3确定性推理
第三章 确定性推理

第三章 ห้องสมุดไป่ตู้定性推理方法
3.1.2 推理的方法及其分类
所谓枚举归纳推理是指在进行归纳时, 如果已知某类事物的有限可数个具体事 物都具有某种属性,则可推出该类事物都具有此种属性。 例如,设 a1 , a2 , , an 是 某类事物A中的 n 个具体事物,若 a1 , a2 , , an 都具有某种属性B,并没有发现反例, n 那么当 足够大时,就可得出“A中的所有事物都具有属性B”这一结论。所谓类比 推理是指在两个或两类事物有许多属性都相同或相似的基础上, 推出他们在其他属 性上也相同或相似的一种归纳推理。例如,设A、B分别是两类事物的集合:
第三章 确定性推理方法
3.1.2 推理的方法及其分类
演绎推理与归纳推理是两种完全不同的推理。 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。 它 所得出的结论实际上早已蕴涵在一般性知识的前提中,演绎推理只不过是将已有 事实揭示出来,因此它不能增殖新的知识。 而归纳推理所推出的结论并没有包含 在前提内容中,它是一个由个别事物或现象推出一般性知识的过程,这种过程能 够导致新知识的产生。所以,从人工智能的知识获取要求这一角度看,归纳推理 应当比演绎推理重要。 本章后面重点介绍的归结推理也即是归纳推理。然而,在 现实世界中,当人们运用逻辑推理解决问题时,往往是归纳推理与演绎推理并用, 两种推理过程是相辅相成的。 例如,一位发动机维修员,当他刚开始从事这项工 作时,只有书本知识,而无实际经验,这时按照书中的知识修机器往往修不好, 因为书中所介绍的故障现象与实际中有些差别。当当他经过一段时间的工作实践 后,就会通过大量维修实例积累起来一些经验,这些经验就是由一个个实例归纳 出来的一般性知识,采用的是归纳推理方式。当他掌握了这些一般性知识后,就 可以运用这些知识去修理更多的机器,这时为修理某一台机器运用了他前面积累 总结出一般性知识,这一过程实际是一个演义推理过程。
确定性与不确定性推理主要方法-人工智能导论

确定性与不确定性推理主要方法1.确定性推理:推理时所用的知识与证据都是确定的,推出的结论也是确定的,其真值或者为真或者为假。
2.不确定性推理:从不确定性的初始证据出发,通过运用不确定性的知识,最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。
3.演绎推理:如:人都是会死的(大前提)李四是人(小前提)所有李四会死(结论)4.归纳推理:从个别到一般:如:检测全部产品合格,因此该厂产品合格;检测个别产品合格,该厂产品合格。
5.默认推理:知识不完全的情况下假设某些条件已经具备所进行的推理;如:制作鱼缸,想到鱼要呼吸,鱼缸不能加盖。
6.不确定性推理中的基本问题:①不确定性的表示与量度:1)知识不确定性的表示2)证据不确定性的表示3)不确定性的量度②不确定性匹配算法及阈值的选择1)不确定性匹配算法:用来计算匹配双方相似程度的算法。
2)阈值:用来指出相似的“限度”。
③组合证据不确定性的算法最大最小方法、Hamacher方法、概率方法、有界方法、Einstein方法等。
④不确定性的传递算法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6.可信度方法:在确定性理论的基础上,结合概率论等提出的一种不确定性推理方法。
其优点是:直观、简单,且效果好。
可信度:根据经验对一个事物或现象为真的相信程度。
可信度带有较大的主观性和经验性,其准确性难以把握。
C-F模型:基于可信度表示的不确定性推理的基本方法。
CF(H,E)的取值范围: [-1,1]。
若由于相应证据的出现增加结论 H 为真的可信度,则 CF(H,E)> 0,证据的出现越是支持 H 为真,就使CF(H,E) 的值越大。
