Λ r)
谓词归结原理基础
小王是个工程师。 8是个自然数。 我去买花。 小丽和小华是朋友。 其中,“小王”、“工程师”、“我”、“花”、“8”、“小丽”、 “小华”都是个体词,而“是个工程师”、“是个自然数”、 “去买”、“是朋友”都是谓词。显然前两个谓词表示的是事物 的性质,第三个谓词“去买”表示的一个动作也表示了主、宾两 个个体词的关系,最后一个谓词“是朋友”表示两个个体词之间 的关系。
消去量词等值式:设个体域为有穷集合(a1, a2, …an)
(∀ x ) P(x) <=> P( a1 ) Λ P( a2 ) Λ …Λ P( an ) (∃ x )P(x) <=> P( a1 ) ∨ P( a2 ) ∨ …
∨
P( an )
谓词归结原理基础
量词辖域收缩与扩张等值式:
(∀ x )( P(x) ∨ Q) <=> (∀ x ) P(x) ∨ Q (∀ x )( P(x) Λ Q) <=> (∀ x ) P(x) Λ Q (∀ x )( P(x) → Q) <=> (∃ x ) P(x) → Q ∀ ∃ (∀ x )(Q → P(x) ) <=>Q → (∀ x ) P(x) (∃ x )( P(x) ∨ Q) <=> (∃ x ) P(x) ∨ Q (∃ x )( P(x) Λ Q) <=> (∃ x ) P(x) Λ Q (∃ x )( P(x) → Q) <=> (∀ x ) P(x) → Q (∃ x )(Q → P(x) ) <=>Q → (∃ x ) P(x)
标准形) 谓词归结子句形( Skolem 标准形)
Skolem定理: 谓词逻辑的任意公式都可以化为与之等价 的前束范式,但其前束范式不唯一。 SKOLEM标准形定义: 消去量词后的谓词公式。 注意:谓词公式G的SKOLEM标准形同G并 不等值。
标准形) 谓词归结子句形( Skolem 标准形)
例:将下式化为Skolem标准形:
谓词归结原理基础
一阶逻辑 公式及其解释
个体常量:a,b,c 个体变量:x,y,z 谓词符号:P,Q,R 量词符号: ∀ ,∃
谓词归结原理基础
例如:(1)所有的人都是要死的。 (2) 有的人活到一百岁以上。 在个体域D为人类集合时,可符号化为: (1)∀xP(x),其中P(x)表示x是要死的。 (2)∃x Q(x), 其中Q(x)表示x活到一百岁以上。 在个体域D是全总个体域时, 引入特殊谓词R(x)表示x是人,可符号化为: (1)∀x(R(x) → P(x)), 其中,R(x)表示x是人;P(x)表示x是要死的。 (2)∃x(R(x) ∧ Q(x)), 其中,R(x)表示x是人;Q(x)表示x活到一百岁以上。
命题表示公式( ) 命题表示公式(2)
例如: 1. “如果我进城我就去看你,除非我很累。” 设:p,我进城,q,去看你,r,我很累。 则有命题公 式:~r → (p → q)。 2.“应届高中生,得过数学或物理竞赛的一等 奖, 保送上北京大学。” 设:p,应届高中生,q,保送上北京大学上学, r,是得过数学一等奖。t,是得过物理一等奖。 则有命题公式公式:p ∧ ( r ∨t ) → q。
命题逻辑的归结法
归结式
消除互补对,求新子句→得到归结式。 如子句:
C1=L∨C1’ C2=(~L) ∨C2’ 则归结式C为: C=C1’ ∨C2’
注意:C1ΛC2 →C , 反之不一定 不一定成立。 定理: 子句集S={C1, C2, …, Cn}与子句集 S1={C, C1, C2, …, Cn}的不可满足性是等价的。其中,C是C1和 C2的归结式。
谓词逻辑与归结原理
概述 命题逻辑的归结法 谓词归结子句形 归结原理
概述
归结原理由J.A.Robinson由1965年提出。
与演绎法(deductive inference)完全不同,新的逻辑演算 (inductive inference)算法。 一阶逻辑中,至今为止的最有效的半可判定的算法。即, 一阶逻辑中任意恒真公式,使用归结原理,总可以在有 限步内给以判定。 语义网络、框架表示、产生式规则等等都是以推理方法 为前提的。即,有了规则已知条件,顺藤摸瓜找到结果。 而归结方法是自动推理、自动推导证明用的。(“数学 定理机器证明”)
命题逻辑基础
