人工智能—产生式推理

时间:2024-03-23 10:52:10

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)

人工智能—产生式推理

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前向链推理

算法过程

  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;否则转到(5)。
  4. 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)
  5. 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。

人工智能—产生式推理

例如:假设有以下两条规则

  • r1r_1:如果动物有羽毛,那么动物是鸟
  • r2r_2: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。

  1. 把“动物有羽毛,动物善飞”放入综合数据库
  2. 检查综合数据库中是否包含问题的解,结果为否。
  3. 检查知识库中的可用知识,形成可用知识集,集合中仅包含r2r_2
  4. 从当前知识库选出r2r_2进行推理,将结果“动物是鸟” 放入综合数据库。
  5. 检查综合数据库中是否包含问题的解,结果为否。
  6. 检查知识库中的可用知识,形成可用知识集,集合中仅包含r1r_1
  7. 从当前知识库选出r1r_1进行推理,将结果“动物是信天翁” 放入综合数据库。
  8. 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

  1. 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假设集
  2. 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。
  3. 检查该假设是否可由知识库某个知识导出。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。
  4. 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
  5. 检查可用知识集是否为空,若是则退出,否则执行下一步
  6. 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
  7. 将该知识的前提中的每个子条件作为新的假设放入假设集,转(2)

人工智能—产生式推理

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:

  1. 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
  2. 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。
  3. 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r2r_2导出,于是r2r_2被放入可用规则集。
  4. 从可用规则集中取出r2r_2并将其前提条件`“动物是鸟”和“动物善飞”放入假设集。
  5. 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。
  6. 再检查“动物是鸟”能否被知识库中的知识所导出,发现可由r1r_1导出,于是r1r_1被放入可用知识库。
  7. 从可用知识库中取出r1r_1,将其前提条件“动物有羽毛”放入假设集。
  8. 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。

相关文章