反之,CF(H,E)< 0,证据的出现越是支持 H 为假,CF(H,E)的值就越小。
若证据的出现与否与 H 无关,则 CF(H,E)= 0。
人工智能 第3章(确定性推理3-与或树搜索)

包括基于距离的启发式函数、基于成本的启发式函数、基于规则的启发式函数等。
节点排序和选择策略
节点排序的目的和意义
节点排序是为了在扩展节点时,按照一定的顺序选择下一个要扩展的节点,以优化搜索过程。
常用节点排序策略
包括最佳优先搜索、广度优先搜索、深度优先搜索等。最佳优先搜索根据启发式函数的值来选择最优节点; 广度优先搜索按照节点的层次顺序进行扩展;深度优先搜索则尽可能深地扩展节点。
盲目搜索方法比较与选择
• 宽度优先搜索、深度优先搜索和迭代加深搜索都是盲目搜索方法,它们在不同的场景下有不同的应用。 • 宽度优先搜索适用于问题空间较大、解存在于较浅层次的情况,因为它可以逐层遍历整个问题空间,找到最短
路径。 • 深度优先搜索适用于问题空间较小、解存在于较深层次的情况,因为它可以尽可能深地搜索树的分支,找到更
启发式信息获取途径
01
02
03
问题自身的特性
通过分析问题的性质、结 构、约束条件等,提取出 对搜索过程有指导意义的 启发式信息。
领域知识
利用领域内的经验、规则、 常识等,为搜索过程提供 有价值的启发式信息。
搜索过程中的信息
在搜索过程中,通过评估 当前状态、已搜索路径、 未搜索路径等,动态地获 取启发式信息。
04 与或树搜索优化技术
剪枝策略
01
剪枝的定义和目的
剪枝是在搜索过程中,通过某些评估标准,提前终止对某些无意义或低
效的节点的扩展,以减少搜索空间,提高搜索效率。
02 03
常用剪枝策略
包括限界剪枝、启发式剪枝、概率剪枝等。限界剪枝通过设置上下界来 限制搜索范围;启发式剪枝利用启发式函数来评估节点的重要性;概率 剪枝则根据节点的概率分布来进行剪枝。
第三章 确定性推理

首先,扩展最深的节点使得搜索从起始节点沿某条单一路 径进行下去;只有当搜索到达一个没有后裔的状态时,才考虑 最近的另一条替代的路径。替代路径与前面已经试过的路径不 同之处仅仅在于:改变最后n步,而且保持n尽可能小。
对于许多问题,其状态空间搜索树的深度可能为无限深, 或者可能至少要比某个可接受的解答序列的已知深度上限还要 深。为了防止搜索过程沿着无益的路径扩展下去,往往给出一 个节点扩展的最大深度——深度界限。任何节点如果达到了深 度界限,那么都将把它们作为没有后继节点处理。值得说明的 是,即使应用了深度界限的规定,所求得的解答路径并不一定 就是最短的路径。
3、宽度优先搜索方法分析:
宽度优先搜索是图搜索一般过程的特殊情况, 将图搜索一般过程中的第8步具体化为本算法中的 第5步,这就是将OPEN表作为“先进先出”的队列 进行操作。
宽度优先搜索的缺点:搜索方向盲目性较大, 当目标节点距离初始节点较远时,将会产生大量的 无用节点,搜索效率低。
但是,只要问题有解,用宽度优先搜索总可以 找到它的解,而且是搜索树中从初始节点到目标节 点路径最短的解(不考虑每条弧线的长度、代价、 扩展节点数等,只考虑经历的步数)。因此,宽度 优先搜索策略是完备的。搜索树能提供所有存在的 路径(如果没有路径存在,对有限图来说,就以失 败退出;对于无限图来说,则永远不会终止)。
宽度优先搜索示意图
2、宽度优先搜索算法如下:
(1) 把起始节点放到OPEN表中(如果该起始节 点为一目标节点,则求得一个解答)。
(2) 如果OPEN表是个空表,则没有解,失败退 出;否则继续。
(3) 把第一个节点(节点n)从OPEN表移出,并 把它放入CLOSED扩展节点表中。
第3章 确定性推理方法(导论5)

(3) 所以,行星系统是以太阳为中心( P )。
32
3.2 自然演绎推理
