人工智能第二章2015

21
11/19/2015
例：八数码难题 回溯式
四条规则使用顺序：左、上、右、下（可加入启发式信息，如使用爬山函数 安排规则的顺序） 深度：6 控制策略：回溯式 回溯条件： ⑴ 产生了一个上溯到初始状态的路径上出现过的状态时（产生了祖先节点）。 ⑵ 无可用的规则。 ⑶ 达深度未得解。
2 8 3 1 6 4
三、产生式系统的基本过程
步骤4是不确定的，只要求选出一条可用的规则 R，至于这条规则如何选取，却没有具体说明。 选取规则所依据的原则称为控制策略。 多数人工智能系统控制策略的信息并不足以在 第4步选出最合用的规则，因此，控制策略便成了一 个搜索过程。 高效的系统需要被求解问题足够的知识，以便在 步骤4选出一条最合用的规则。第三章，第四章
3. 双向产生式系统：正向产生式系统和反向产生式系统结合.
综合数据库：既有初始状态描述，又有目标状态描述。
产生式规则集：既有F规则，又有B规则。
正向产生式规则用在初始方向的状态描述上，反向产生式规则用在目标描述上。
控制系统:判断选F规则还是B规则；
判断已经产生的状态和目标是否能以某种方式匹配，
从而满足结束条件。 结束条件：中间汇合时的状态。
适用条件：初始节点数与目标节点数都很多。
29
特点：效率高；复杂。 11/19/2015
2.3 特殊的产生式系统 一、可交换产生式系统 在某些产生式系统中。规则应用的次序对产 生的状态无影响，即从初始状态到目标状态不依 赖规则次序，因此可应用不可撤回式控制策略， 从而提高了产生式系统的效率，这类产生式系统 就是可交换的产生式系统。 例：基于归结方法的产生式系统
4
11/19/2015
一、产生式系统的定义
产生式规则形式： IF前提条件 THEN操作 当规则的前提条件被某一状态描述满足时， 就对该状态施行规则所指出的操作。
5
11/19/2015
一、产生式系统的定义
控制系统：
（1）选择规则： 对同一个状态的多个可用规则排序。 （2）检验状态描述是否满足终止条件。 如果满足终止条件，则终止产生式系统的运行， 并用使用过的规则序列构造出问题的解。
（7）
8 3 4 2 6 1 7 5
（6）
8 6 3 2 4 1 7 5
（3）
2 8 3 6 4 1 7 5
（7）
8 3 2 6 4 1 7 5
（7）
8 6 3 2 4 1 7 5
（4）
8 3 2 6 4 1 7 5
（5）
8 3 2 6 4 1 7 5 8 3 2 6 4 1 7 5
23
（6）
11/19/2015
2 8 3 1 6 4 7 5
1 2 3 8 4
7 6 5
八数码难题的初始状态与目标状态
26
11/19/2015
四、产生式系统的工作方式
1.正向产生式系统（数据驱动控制） ： 综合数据库：用状态描述 产生式规则：F规则--状态产生新状态
从初始状态出发，不断地应用F规则，直到产生 目标状态为止。
适用条件：初始节点数≤目标节点数
13
一、不可撤回的控制策略
爬山函数：定义在整个综合数据库上的实数值函数， 目标状态有最大的函数值。 目 标：爬到山顶。 控制策略：应用爬山函数选一规则，使得所选下一状态的 爬山函数值不减少且最大（有两个相同的最大值时任选一 个；若无这样的规则，则终止爬山过程）。
14
11/19/2015
例：八数码难题，不可撤回式控制
31
11/19/2015
(b)设D满足目标条件，D的可用规则集为RD，任 取 r∈ RD ，用r作用到D产生状态D’ ，D’满足 目标条件。（如果D满足目标条件，则对D应 用任何一条可应用的规则所产生的状态描述也 满足目标条件） （可满足性）。
32
11/19/2015
33
（c）设D的可用规则集为RD，任取 r1, r2, …, rn ∈RD，依据（a）将r1, r2, …, rn依次作用到D 及产生的状态上，得状态Dn；设r1’, r2’, …, rn’ 是 r1, r2, …, rn的任意一个排列，用r1’, r2’, …, rn’依次作用到D及产生的状态上，得状态Dn’， 则Dn’= Dn （对D应用一个由可应用于D的规则 所构成的规则序列所产生的状态描述不因序列 的次序不同而改变）(无次序性）。
11/19/2015
11
2.2 控制策略
产生式系统的控制策略分为两类：

