第三章 确定性推理方法
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。
人工智能教程习题及答案第3章习题参考解答
第三章确定性推理方法习题参考解答3.1 练习题3.1 什么是命题？请写出3个真值为T 及真值为F 的命题。
3.2 什么是谓词？什么是谓词个体及个体域？函数与谓词的区别是什么？3.3 谓词逻辑和命题逻辑的关系如何？有何异同？3.4 什么是谓词的项？什么是谓词的阶？请写出谓词的一般形式。
3.5 什么是谓词公式？什么是谓词公式的解释？设D= {1,2} ，试给出谓词公式（ x）（ y）（P（x,y） Q（x,y））的所有解释，并且对每一种解释指出该谓词公式的真值。
3.6对下列谓词公式分别指出哪些是约束变元？哪些是自由变元？并指出各量词的辖域。
（1）( x)(P(x, y) ( y)(Q(x, y) R(x, y)))（2）( z)( y)(P(z, y) Q(z, x)) R(u, v)（3）( x)(~ P( x, f (x )) ( z)(Q(x,z) ~ R(x,z)))（4）( z)(( y)(( t)(P(z, t) Q(y, t)) R(z, y))（5）( z)( y)(P(z, y) ( z)(( y)(P(z, y) Q(z, y) ( z)Q(z, y))))什么是谓词公式的永真性、永假性、可满足性、等价性及永真蕴含？3.7什么是置换？什么是合一？什么是最一般的合一？3.8判断以下公式对是否可合一；若可合一，则求出最一般的合一：3.9（1）P(a,b) ，P(x, y)（2）P(f(z),b) ，P(y, x)（3）P(f(x), y) ，P(y, f(a))（4）P(f(y), y,x) ，P(x, f(a), f(b))（5）P(x, y) ，P(y, x)什么是范式？请写出前束型范式与SKOLEM 范式的形式。
3.10什么是子句？什么是子句集？请写出求谓词公式子句集的步骤。
3.113.12谓词公式与它的子句集等值吗？在什么情况下它们才会等价？3.13 把下列谓词公式分别化为相应的子句集：(1)( z)( y)(P(z, y) Q(z, y))(2)( x)( y)(P(x, y) Q(x, y))(3)( x)( y)(P(x, y) (Q(x, y) R(x, y)))(4)( x)( y)( z)(P(x, y) Q(x, y) R(x, 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)))3.14 判断下列子句集中哪些是不可满足的：(1)S {~ P Q,~ Q,P,~ P}(2)S {P Q,~ P Q,P ~ Q,~ P ~ Q}(3)S {P(y) Q(y), ~ P(f(x)) R(a)}(4)S {~ P(x) Q(x), ~ P(y) R(y), P(a),S(a),~ S(z) ~ R(z)}(5)S {~ P(x) ~ Q(y) ~ L(x, y), P(a), ~ R(z) L(a, z), R(b), Q(b)}(6)S {~ P(x) Q(f(x), a), ~ P(h(y)) Q(f(h(y)), a) ~ P(z)}(7)S {P(x) Q(x) R(x),~ P(y) R(y),~Q(a),~ R(b)}(8)S {P(x) Q(x),~ Q(y) R(y), ~ P(z) Q(z),~ R(u)}3.15 为什么要引入Herbrand 理论？什么是H 域？如何求子句集的H 域？3.16 什么是原子集？如何求子句集的原子集？3.17 什么是H 域解释？如何用域D 上的一个解释I 构造H 域上的解释I *呢？3.18 假设子句集S＝{P(z) ∨Q(z),R(f(t))} ，S 中不出现个体常量符号。
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。
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
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
人工智能课程目录[精品]
![人工智能课程目录[精品]](https://img.taocdn.com/s3/m/83d3edf29a89680203d8ce2f0066f5335a81670e.png)