例3.1 已知事实: (1)凡是容易的课程小王( Wang )都喜欢; (2)C 班的课程都是容易的; (3)ds 是 C 班的一门课程。 求证:小王喜欢 ds 这门课程。
33
3.2 自然演绎推理
证明: 定义谓词: EASY ( x ):x 是容易的 LIKE ( x, y ):x 喜欢 y C ( x ):x 是 C 班的一门课程 已知事实和结论用谓词公式表示: (x) ( EASY ( x ) → LIKE ( Wang, x ) ) (x) ( C ( x ) → EASY ( x )) C ( ds ) LIKE ( Wang, ds )
(2)不确定性推理:推理时所用的知识与证据不都是确定 的,推出的结论也是不确定的。
不确定性推理
似然推理 (概率论) 近似推理或模糊推理 (模糊逻辑)
12
3.1.2 推理方式及其分类
3. 单调推理、非单调推理 (1)单调推理:随着推理向前推进及新知识的加入,推 出的结论越来越接近最终目标。 (2)非单调推理:基由于于经新典逻知辑识的的演加绎入推,理不仅没有加强已 推出的结论,反而要否定它,使推理退回到前面的某一步, 重新开始。 默认推理是非单调推理
14
3.1 推理的基本概念
3.1.1 推理的定义 3.1.2 推理方式及其分类 3.1.3 推理的方向 3.1.4 冲突消解策略
15
3.1.3 推理的方向
正向推理
逆向推理
推
(反 向 推 理 )
理
方
向
混合推理
双向推理
数据库 知识库
专家
推理机
用户
12 确定性推理 part6

C(zhang, li)
At(zhang, 302)
西安电子科技大学
用归结反演求取问题的答案
例:已知:A,B,C三人中有人从不说真话,也有人 从不说假话。某人向这三人分别提出同一个问题: 谁是说谎者? A答:“B和C都是说谎者”;
B答:“A和C都是说谎者”; C答:“A和B中至少有一个是说谎者”。 问:求谁是老实人,谁是说谎者?
(3) 把此析取式化为子句集,并且把该子句集并入到子句集S中, 得到子句集S′。 (4) 对S′应用归结原理进行归结 (5) 若得到归结式Answer,则答案就在Answer中。
西安电子科技大学
用归结反演求取问题的答案
例 1:
已知:“张和李是同班同学,如果x和y是同班同学,则x的 教室也是y的教室,现在张在302教室上课。”
西安电子科技大学
归结反演举例
将谓词公式转化为子句集
F1: P(A)∨ P(B) ∨ P(C)
P(A)∨ P(B) ∨ P(C) F2: P(A) ∧ ﹁P(B)→P (C) ﹁ (P(A) ∧ ﹁P(B)) ∨ P (C) F3: P(B)→P (C) ﹁ P(A) ∨ P(B) ∨ P (C)
西安电子科技大学
用归结反演求取问题的答案
先求谁是老实人,结论的否定为:¬ T(x) ¬ T(x)∨Answer(x)并入S得到S1。即多一个子句: (8)¬ T(x)∨Answer(x) 应用归结原理对S1进行归结: (9) ¬ T(A)∨T(C) (1)和(7)归结 (10) T(C) (6)和(9)归结 (11) Answer(C) (8)和(10)归结
西安电子科技大学
归结反演推理的归结策略
人工智能导论 第3章 确定性推理方法(导论) [兼容模式]
①足球运动员的身体都是强壮的;
(大前提)
②高波是一名足球运动员;
(小前提)
③所以,高波的身体是强壮的。 (结 论)
9
3.1.2推理方式及其分类
1.演绎推理、归纳推理、默认推理 (2)归纳推理(inductive reasoning):个别一一般
完全归纳推理(必然性推理) 不完全归纳推理(非必然性推理)
■逆向推理需要解决的问题: ♦如何判断一个假设是否是证据?
___ ♦当导出假设的知识有多条时,如何确定先选哪一条? ♦ 一条知识的运用条件一般都有多个,当其中的一个经 验证成立后,如何自动地换为对另一个的验证?
♦ ......