基本等值式(1) 摩根率: ~ (p∨q) <=> ~ p Λ ~ q ; ~ (p Λq) <=> ~ p ∨ ~ q 吸收率: p∨(pΛq ) <=> p ; p Λ(p∨q ) <=> p 同一律: p∨0 <=> p ; pΛ1 <=> p 蕴含等值式:p → q <=> ~ p∨q 假言易位式: p → q <=> ~ p → ~ q
(Qx ) M(x) <=> (Qy ) M(y) (Qx ) M(x,z) <=> (Qy ) M(y,z)
标准形) 谓词归结子句形( Skolem 标准形)
量词消去原则: 消去存在量词“∃”,略去全程量词 “∀”。
注意:左边有全程量词的存在量词,消去
时该变量改写成为全程量词的函数;如没有, 改写成为常量。
本课程只讨论一阶谓词逻辑描述下的归结推理方 法,不涉及高阶谓词逻辑问题。
命题逻辑的归结法
命题逻辑基础: 定义:
合取式:p与q,记做p Λ q 析取式: p或q,记做p ∨ q 蕴含式: 如果p则q,记做p → q 等价式:p当且仅当q,记做p <=> q
。。。。。。
命题逻辑基础
定义:
若A无成假赋值,则称A为重言式或永真式; 若A无成真赋值,则称A为矛盾式或永假式; 若A至少有一个成真赋值,则称A为可满足的; 析取范式:仅由有限个简单合取式组成的析取式。 合取范式:仅由有限个简单析取式组成的合取式。
(P → Q) ∧~(~Q → ~P) (2)分别将公式前项化为合取范式:
P → Q = ~P ∨ Q 结论求~后的后项化为合取范式: ~(~Q → ~P)= ~(Q∨~P) = ~Q ∧ P 两项合并后化为合取范式: (~P ∨ Q)∧~Q ∧ P (3)则子句集为: { ~P∨Q,~Q,P}
命题逻辑归结例题( ) 命题逻辑归结例题(2)
谓词归结原理基础
量词否定等值式:
~(∀ x ) M(x) <=> ( ∃ y ) ~ M(y) ~(∃ x ) M(x) <=> ( ∀ y ) ~ M(y)
量词分配等值式:
(∀ x )( P(x) ΛQ(x)) <=> (∀ x ) P(x) Λ (∀ x ) Q(x) (∃ x )( P(x) ∨ Q(x)) <=> (∃ x ) P(x) ∨ (∃ x ) Q(x)
谓词归结子句形
子句与子句集
文字:不含任何连接词的谓词公式。 子句:一些文字的析取(谓词的和)。 子句集S的求取: G → SKOLEM标准形 → 消去存在变量 → 以“,”取代“Λ”,并表示为集合形式 。
谓词归结子句形
G是不可满足的<=> S是不可满足的
G与S不等价,但在不可满足得意义下是一致的。 定理: 若G是给定的公式,而S是相应的子句集,则G是不 可满足的<=> S是不可满足的。 注意:G真不一定S真,而S真必有G真。 即: S => G
命题逻辑的归结法
归结过程
将命题写成合取范式 求出子句集 对子句集使用归结推理规则 归结式作为新子句参加归结 归结式为空子句□ ,S是不可满足的(矛盾),原命题 成立。 (证明完毕)
谓词的归结:除了有量词和函数以外,其余和命 题归结过程一样。
命题逻辑归结例题( ) 命题逻辑归结例题(1)
例题,证明公式:(P → Q) → (~Q → ~P) 证明: (1)根据归结原理,将待证明公式转化成待归结命题公式:
标准形) 谓词归结子句形( Skolem 标准形)
SKOLEM标准形
前束范式 定义:说公式A是一个前束范式,如果A中 的一切量词都位于该公式的最左边(不含否 定词),且这些量词的辖域都延伸到公式的 末端。
标准形) 谓词归结子句形( Skolem 标准形)
即: 把所有的量词都提到前面去,然后消 掉所有量词 (Q1x1)(Q2x2)…(Qnxn)M(x1,x2,…,xn) 约束变项换名规则:
~(∀x)(∃y)P(a, x, y) →(∃x)(~(∀y)Q(y, b)→R(x)) 解:第一步,消去→号,得: ~ ( ~ (∀x)(∃y)P(a, x, y)) ∨(∃x) ( ~ ~ (∀y)Q(y, b)∨R(x)) 第二步,~深入到量词内部,得: (∀x)(∃y)P(a, x, y) ∨(∃x) ((∀y)Q(y, b)∨R(x)) 第三步,变元易名,得 (∀x)((∃y)P(a, x, y) ∨(∃u) (∀ v)(Q(v, b) ∨R(u)) 第四步,存在量词左移,直至所有的量词移到前面,得: (∀x) (∃y) (∃u) (∀ v)P(a, x, y) ∨(Q(v, b) ∨R(u)) 由此得到前述范式