【人工智能课件】产生式系统.pptVIP

产生式系统的组成 动态数据库。又称综合数据库。存放初始事实、数据、目标条件、中间结果和最后结果。 产生式系统的运行过程 把该规则的结论放入当前动态数据库，或执行规则所规定的动作 产生式系统的正向推理 步5 将待用规则集中各规则的结论加入动态数据库，或者执行其动作，转步2。 例1 设动物分类的规则库为： R1： 若某动物有奶，则它是哺乳动物。 R2：若某动物有毛发，则它是哺乳动物。 R3：若某动物有羽毛，则它是鸟。 R4：若某动物会飞且生蛋，则它是鸟。 R5：若某动物是哺乳动物且有爪且有犬齿且目盯前方，则它是食肉动物。 R6：若某动物是哺乳动物且吃肉，则它是食肉动物。 R7：若某动物是哺乳动物且有蹄，则它是有蹄动物。 R8：若某动物是有蹄动物且反刍食物，则它是偶蹄动物。 产生式系统的正向推理 R9：若某动物是食肉动物且黄褐色且有黑色条纹，则它是老虎。 R10：若某动物是食肉动物且黄褐色且有黑色斑点，则它是金钱豹。 R11：若某动物是有蹄动物且长腿且长脖子且黄褐色且有暗斑点，则它是长颈鹿。 R12：若某动物是有蹄动物且白色且有黑色条纹，则它是斑马。 R13：若某动物是鸟且不会飞且长腿且长脖子且黑白色，则它是鸵鸟。 R14：若某动物是鸟且不会飞且会游泳且黑白色，则它是企鹅。 R15：若某动物是鸟且善飞且不怕风浪，则它是海燕。 动物分类产生式系统 再给出初始事实： F1：某动物有毛发 F2：吃肉 F3：黄褐色 F4：有黑色条纹 目标条件为：该动物是什么？ 动物分类产生式系统 动物分类正向推理树 产生式系统的反向推理 反向推理：从目标出发，反向使用规则进行推理，朝初始事实或数据方向前进。 步1 初始化动态数据库，将初始事实、数据置入动态数据库。将目标条件置入目标链。 步2 若目标链为空，则推理成功，结束。 步3 取出目标链中第一个目标，用动态数据库中的事实、数据同其匹配，若匹配成功，转步2。 步4 用规则库中各规则的结论同该目标匹配，若匹配成功，则将第一个匹配成功且未用过的规则的前提作为新的目标，并取代原来的父目标而加入目标链，转步3。 产生式系统的反向推理 步5 若该目标是初始目标，则推理失败，退出。 步6 将该目标的父目标移回目标链，取代该目标及其兄弟目标，转步3。 例2 对于例1中的产生式系统，反向推理树如下图： 动物分类产生式系统反向推理 动物分类反向推理树 产生式系统 冲突消解策略 正向推理算法二：带冲突消解策略。 步1 初始化动态数据库，将初始事实、数据置入动态数据库中。 步2 用动态数据库中的事实、数据匹配目标条件，若目标条件满足，则推理成功，结束。 步3 用规则库中各规则的前提匹配动态数据库中的事实/数据，将匹配成功的规则组成待用规则集。 步4 若待用规则集为空，则运行失败，退出。 步5 用某种策略，从待用规则集中选取一条规则，将其结论加入动态数据库，或者执行其动作，撤消待用规则集，转步2。 产生式系统的程序实现 产生式规则的程序语言实现 规则的前提部分可表示为 条件1 AND 条件2 AND …AND条件n 或 条件1 OR 条件2 OR …OR条件n 规则的结论部分可表示为 断言1/动作1 and 断言2/动作2 and …and断言n/动作n 或 断言1/动作1 or 断言2/动作2 or …or断言n/动作n 产生式系统的程序实现 一般只考虑含有至多一个结论部分的产生式规则 （类似于Horn 子句逻辑） 条件1 AND 条件2 AND …AND条件n?断言/动作 产生式规则的具体表示方法可以使用If-Then规则，也可以使用多元组的形式表示，如二元组（前件，后件）可表示一个产生式规则。 无论使用何种表示方式，必须与规则的解释程序（即推理机）相容。 在Prolog中表示产生式规则，至少有两种形式：1、用Prolog的规则表示产生式规则；2、 用Prolog的事实表示产生式规则。 产生式系统的程序实现 若用Prolog的规则表示产生式规则，则使用Prolog内部的推理机，无须自己编写推理机。若用Prolog的事实表示产生式规则，则须自己编写显式的推理机程序。 例 动物分类系统中的产生式规则可用Prolog语言中的规则表示为： animal_is(“老虎”):-it_is(“食肉动物”),fact(“黄褐色”)，fact(“有黑色条纹”). it_is(“食肉动物”):-it_is1(“哺乳动物”),fact(“有爪”),fact(“有犬齿”),fact(“目盯前方”). 产生式系统的程序实现 it_is(“食肉动物”):-it_is1(“哺乳动物”),fact(“吃肉”). it_is1(“哺乳动物”):-fa