◇第一章人工智能概述- 课前索引- 1.1 人工智能的定义- 1.2 人工智能的发展史- 1.3 人工智能成功的实例- 1.4 人工智能的研究内容- 1.5 人工智能研究的特点- 1.6 人工智能相关文献及网站介绍- 章节小结- 课后思考题◇第二章归结推理方法- 课前索引- 2.1 归结原理概述- 2.2 命题逻辑的归结- 2.3 谓词逻辑归结法基础- 2.4 归结原理- 2.5 归结过程控制策略- 2.6 Herbrand定理- 章节小结- 课后思考题- 课后习题◇第三章不确定性推理方法- 课前索引- 3.1 概述- 3.2 确定性方法- 3.3 主观Bayes方法- 3.4 证据理论（D-S Theory）- 3.5 贝叶斯网络- 章节小结- 课后思考题- 课后习题◇第四章知识表示- 课前索引- 4.1 概述- 4.2 表示观- 4.3 逻辑表示法- 4.4 产生式表示法- 4.5 语义网络表示法- 4.6 框架表示法- 4.7 面向对象的表示法- 4.8 直接型知识表示方法- 4.9 混合型知识表示方法- 章节小结- 课后思考题- 课后习题◇第五章机器学习- 课前索引- 5.1 概述- 5.2 机器学习的分类与基本系统结构- 5.3 符号学习方法- 5.4 实例学习方法- 章节小结- 课后思考题- 课后习题◇第六章神经网络- 课前索引- 6.1 概述- 6.2 前馈型人工神经网络- 6.3 反馈神经网络- 6.4 自组织竞争人工神经网络- 6.5 神经网络在模式识别中的应用- 章节小结- 课后思考题◇第七章自然语言处理- 课前索引- 7.1 概述- 7.2 句法分析- 7.3 词性标注- 章节小结- 课后思考题- 课后习题◇第八章智能体- 课前索引- 8.1 智能体概述- 8.2 多智能体- 8.3 智能体之间的通讯- 8.4 智能体体系结构- 章节小结- 课后思考题。
判断推理系统课讲义(逻辑判断-5-组合排列)
判断推理系统课讲义第三章逻辑判断第五节组合排列一. 题目特征题目给出一组对象（如赵、钱、孙、李），并给出对象所具有的若干信息（如年龄、性别、职业、身高、专业等），需要对各类信息进行匹配。
例：某单位有五名业务骨干小张、小王、小赵、小丁、小李参加了一次技能测验，他们的测验成绩呈现为：小赵没有小李高，小张没有小王高，小丁不比小李低，而小王不如小赵高。
请问，小张、小王、小赵、小丁、小李测验成绩谁最高?A.小丁B.小王C.小赵D.小张（法一：张＜王＜赵＜李≤丁；法二：排除法）二. 解题思路1.信息匹配关系：确定信息（……是……）和不确定信息（……不是……）一一匹配（对应）两者都不匹配（排除）（1）赵、钱、孙三个村子从南到北一字排开，赵村不在2 号位，钱村在3 号位请判断“孙村不在1 号位”的正误：正确（根据确定信息推不确定信息：赵1、孙2、钱3）（2）A、B、C、D、E 五人的性别为3 男2 女，A 与B 性别相同，C 与D 性别不同可知一定为女性的是：E（根据整体信息分析：A和B为男性→C、D一男一女→E为女性）（3）甲、乙、丙、丁的故乡恰好对应着中国的四个一线城市，且各不重复已知：甲或者是北京人，或者是广州人，二者必居其一北京是北方城市，深圳是南方城市如果乙不是上海人，那么甲是深圳人丁或者是广州人，或者是上海人请问丙是哪里人？2.涉及大小比较，最值信息是突破口大罗、小罗、C 罗三人分别从事的职业有医生、律师、公务员，律师年纪最大，C 罗比律师小，公务员比小罗大。
请问三人分别对应的职业为:大罗是律师，C罗是公务员，小罗是医生3.重复次数最多的信息是突破口（言多必失）（1）甲或者是北京人，或者是广州人，二者必居其一；北京是北方城市，深圳是南方城市如果乙不是上海人，那么甲是深圳人（甲非深圳人→乙是上海人）丁或者是广州人，或者是上海人人员：甲出现 2 次；乙只出现 1 次；丁只出现 1 次故乡：北上广深均出现 2 次（结果：甲是北京人，乙是上海人，丁是广州人）（2）律师年纪最大，C 罗比律师小，公务员比小罗大。
- 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)。
3.1.3 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。 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或 提高其可信度； （2）先逆向后正向：先假设一个目标进行逆向推理，然后再利 用逆向推理中得到的信息进行论）
3.1.2 推理方式及其分类
1.演绎推理、归纳推理、默认推理（按推出结论的途径）
（2）归纳推理 (inductive reasoning): 个别 → 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）
完全归纳推理
检查全部产品合格
不完全归纳推理
该厂产品合格
检查全部样品合格
3.1.3 推理的方向
2. 逆向推理
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？
……..
