第二章 产生式系统
产生式系统
产生式系统产生式系统（production system）由波斯特（Post）于1943年提出的产生式规则（production rule）而得名。
人们用这种规则对符号进行置换运算。
1965年美国的纽厄尔和西蒙利用这个原理建立了一个人类的认知模型。
同年，斯坦福大学利用产生式系统结构设计出第一个专家系统DENDRAL。
产生式系统用来描述若干个不同的以一个基本概念为基础的系统。
这个基本概念就是产生式规则或产生式条件和操作对的概念。
在产生式系统中，论域的知识分为两部分：用事实表示静态知识，如事物、事件和它们之间的关系；用产生式规则表示推理过程和行为。
由于这类系统的知识库主要用于存储规则，因此有吧这类系统称为基于规则的系统（rule-based system）。
1、产生式系统的基本要素1.1产生式系统的组成产生式系统由三部分组成，即总数据库（Global Database），产生式规则库（Set of Product Rules）和控制策略（Control Strategies），各部分之间的关系如图1所示。
图1.产生式系统的主要组成1.1.1总数据库（Global Database）总数据库又称综合数据库、上下文、黑板等，用于存放求解过程中各种当前信息的数据结构，如问题的初始状态、事实或证据、中间推理结论和最后结果等，其中的数据是产生式规矩的处理对象。
数据库中的数据根据应用的问题不同，可以使常量、变量、谓词、表结构、图像等等。
例如，关于动物世界的产生式系统有如下数据库：…(Mammal Dog)(Eat Dog Meat)…从另一个角度，数据库可视为推理过程中间结果的存储池。
随着中间结果的不断加入，是数据库描述的问题状态逐步转变为目标状态。
1.1.2 规则库（Set of Product Rules）产生式规则库是某领域知识用规则形式表示的集合，其中包含将问题从初始状态转换到目标状态的所有变换规则。
当产生式规则中某条规则的前提与数据总库中的事实相匹配时，该规则库就被激活，并把其结论作为新的事实存入总数据库。
2.3--产生式表示法-
2019/12/9
中国矿业大学计算机学院
9
人工智能
2.综合数据库:
综合数据库又称为事实库，用于存放输入的 事实、从外部数据库输入的事实以及中间结果 (事实)和最后结果的工作区。当规则库中的某条 产生式的前提可与综合数据库中的某些已知事实 匹配时，该产生式就被激活，并把用它推出的结 论放入综合数据库中，作为后面推理的已知事实。
按产生式所表示的知识是否具有确定性分为： 确定性产生式系统和不确定性产生式系统；
按推理机的推理方向分为：正向、反向和双 向推理产生式系统。
（Lee， Age， 35） 其中，Lee是事实性知识涉及的对象，Age是该对象 的属性，而35岁是该对象属性的值。而老李、老张 是朋友，可表示成
（Friend， Lee， Zhang ）
2019/12/9
中国矿业大学计算机学院
6
人工智能
而有些事实性知识带有不确定性和模糊性，若考虑不 确定性，这种知识就可以用四元组的形式表示如下
（对象，属性，值，不确定度量值）或 （关系，对象1，对象2，不确定度量值） 如不确定性事实性知识 “老李年龄可能是35岁”，这 里老李是35岁的可能性取90%，便可以表示成 （Lee， Age， 35，0.9） 而老李、老张是朋友的可能性不大，这里老李、老张 是朋友的可能性取20%，可表示成 （Friend， Lee， Zhang，0.2 ）
(1) 匹配：匹配就是将当前综合数据库中的事 实与规则中的条件进行比较，如果相匹配，则这一 规则称为匹配规则。
2. 产生式系统
2 8 3 1 6 4 7 5
ห้องสมุดไป่ตู้
1 2 3 8 4
7 6 5
八数码难题的初始状态与目标状态
26
1/23/2019
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
7
1/23/2019
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。 1/23/2019
8
三、产生式系统的基本过程
Procedure PRODUCTION 1. DATA←初始状态描述 2. until DATA 满足终止条件，do： 3. begin 4. 在规则集合中，选出一条可用于DATA的规则R 5. DATA←把R应用于DATA所得的结果 6. End
9
1/23/2019
三、产生式系统的基本过程
29
特点：效率高；复杂。
1/23/2019
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
人工智能之产生式系统 (PPT 49张)
6
2/21/2019
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
1
2/21/2019
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
2/21/2019
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。
设爬山函数CF(S) ：不在目标位数码个数的 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
2. 产生式系统
20
1/9/2020
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。
(a) 设RD是可应用于D的规则集，任取r ∈RD， r作用 于D得 D’，设为D’= r (D)，则r对D’ 可用(即：设D’ 的可用规则集为RD’，则r∈ RD’ ，即RD RD’ )； （每一条对D可应用的规则，对于对D应用一条可 应用的规则后所产生的状态描述仍是可应用的）
（可应用性）
31
1/9/2020
(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
1/9/2020
（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
9
1/9/2020
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。
【人工智能导论】产生式系统
【⼈⼯智能导论】产⽣式系统
产⽣式系统
产⽣式系统是给定事实与推理规则，进⾏⾃动推理的推理系统。
产⽣式系统由3个部分组成：总数据库、产⽣式规则、控制策略。
总数据库是存放求解过程中各种当前信息的数据结构，包括已知事实与推理过程中得到的结论
产⽣式规则是⼀个规则库，存放形如"if <前提>, then <结论>" 的推理规则.