不可撤回的控制策略

试探性控制策略：回溯方式和图搜索方式
12
11/19/2015
一、不可撤回的控制策略（瞎子爬山法）
基本思想 采用不可撤回控制方式的解题过程类似于盲 人爬山过程，是利用关于每一个状态的局部知识 构造全局性解的过程。在盲人爬山过程中，无论 爬到哪一点，他总沿着坡度最陡的方向向上爬， 这是局部性的知识，尽管他事先对爬山路线并不 了解，但只要按照这个原则向上爬，就一定能爬 到某一山顶，于是确定了一条从山脚到山顶的爬 山路线，也可以说构造出一个具有某种意义下全 11/19/2015 局性的解。
设爬山函数CF(S) ：不在目标位的数码个数的 负值。
初始状态S0
2 8 1 6 7 3 4 5 1 2 3 8 4
目标状态Sg
7 6 5
CF(S0)＝ - 4 CF(Sg)＝ 0
状态描述S：3阶方阵 4条产生式规则使用顺序：空格左、上、右、下移。
15
11/19/2015
例：八数码难题，不可撤回式控制 控制策略：处于任一状态S，系统根据爬 山函数选择一条规则使得这条规则作用 于 S 时，获得的下一状态爬山函数不减 少且最大（亦即距离目标状态最少）。
10
11/19/2015
产生式系统的特点
一、模块性强。综合数据库、规则集和控制系统相 对独立，程序的修改更加容易。 二、各产生式规则相互独立，不能互相调用，增加 一些或删去一些产生式规则都十分方便。 三、产生式规则的形式与人们推理所用的逻辑形式 十分接近，人们具有的知识转换成产生式规则 很容易，产生式规则也容易被人们读懂。 DENDRAL和MYCIN都采用了产生式系统的结构。
6
11/19/2015
二、产生式系统的例
八数码难题 由8个标有1－8的棋子和一个3×3的棋盘 组成。把8个棋子放在棋盘里，形成一个初始状态，然 后移动棋子，想办法达到规定的目标状态。在移动棋 子时，只能把棋子移进相邻的空格中。 2 8 3 1 2 3
1 6 4
7 5
8 4 7 6 5
图2.1 八数码难题的初始状态与目标状态
回溯方式是一种试探性的控制策略。（类似深度优先） 基本思想 控制系统先选用一条规则，如果发现这条规则的选 用不能导致产生解，则系统“忘掉”选用规则所涉 及的步骤和产生的状态，然后选用另外一条规则， 重新进行试探。
20
11/19/2015
回溯方法特点
1.只存储初始节点到当前节点的路径，占用空间较小。 2. 总的时间复杂性无法定论: 最好情况复杂性很低：当控制系统掌握较多的有关解的 知识时，则回溯次数大为减少，效率高。 最坏情况复杂性很高：当控制系统一点也没掌握有关解 的知识时，则规则选取是任意的，回溯次数高，效率低。 为了避免进入无限的境地，设置回溯深度限制强行回溯， 问题：太深：效率低；太浅：可能找不到解。 3. 当深度限制可变时，通常能找到解，是实际用得多、应 用最广的一种搜索策略。
7
11/19/2015
八数码难题的产生式系统表示
综合数据库：以状态为节点的有向图。 状态描述： 3×3矩阵 产生式规则： IF<空格不在最左边>Then<左移空格>； IF<空格不在最上边>Then <上移空格> ； IF<空格不在最右边>Then <右移空格> ； IF<空格不在最下边>Then <下移空格> 。 控制系统： 选择规则:按左、上、右、下的顺序移动空格。 终止条件：匹配成功。 11/19/2015
11/19/2015
24
图搜索控制策略的特点
1.不再选择规则，而是使用所有可用的规则，下 一步选择节点来扩展。 2.存储所有产生的节点，占用空间大。 3.有解一定能找到（相当于穷举）。 4.平均时间复杂性高，系统效率低。
25
11/19/2015
例：八数码难题 图搜索式
书中图：按照深度小的排在前面、优先选择左节点。
三、图搜索控制策略

基本思想：从初始状态开始，使用全部可用规则序列。对 所有的下一步状态每一个再用全部可用的规则，直到目标 状态为止。（类似广度优先搜索策略） 搜索树：记录规则的应用和所产生的状态的树结构。 树根：初始状态 有向弧：规则的使用 除根以外的其它各节点：规则应用的结果 图搜索控制方式不断地扩展搜索树，直到它包括了满足终 止条件的节点为止。
1
11/19/2015
常用的知识表示方法

非结构化方法
– –
逻辑表示法 产生式系统
框架 语义网络
QA3,STRIPS,DART,MOMO DENDRAL，MYCIN

结构化方法
– –
2
过程式知识表示法
11/19/2015
第二章 产生式系统
2.1 产生式系统概述 一、产生式系统的定义 产生式系统是人工智能系统中常用的一种程序 结构，是一种知识表示系统。 通常由以下三部分组成： 综合数据库 产生式规则集 控制系统
知识表示



知识是一切智能行为的基础，也是软件智能化的重要 研究对象。要使软件具有智能，就必须使它具有知识， 而要使软件具有知识，首先必须解决知识的表示问题。 所谓知识表示实际上就是对知识的一种描述，即用一 些约定的符号把知识编码成一组计算机可以接受的数 据结构。所谓知识表示过程就是把知识编码成某种数 据结构的过程。 一般来说，同一知识可以有多种不同的表示形式，而 不同表示形式所产生的效果又可能不一样。