产生式推理,即利用产生式知识表示法所进行的推理,而由此产生的系统称为产生式系统。
基本结构
产生式的基本结构包括:
- 控制系统(control system)
- 规则库(rule base)
- 综合数据库(data base)
综合数据库
也被称为事实库,主要用来存放与求解问题有关的各种当前信息的数据结构。例如,问题的初始状态、输入的事实、推理得到的中间结论以及最终结论。
规则库
规则库(rule base)是一个用来存放与求解问题有关的所有规则的集合,也称为知识库(knowledge base)。它包含了将问题从初始状态转换成目标状态所需要的所有变换规则,所以规则库是产生式系统进行问题求解的基础。
控制系统
控制系统(control system),也称为推理机,用来控制整个产生式系统的运行,决定问题求解过程的推理线路。
推理方式
正向推理
一种从已知事实出发、正向使用推理规则的推理方式,也称为数据驱动推理或前向链推理。
算法过程
- 把用户提供的初始证据放入综合数据库。
- 检查综合数据库中是否包含问题的解,若已包含,则求解结束,并成功推出,否则执行下一步。
- 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;否则转到(5)。
- 按照某种冲突消解策略,从当前可用知识集中选出一条知识进行推理,并将推出的新事实加入到综合数据库中,然后转到(2)。
- 询问用户是否可以进一步补充新的事实,若可补充,则将新事实加入综合数据库中,然后转(3);否则表示无解,失败退出。
例如:假设有以下两条规则
- :如果动物有羽毛,那么动物是鸟
- :如果动物是鸟且动物善飞,那么动物是信天翁。
假设已知事实“动物有羽毛,动物善飞”。
要求采用正向推理,求满足以上事实的动物是何种动物。
- 把“动物有羽毛,动物善飞”放入综合数据库
- 检查综合数据库中是否包含问题的解,结果为否。
- 检查知识库中的可用知识,形成可用知识集,集合中仅包含。
- 从当前知识库选出进行推理,将结果“动物是鸟” 放入综合数据库。
- 检查综合数据库中是否包含问题的解,结果为否。
- 检查知识库中的可用知识,形成可用知识集,集合中仅包含。
- 从当前知识库选出进行推理,将结果“动物是信天翁” 放入综合数据库。
- 检查综合数据库中是否包含问题的解,结果为真。
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。
缺点
推理无明确的目标或求解问题时会执行许多与解无关的操作,导致效率较低。
逆向推理
逆向推理,即以某个假设目标作为出发点的推理方法,也称为目标驱动推理,或逆向链推理。(从结论推条件是否满足初始条件)
算法过程
- 将问题的初始证据和要求证的目标(假设)分别放入综合数据库和假设集。
- 从假设集中选出一个假设,检查该假设是否在综合数据库中。若在,则该假设成立。此时,若假设集为空,则成功退出,否则仍执行(2)。若假设不在综合数据库中,则执行下一步。
- 检查该假设是否可由知识库的某个知识导出。若不能由某个知识导出,则询问用户该假设是否为可有用户正是的原始事实。若是,则该假设成立,并将其放入综合数据库,若不是,则转(5)。若能由某个知识导出,则执行下一步。
- 将知识库中可以导出该假设的所有知识构成一个可用知识集。
- 检查可用知识集是否为空,若是则退出,否则执行下一步
- 按冲突消解策略从可用知识库中取出一个知识,执行下一步
- 将该知识的前提中的每个子条件都作为新的假设放入假设集,转(2)
例如在正向推理中的那个例子,如果使用逆向推理,过程如下:
- 将初始证据“动物有羽毛”和“动物善飞”放入综合数据库,把“动物是信天翁”放入假设集
- 从假设集中取出假设“动物是信天翁”,判断该假设是否为综合数据库的已知事实,结果为否。
- 再检查“动物是信天翁”能否被知识库中的知识所导出,发现可由导出,于是被放入可用规则集。
- 从可用规则集中取出并将其前提条件`“动物是鸟”和“动物善飞”放入假设集。
- 在假设集取出一个假设“动物是鸟”,检查该假设是否为综合数据库中的事实,结果为否。
- 再检查“动物是鸟”能否被知识库中的知识所导出,发现可由导出,于是被放入可用知识库。
- 从可用知识库中取出,将其前提条件“动物有羽毛”放入假设集。
- 此时假设集中的假设已全部被综合数据库中的已知事实所满足。
优点
不必寻找和使用那些与假设目标无关的信息和知识,推理过程的目标明确,也有利于向用户提供解释。
缺点
当用户对解的情况认识不清时,由系统自主选择目标的盲目性比较大,若选择不好,可能需要多次提出假设,会影响系统效率。