控制策略决定了推理过程中如何应⽤规则，即确定下⼀步应该选⽤什么规则，类⽐于图搜索中的图搜索策略（DFS，BFS，etc.)
产⽣式系统图搜索
初始事实数据初始节点
⽬标条件⽬标节点
产⽣式规则状态转换规则问题变换规则
规则集操作集
动态数据库节点(状态/问题)
控制策略搜索策略
按照搜索⽅向，产⽣式系统可分为正向推理、逆向推理和双向推理。
例正向推理设P1,P2,P3,P4为谓词公式或命题, 初始总数据库DB={P1},规则库R={R1:P1→P2,R2:P2→P3,R3:P3→P4},则推理步骤如下
1. P1∈DB,在规则库R中寻找到可⽤的规则R1:P1→P2,得到P2,当前DB={P1,P2}
2. P2∈DB,在规则库R中寻找到可⽤的规则R2:P2→P3,得到P3,当前DB={P1,P2,P3}
3. P3∈DB,在规则库R中寻找到可⽤的规则R3:P3→P4,得到P4,当前DB={P1,P2,P3,P4}
Processing math: 100%。
人工智能产生式系统
产生式系统产生式系统文档一、介绍1.1 目的本文档旨在提供关于产生式系统的详细信息，包括系统的定义、架构、工作原理以及相关的实际应用案例等。
1.2 背景随着技术的不断发展和应用，产生式系统成为了一种重要的智能处理方式。
本文档将对该系统进行全面介绍，旨在帮助读者了解并使用产生式系统。
二、系统定义2.1 什么是产生式系统产生式系统是一种基于规则库的推理机制，通过规则匹配与推理等算法，实现问题的求解和自动决策。
该系统由规则库、推理机以及知识库等组成。
2.2 系统构成产生式系统主要包括以下几个组成部分：- 规则库：存储了系统的规则集合，每条规则一般由前件和后件组成，用于进行规则匹配和推理。
- 推理机：负责根据规则集合和当前问题状态进行规则匹配和推理，推理链以及最终的推理结果。
- 知识库：存储了系统所需的领域知识，包括事实、规则和推理机制等，用于支持系统的推理过程。
- 用户界面：提供给用户与系统交互的界面，包括输入问题、展示推理结果等功能。
2.3 工作原理产生式系统的工作原理如下：- 根据用户输入的问题，系统将问题转化为内部可处理的形式。
- 推理机根据规则库和知识库进行规则匹配和推理，推理链。
- 根据推理链，系统得出最终的推理结果，并展示给用户。
三、系统应用3.1 实际应用案例1：医学诊断产生式系统可以应用于医学诊断领域，通过构建规则库和知识库，实现对病情的快速诊断和治疗建议。
3.2 实际应用案例2：智能客服产生式系统可以应用于智能客服领域，根据用户的问题和规则库，实现自动回答用户的咨询和解决问题。
四、附件本文档包括以下附件：- 附件一：规则库示例- 附件二：知识库示例五、法律名词及注释1.（Artificial Intelligence，简称）：指通过模拟与复制人类智能的各种思维特征和行为，在某些特定领域或任务上展示出与人类相似的智能行为的科学和工程。
六、全文结束。
产生式系统
产生式规则案例——根据物体特征识别食物
设有规则库如下 P1：If on-c1 green Then put-on-c1 produce P2：If on-c1 packed in small container
Then put-on-c1 delicacy P3：If on-c1 refrigerated OR on-c1 produce Then put-on-c1 perishable P4：If on-c1 weight 15lbs AND on-c1 inexpensive AND NOT on-c1 perishable Then put-on-c1 staple P5：If on-c1 perishable AND on-c1 weight 15lbs Then put-on-c1 turkey P6：If on-c1 weight 15lbs AND on-c1 produce Then put-on-c1 watermelon 设现有物体的特征为：颜色为绿色；重量15磅 即Context——C1=（green,weight 15lbs）
上下文亦称当前数据库，用以存放问题求解过程中的各种 当前信息，它决定着产生式求解的当前状态是否可用
• 推理机：控制产生式的整个问题求解过程