选择初 -_逆向推理:目的性强,利于向用户提供解释,但 始目标时具有盲目性,比正向推理复杂。
22
3.1.3推理的方向
3.混合推理
.正向推理:盲目、效率低。
■逆向推理:若提出的假设目标不符合实际,会降低效
率C
■正反向混合推理:
1 ( ) 先正向后逆向:先进行正向推理,帮助选择某个目标,
即从已知事实演绎出部分结果,然后再用逆向推理证实该目标
2 或提高其可信度;
( ) 先逆向后正向:先假设一个目标进行逆向推理,然后
■实现正向推理需要解决的问题: .确定索知识库。 .冲突消解策略。
■正向推理简单,易实现,但目的性不强,效率低。
19
3.1.3推理的方向
2.逆向推理
.逆向推理(目标驱动推理):以某个假设目标作为出 发点。 -基本思想:
选定一个假设目标。 寻找支持该假设的证据,若所需的证据都能找到,则 原假设成立;若无论如何都找不到所需要的证据,说明 原假设不成立的;为此需要另作新的假设。 ■主要优点:不必使用与目标无关的知识,目的性强, 同时它还有利于向用户提供解释。
“确定性推理”作业题推理题 - 答案
1.判断一下公式是否可合一,如可合一,求出其最一般合一。
1)P(a, b), P(x, y)2)P(a, x, f(g(y))), P(z, f(z), f(u))3)P(f(y), y, x), P(x, f(a), f(b))4)P(x, f(x)), P(y, y)2.将以下谓词公式化为相应的子句集。
(可任选其中3道小题)1)(∀x)(∀y) (P(x,y)∧Q(x,y))2)(∀x)(∀y) ((∃z) (P(x,y)→Q(x,y)∨R(x,z))3)(∀x)(∃y) ((P(x)∧(Q(x)∨R(y)))→(∀z)(P(f(z))→Q(g(x))))4)(∀x) (P(x))→(∃x)((∀z)Q(x,z)∨(∀z)R(x,y,z))5)(∃x)(∃y)(∀z)(∃u)(∀v)(∃w) (P(x,y,z,u,v,w) ∧Q(x,y,z,u,v,w)∨¬R(x,z,w))(3-7题中可任选3道大题)3.已知:每个去临潼游览的人,或者参观秦始皇兵马俑,或者参观华清池,或者洗温泉澡;凡去临潼游览的人,如果爬骊山就不能参观秦始皇兵马俑;有的游览者既不参观华清池,也不洗温泉澡。
求证:有的游览者不爬骊山。
解:1)谓词公式定义:Go(x,y): x(人)去y(地点)①Go(x,Q)∨Go(x,H)∨Go(x,W)②Go(x,L)→¬Go(x,Q)③ (∃x)(¬Go(x,H)∧¬Go(x,W) )④ (∃x)¬Go(x,L)2)化简为子句集C1:Go(x,Q)∨Go(x,H)∨Go(x,W)C2:¬Go(x,L)∨¬Go(x,Q)C3:¬Go(a,H)C4:¬Go(a,W)T1:Go(x,L)3)归结演绎证明T2:(C2,T1) ¬Go(x,Q)T3:(C1,T2) Go(x,H)∨Go(x,W)T4:(C3,T3) Go(a,W) {a/x}T5:(C4,T4) NIL结论得证。
确定性知识推理方法的归纳演绎推理法的应用
确定性知识推理方法的归纳演绎推理法的应用
确定性知识推理方法是一种基于确定性规则和事实的推理方法,而归纳演绎推理法是一种基于概率和统计规则的推理方法。
以下是归纳演绎推理法在确定性知识推理中的应用示例:
1. 规则的归纳:通过观察和搜集一系列相关事实,然后根据这些事实归纳出一条规则。
例如,根据过去的经验,我们可以归纳出“如果下雨,地面会湿”的规则。
2. 推断的归纳:根据已知的规则和事实,推断出新的结论。
例如,如果我们已经知道“如果下雨,地面会湿”,同时已知“今天下了雨”,那么我们可以通过归纳演绎推理法得出结论:“今天地面是湿的”。
3. 假设的归纳:根据已有的事实和规则,推断出未知的事实或规则。
例如,通过观察一系列样本数据,我们可以归纳出一条假设,如“如果一个人拥有足够的工作经验和相关技能,那么他有更大的机会获得工作机会”。
需要注意的是,应用归纳演绎推理法时,我们应该基于充分的数据和验证,以确保推理的准确性和可靠性。
此外,推理的结果仍然是基于已有的规则和事实,可能存在一定的局限性。
第三章确定性推理
人工智能教程
第三章 确定性推理 3.1 推理概述 3.1.2 推理的方法及其分类
人工智能教程
第三章 确定性推理 3.3 谓词逻辑 3.3.2 谓词公式