逆向推理：目的性强，利于向用户提供解释，但选择初始 目标时具有盲目性，比正向推理复杂。
（3）归结反演
第3章 确定性推理方法
3.1
推理的基本概念
3.2 自然演绎推理
3.3 谓词公式化为子句集的方法 3.4 海伯伦定理 3.5 鲁宾逊归结原理 3.6 归结反演 3.7 应用归结反演求解问题
归 结 演
绎
推 理
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
3.1.2 推理方式及其分类
3. 单调推理、非单调推理（按靠近结论的方式）
（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：由于新知识的加入，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 默认推理是非单调推理 面的某一步，重新开始。
X：鸟
基于经典逻辑的演绎推理
→
X：会飞 ：不会飞 X
X：不会飞
X：企鹅
3.1.2 推理方式及其分类
4．启发式推理、非启发式推理（是否运用启发式知识）
启发性知识：与问题有关且能加快推理过程、提高搜索效率
的知识。
目标：在脑膜炎、肺炎、流感中选择一个
产生式规则
r1：脑膜炎 r2：肺 炎 r3：流 感 启发式知识：“脑膜炎危险”、“目前正在盛行流感”。
3.2 自然演绎推理
自然演绎推理：从一组已知为真的事实出发，运用经典 逻辑的推理规则推出结论的过程。
定义1 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都有相同的真值，则称公式P和Q 在 D上是等价的。如果 D是任意个体域，则称 P和 Q是等价的， 记为P Q 。常用的等价式见P32 （4）德.摩根律(De. Morgen) （8）连接词化规律（蕴含、等价等值式） （10）量词转换律 27
3.1.3 推理的方向
3.1.4 冲突消解策略
3.1.2 推理方式及其分类
1.演绎推理、归纳推理、默认推理
（1）演绎推理 (deductive reasoning) :
三段论式（三段论法） ① 足球运动员的身体都是强壮的 ； （ 大前提 ） 一般
→
个别
② 高波是一名足球运动员；
③ 所以，高波的身体是强壮的。
2. T规则：在推理过程中，如果前面步骤中有一个或多个
公式永真蕴含公式S，则可把S引入推理过程中。
3. CP规则：如果能从任意引入的命题R和前提集合中推出S
来，则可从前提集合推出R → S来。
29
3.2 自然演绎推理
所有的人都是会死的，
因为诸葛亮是人，
所以诸葛亮是会死的。
x( Human ( x) Die( x))
求证：小王喜欢 ds 这门课程。
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 )
3.1.3 推理的方向
4. 双向推理 双向推理：正向推理与逆向推理同时进行，且在推理过程中 的某一步骤上“碰头”的一种推理。
中间结论
已知事实
正向推理 反向推理
假设目标
证
据
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
3.1.4 冲突消解策略
第 3 章 确定性推理方法
知识 知识 推理
智能？ 智能！
5个房间的问题（给福尔摩斯出的问题）
5个不同颜色的房间，每间有个不同国籍的人，每人有自己喜欢的饮 料，香烟和宠物，已知信息：
1.英国人住在红房间里； 2.西班牙人有一条狗； 3.挪威人住在左边第一个房间里； 4.黄房间的人在抽库尔斯牌香烟； 5.抽切斯菲尔德牌香烟的人是养了一只狐狸的人的邻居； 6.挪威人住在蓝房间隔壁； 7.抽温斯顿牌香烟的人有一只蜗牛； 8.抽幸运牌香烟的人喝橘子汁； 9.乌克兰人喝茶； 10.日本人抽国会牌香烟； 11.抽库尔斯牌香烟的人的房间在有匹马的房间隔壁； 12.绿房间的人喝咖啡； 13.中间房间的人喝牛奶 14.绿房间的人在白房间的隔壁 问题： 哪个房间的人喝水？斑马在哪个房间？