推理机根据上下文的当前信息，在每一状态下识别上下文 匹配的所有触发产生式，在选择和决定启用一条触发产生式， 采用所启用的产生式的RRS改变上下文，改变后的上下文又 可触发新的产生式，驱使问题求解持续进行
处理单元的逻辑描述——产生式系统
产生式系统（Production System）的基本结构 • 规则库(Rule-Base)：产生式规则的集合 规则的一般形式： R：IF RLS THEN RRS 即
产生式系统
综合数据库的库结构
Fact_id
name
Usedby
Trans
Expect
Fact_id 事实的编码 name事实名称 Usedby表示哪一条规则应用到该事实 Trans事实的内容（需统筹考虑，使其表示模式与推理机 制相结合） Expect表示事实是否已知
综合数据库构造--黑板模型
产生式系统所处的位置
应用层
综合管理系统
业务应用逻辑
控制系统
产生式系统
综合数 据库
服务层
数据服务 规则库
基础DB
ETL
数据仓库
传输网络
基础层
数据采集 自动检测 人工观测 外部交换 其他
产生式
产生式/规则/产生式规则 产生式(Production)一词，首先是由美国数学家波 斯特（E.Post）提出来的。波斯特根据替换规则提出了一 种称为波斯特机的计算模型，模型中的每一条规则当时 被称为一个产生式。后来，这一术语几经修改扩充，被 用到许多领域。产生式也称为产生式规则，或简称规则。
(2)如果炉温超过上限，则立即关闭风门。
(3)如果键盘突然失灵，且屏幕上出现怪字符，则是病毒 发作。 一条产生 式规则就是一条知识。用产生式可以实现推理 和操作，产生式规则是知识表示形式。
规则库的库结构
Rule_id Premise Action Active Used
Rule_id规则代号 Premise规则的前件，if的内容 Action规则的后件，then的内容（Action分两类，结论型和动作型） Active规则是否成立，成立为1，不成立为0 Used规则是否被使用过
R15：若某动物是鸟且善飞且不怕风浪，则它是海燕。
产生式系统的组成
产生式系统的组成产生式系统是人工智能领域中一种重要的知识表示和推理方法。
它由一组产生式规则组成，每条规则由前件和后件构成，表示了一种条件-动作对。
产生式系统通过匹配规则的前件，选择合适的规则并执行相应的动作，从而实现推理和问题求解的过程。
一、产生式系统的基本组成1.1 前件：前件是规则中的条件部分，用于描述问题的特征和条件。
在问题求解过程中，产生式系统会根据输入的问题描述和已知条件，匹配规则的前件，以确定适用的规则。
1.2 后件：后件是规则中的动作部分，用于描述问题求解的结果和推理的结论。
当规则的前件与当前问题描述匹配成功时，产生式系统会执行规则的后件，得到相应的结果或结论。
1.3 规则库：规则库是产生式系统中存储规则的地方，它由一组产生式规则组成。
规则库中的规则根据具体问题的特点和需求，经过人工设计和编写，用于描述问题的解决思路和推理过程。
1.4 控制策略：控制策略是产生式系统中的重要组成部分，它决定了规则的执行顺序和方式。
控制策略可以根据不同的问题和应用需求进行调整和优化，以提高系统的推理效率和准确性。
二、产生式系统的工作原理产生式系统的工作原理可以简单描述为以下几个步骤：2.1 初始化：产生式系统在开始工作之前，需要初始化系统的状态和规则库。
初始化包括设置系统的初始状态和加载规则库。
2.2 匹配规则：产生式系统根据当前问题描述和已知条件，匹配规则库中的规则的前件。
匹配可以基于规则的特征和条件进行，也可以基于问题描述和已知条件的匹配度进行。
2.3 选择规则：当有多条规则的前件与当前问题描述匹配成功时，产生式系统需要根据一定的策略选择合适的规则。
选择规则可以基于规则的优先级、匹配度等进行。
2.4 执行规则：选择合适的规则后，产生式系统执行规则的后件，得到相应的结果或推理结论。
执行规则可以包括修改系统状态、生成新的问题描述、输出结果等。
2.5 更新状态：在执行规则后，产生式系统会更新系统的状态和问题描述。
产生式系统
产生式认知模型
例: 用Markov算法作用于任意给定的字符串。
规则：（1）αxy → yαx （2）α→ ^ （3） ^ →α 。
输入字符串 ： “ ^ABC ”
✓希腊字母α、β等代表专用符号串； ✓小写字母 x、y 、z 等表示单个字符 的变量；
✓专用字符 ^ 为空字符串。