1. 连接词 ~,∨,∧,→,
2. 量词
为刻画谓词与个体间的关系,引入了两个量词:全称量词(x), 和存在量词(x)。
3. 谓词演算公式
定义3.4 谓词演算中,由单个谓词构成的不含任何连接词的公式, 叫做原子谓词公式。
人工智能教程
删除以后剩下元素所构成的集合称作与的乘积,记作 · 。
( ·) ·= · ·) (
但除了空臵换外,臵换的交换律不成立。即只有· = 。 =·
人工智能教程
第三章 确定性推理 3.3 谓词逻辑
2. 合一 合一的概念
定义3.14 设有公式集{E1,E2,…,En}和臵换θ ,使
人工智能教程
第三章 确定性推理 3.1 推理概述
3.1.3 推理的控制策略
推理过程不仅依赖于所用的推理方法,同时也依赖于 推理的控制策略。控制策略包括推理方向、搜索策略、冲 突消解策略等;而推理方法则是指在推理控制策略确定之 后,在进行具体推理时所要采取的匹配方法或不确定性传 递算法等方法。 按照对推理方向的控制,推理可分为正向推理、反向 推理、混合推理及双向推理四种情况。
人工智能教程
第三章 确定性推理 3.3 谓词逻辑 3.谓词公式的可满足性
定义3.9 对于谓词公式P,如果至少存在一个解释使得公式P在此 解释下的真值为T,则称公式P是可满足的。 按照定义3.9,对谓词公式P,如果不存在任何解释,使得P的取值 为T,则称公式P是不可满足的。所以,谓词公式P永假与不可满足 是等价的。若P永假,则也可称P是不可满足的。
- 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)。
3.2
命题逻辑
命题公式的缺点:
• 无法把所描述的客观事物的结构和逻辑特征反映出来 • 不能把不同事物的共同特征反映出来 P:“张三是李四的老师”;仅用字母P看不出张三和李四之 间的师生关系。 为了克服命题逻辑的局限性,引入了下面的谓词逻辑
16
3.3 谓词逻辑
3.3.1 谓词与个体
在谓词逻辑中,将原子命题分解为谓词与个体两部分。 个体是指可以独立存在的物体,可以是抽象的或具体的。 谓词则是用于刻画个体的性质、状态或个体间的关系的。 例如:“李白是诗人” 可表示为:poet(LiBai) poet称为谓词,用以刻画“是诗人”;LiBai称为个体
19
3.3 谓词逻辑
谓词的元数:谓词中包含的个体数目称为谓词的元数,例 如P(x)是一元谓词,P(x,y)是二元谓词,而P(x1,x2,…,xn )则 是n元谓词。 n 谓词的阶数:在谓词P(x1,x2,…,xn )中,若xi(i=1,2,…,n) 都是个体常量、变元或函数,则称它为一阶谓词。如果某 个xi本身又是一个一阶谓词,则称它为二阶谓词,依次类推。 谓词和函数的区别:谓词具有逻辑值“真”或“假”,而 函数则是某个个体到另一个个体(按数学上的概念是自变 量到因变量)之间的映射。
4
3.1 推理概述
3.1.2 推理的方法及其分类 1. 按照推理的逻辑基础分类 可分为演绎推理、归纳推理和默认推理。 (1)演绎推理 演绎推理是从已知的一般性知识出发,推理出 适合于某种个别情况的结论的过程。它是一种由 一般到个别的推理方法。
5
3.1 推理概述
(2)归纳推理 归纳推理是从大量特殊事例出发,归纳出一般性结论 的推理过程,是一种由个别到一般的推理方法。其基本思 想是:首先从已知事实中猜测出一个结论,然后对这个结 论的正确性加以证明确认,数学归纳法就是归纳推理的一 种典型例子。 归纳推理又可分为: 从特殊事例考察范围看:完全归纳推理、不完全归纳推理; 从使用的方法看:枚举归纳推理、类比归纳推理。
17
3.3 谓词逻辑
一个谓词可以与一个个体相关联,此种谓词称 作一元谓词,它刻画了个体的性质。一个谓词也可 以与多个个体相关联,此种谓词称为多元谓词,它 刻画了个体间的“关系”。
18
3.3 谓词逻辑
谓词的一般形式: P(x1,x2,…,xn ) 其中P是谓词,而x1,x2,…,xn 是个体。谓词通常用大写字母 P x 表示,个体通常用小写字母表示。 项:在谓词中,个体可以是常量,也可以是变量,还可 以是一个函数。例如,“小刘的哥哥是个工人”,可以表 示为worker(brother(Liu)),其中brother(Liu)是一个函数。 个体常数、变量和函数统称为项。 谓词的语义:由使用者根据需要人为地定义.