Q
“如果x是金属，则x能导电” , “铜是金属” 推出 “铜能导 电”
拒取式推理： P→Q,
﹁Q
﹁P
“如果下雨，则地下就湿” , “地上不湿” 推出 “没有下雨”
3.2 自然演绎推理
错误1——否定前件： P→Q, ﹁P
（2）没有下雨（﹁P ）； （3）所以，地上不湿（﹁Q ）。
﹁Q
该厂产品合格
3.1.2 推理方式及其分类
1.演绎推理、归纳推理、默认推理
（3）默认推理（default reasoning，缺省推理）
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。 A 成立
结论 B 成立？ （在不能证明B不成立的情况下，默认B成立） 鸟笼要 鸟会飞？ 有盖子 （正常情况下默认鸟会飞成立）
8.抽幸运牌香烟的人喝橘子汁 9.乌克兰人喝茶
机器证明
用Prolog语言编的程序，一秒钟都不到就知道了答 案,不过它的推理过程和人的完全不一样；
Prolog：Programm Logic (逻辑程序设计语言) 推理方法：确定性推理：（演绎推理） （1）谓词公式化为子句集
（2）鲁宾逊归结原理（消解原理）
3.2 自然演绎推理
定义2 对于谓词公式P与Q，如果P→Q永真，则称公式P永真 蕴含Q，且称Q为P的逻辑结论，称P为Q的前提，记为P Q。 常用的永真蕴含式见P33 （3）假言推理 （4）拒取式推理 （5）假言三段论
28
3.2 自然演绎推理
谓词逻辑的其他推理规则
1. P规则：在推理的任何步骤上都可引入前提。
LIKE ( Wang, ds )
3.1.3 推理的方向
3.1.4 冲突消解策略
3.1.1 推理的定义
推理：
已知事实 （证据） 知 识
医疗专家系统 知识 初始 证据
推理机 病人
某种策略
结论
数据库
知识库
专家
专家的经验、医学常识
病人的症状、化验结果
中间结论
证据
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
1. 正向推理
实现正向推理需要解决的问题：
确定匹配（知识与已知事实）的方法。 按什么策略搜索知识库。 冲突消解策略。
正向推理简单，易实现，但目的性不强，效率低。
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。 主要缺点：起始目标的选择有盲目性。
基本思想 （1）从初始已知事实出发，在知识库KB中找出当前可适用的 知识，构成可适用知识集KS。 （2）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，再在KB中选取可适用知识构成KS 。 （ 3 ）重复（ 2 ），直到求得问题的解或 KB 中再无可适用的知 识。
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
3.1.3 推理的方向
正 向 推 理
推 理 方 向
逆 向 推 理 (反 向 推 理 )
混 合 推 理
双 向 推 理
3.1.3 推理的方向
1. 正向推理
正向推理（事实驱动推理）: 已知事实 → 结论
制造鸟笼
3.1.2 推理方式及其分类
2. 确定性推理、不确定性推理（按知识的确定性）
（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：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。