第三章 确定性推理
1
需要掌握的问题
应用归结原理求解下列问题: 应用归结原理求解下列问题: 任何兄弟都有同一个父亲, 任何兄弟都有同一个父亲,John和Peter 和 是兄弟, 的父亲是David,问 是兄弟,且John的父亲是 的父亲是 , Peter的父亲是谁? 的父亲是谁? 的父亲是谁
2
按照推理过程所用知识的确定性,推理可分为确定性 推理和不确定性推理。 自然演绎推理和归结推理是经典的确定性推理,它们 以数理逻辑的有关理论、方法和技术为理论基础,是机械 化的、可在计算机上加以实现的推理方法。 本章在讨论有关推理的一般概念以及命题和谓词逻辑 的基础上,介绍自然演绎推理方法和基于一阶谓词逻辑的 归结推理方法。
28
3.3 谓词逻辑
谓词逻辑中还有如下一些推理规则: (1)P规则:在推理的任何步骤上都可引入前提。 (2)T规则:推理时,如果前面步骤中有一个或多个永真蕴含公式S,则可 把S引入推理过程中。 (3)CP规则:如果能从R和前提集合中推出S来,则可从前提集合推出 R→S来。 (4)反证法:P=>Q,当且仅当P∧~Q⇔F,即Q为P的逻辑结论,当且仅 当P∧~Q 是不可满足的。 推广之,可得如下定理。 定理3.1 Q为P1,P2,…,Pn的逻辑结论,当且仅当 (P1∧P2∧…∧Pn)∧~Q是不可满足的。
3.1.3 推理的控制策略 推理过程不仅依赖于所用的推理方法,同时也依赖于 推理的控制策略。控制策略包括推理方向、搜索策略、冲 突消解策略等;而推理方法则是指在推理控制策略确定之 后,在进行具体推理时所要采取的匹配方法或不确定性传 递算法等方法。 推理方向用来确定推理的驱动方式,即是数据(证据) 驱动或是目标驱动。所谓数据驱动即指推理过程从初始证 据开始直到目标结束,而目标驱动则是指推理过程从目标 开始进行反向推理,直到出现与初始证据相吻合的结果。 按照对推理方向的控制,推理可分为正向推理、反向 推理、混合推理及双向推理四种情况。
Dn={(x1,x2,…,xn)|x1,x2,…,xn ∈D}
(3)为每个n元谓词指派一个从Dn到{F,T}的映射; 则称这些指派为公式P在D上的一个解释。
24
3.3 谓词逻辑
例3.1 设个体域D={1,2},求公式A=(∀x)(P(x)→Q(f(x),b))在 D上的某一个解释,并指出在此解释下公式A的真值。 详细的求解过程参见教材
3
3.1 推理概述
3.1.1 推理的基本概念
推理是指从已知事实出发,运用已掌握的知识,推导 出其中蕴含的事实性结论或归纳出某些新的结论的过程。 其中,推理所用的事实可分为两种情况,一种是与求解问 题有关的初始证据;另一种是推理过程中所得到的中间结 论,这些中间结论可以作为进一步推理的已知事实或证据。 人工智能系统的构成: 推理机---一些程序来完成的; 综合数据库---存放有用于推理的事实或证据; 知识库---存放有用于推理所必须的知识。
~P F F T T
14
3.2
命题逻辑
2.命题公式 定义3.3 以下面的递归形式给出命题公式的定义: • (1)原子命题是命题公式。 • (2)A是命题公式,则~A也是命题公式。 • (3)若A和B都是命题公式,则A∧B、A∨B、 A→B、A↔B •(4)只有按(1)—(3)所得的公式才是命题 公式。
25
3.3 谓词逻辑
2.谓词公式的永真性 定义3.7 如果谓词公式P,对个体域D上的任何一个解释都 取得真值T,则称P在D上是永真的;如果P在每个非空个体 域上均永真,则称P永真。 定义3.8 如果谓词公式P对于个体域D上的所有解释都取得 假值F,则称P在D上是永假的;如果P在每个非空个体域上 均永假,则称P永假。 谓词公式的永假性又称为不可满足性或不相容性。
3.3 谓词逻辑
3.3.4 谓词公式的等价性与永真蕴含 定义3.10 设P与Q是两个谓词公式,D是它们共同的个体域。若 对D上的任何一个解释,P与Q的取值都相同,则公式P和Q在域 D上是等价的。如果D是任意个体域,则称P和Q是等价的,记作 P⇔ Q。 常用的一些等价式参见教材 定义3.11 对于谓词公式P和Q,如果P→Q永真,则称P永真蕴含 Q,且称Q为P的逻辑结论,称P为Q的前提,记作P=>Q。 以后要用到的一些永真蕴含式参见教材
22
3.3 谓词逻辑
4. 量词辖域与约束变元 在一个公式中,如果有量词出现,位于量词后面 的单个谓词或者用括弧括起来的合式公式称为量词的 辖域。在辖域内与量词中同名的变元称为约束变元。
23
ቤተ መጻሕፍቲ ባይዱ
3.3 谓词逻辑
3.3.3 谓词公式的永真性和可满足性 1.谓词公式的解释 定义3.6 设D为谓词公式P的个体域,若对P中的个体常量、函数 和谓词按照如下规定赋值: (1)为每个个体常量指派D中的一个元素; (2)为每个n元函数指派一个从Dn到D的映射,其中
6
3.1 推理概述
(3)默认推理 默认推理又称缺省推理,是在知识不完全的情况下假 设某些条件已经具备所进行的推理。也就是说,在进行推 理时,如果对某些证据不能证明其不成立的情况下,先假 设它是成立的,并将它作为推理的依据进行推理,但在推 理过程中,当由于新知识的加入或由于所推出的中间结论 与已有知识发生矛盾时,就说明前面的有关证据的假设是 不正确,这时就要撤消原来的假设以及由此假设所推出的 所有结论,重新按新情况进行推理
13
3.2
命题逻辑
表3.1 命题逻辑真值表
3.2.2 命题公式
1. 连接词 P Q ~:称为“非”或“否定”。 P∨Q P∧Q P→Q P T Q T T T T T T F T F F F ∨:称为“析取”。 F T T F T F ∧:称为“合取”。 F F F F T T →:称为“条件”或者“蕴含”。 ↔:称为“双条件”。P ↔ Q表示“P当且仅当Q”。
20
3.3 谓词逻辑
3.3.2 谓词公式 1. 连接词 ~,∨,∧,→,↔ 2. 量词 为刻画谓词与个体间的关系,引入了两个量词:全称量词 (∀x),和存在量词(∃x)。 3. 谓词演算公式 定义3.4 谓词演算中,由单个谓词构成的不含任何连接词的公式, 叫做原子谓词公式。
21
3.3 谓词逻辑
由原子公式的定义出发,可定义谓词演算的合式公式如下。 定义3.5 可按下述规则得到谓词演算的合式公式: (1) 原子谓词公式是合式公式。 (2) 若A是合式公式,则~A也是合式公式。 (3)若A和B都是合式公式,则A∧B、A∨B、A→B、A↔B也都 是合式公式。 (4)若A是合式公式,x是任一个体变元,则(∀x)A和(∃x)A也都 是合式公式。 (5)只有按(1)—(4)所得的公式才是合式公式。
10
3.1 推理概述
3.1.4 推理的冲突消解策略 推理过程中的冲突消解策略,就是确定如何从 多条匹配规则中选出一条规则作为启用规则,将 它用于当前的推理。 目前已有的多种冲突消解策略的基本思想都是 对匹配的知识或规则进行排序,以决定匹配规则 的优先级别,优先级高的规则将作为启用规则。 常用排序方法有如下几种:
29
3.3 谓词逻辑
3.3.5 置换与合一 1. 置换 置换的定义 定义3.12 置换是形如{t1/x1,t2/x2,…,tn/xn}的一个有限集。其 中xi是变量,ti是不同于xi的项(常量,变量,函数),且xi ≠xj(I≠j),i,j=1,2,…,n 。