执行算法过程：规则自左向右地作用输入字符串。
北京航空航天大学软件开发环境国家重点实验室
Slide 4
产生式认知模型
纽厄尔和西蒙 Newell & Simon（1972）将产生式模型用于 表示人类问题求解的认知模型 ：
✓ 长期记忆 - 大脑中积累的各种知识和经验（成块的、大容量知识） ✓ 短时记忆 –临时输入的求解某具体问题所需的信息（小容量的、动
LHS: 本规则触发应满足的条件； RHS：本规则触发后可产生的结果（或应执行的操作）
例: R1: IF (x,0,y,0) THEN (v,0,y,0)；
R2: IF likes(x,y) & likes(y,x) THEN friend(x,y) R2: IF 天气太热 THEN 打开空调；
北京航空航天大学软件开发环境国家重点实验室 Slide 13
规则的匹配
从规则库的第一条规则开始，按排列顺序逐条用规则的前提条件与事 实库中事实进行匹配；
北京航空航天大学软件开发环境国家重点实验室 Slide 6
基于产生式认知模型的产生式系统体系结构
长期记忆 --- 规则库（长期知识库、 …. ）
短时记忆 ---
工作存储器（事实库、工作库、综合 数据库、…. )
认知处理器 --- 推理机（控制系统、控制策略、解 释程序、….)
北京航空航天大学软件开发环境国家重点实验室 Slide 7
产生式系统的组成
产生式系统的组成
产生式系统是一种用于描述形式语言的形式化工具，由一组产生式和一些终结符号组成。
其中，产生式指定了如何将一些符号替换为其他符号或符号串，而终结符号则是产生式系统中不再进行替换的符号。
产生式系统的组成包括以下几个要素：
1. 终结符号集合：产生式系统中使用的符号集合，也称为字母表或字母表表达式。
2. 非终结符号集合：用于表示符号串中可以替换的部分的符号集合，也称为变量集合。
3. 产生式集合：由非终结符号和终结符号组成的规则集合，描述了如何将一个符号串替换为另一个符号串。
4. 开始符号：用于表示整个符号串的起始符号。
5. 推导规则：表示如何使用产生式将一个符号串推导为另一个符号串的规则。
6. 推导过程：根据推导规则，逐步将一个符号串推导为另一个符号串的过程。
以上是产生式系统的组成要素，通过组合不同的产生式和符号，可以描述各种形式化语言。
产生式系统在编译原理、自然语言处理等领域中得到了广泛的应用。
- 1 -。
产生式系统
产生式系统2．2．1 产生式系统1．序1943年，Post首先提出了产生式系统。
到目前为止，人工智能（AI）领域中的产生式系统，无论在理论上还是在应用上都经历了很大发展，所以现今AI中的产生式系统已与1943年Post提出的产生式系统有很大不同。
●因果关系自然界各个知识元（事实，断言，证据，命题， ）之间存在着大量的因果关系，或者说前提和结论关系，用产生式（或称规则）表示这些关系是非常方便的：“模式——动作”对偶“条件——结论”对偶●产生式系统把一组领域相关的产生式（或称规则）放在一起，让它们互相配合、协同动作，一个产生式生成的结论一般可供另一个（或一些）产生式作为前提或前提的一部分来使用，以这种方式求得问题之解决，这样的一组产生式被称为产生式系统。
●产生式系统的历史a. 1943年，Post第一个提出产生式系统并把它用作计算手段。
其目的是构造一种形式化的计算工具，并证明了它与图灵机具有同样的计算能力。
b. 1950年，Markov提出了一种匹配算法，利用一组确定的规则不断置换字符串中的子串从而把它改造成一个新的字符串，其思想与Post类似。
c. （大约在）1950年，Chomsky为研究自然语言结构提出了文法分层概念，每层文法有一种特定的“重写规则”，也就是语言生成规则。
这种“重写规则”，就是特殊的产生式。
上面b和c所给出的系统其计算能力都与图灵机等价。
d. 1960年，Backus （译名为：巴克斯或巴科斯）提出了著名的BNF，即巴科斯范式，用以描写计算机语言的文法，首先用来描写ALGOL 60语言。
不久即发现，BNF范式基本上是Chomsky的分层系统中的上下文无关文法。
由于和计算机语言挂上了钩，产生式系统的应用范围大大拓广了。
2．产生式系统产生式系统的构成△一组规则每条规则分为左部（或称前提、前件）和右部（或称结论、动作、后件）。
通常左部表示条件，核查左部条件是否得到满足一般采用匹配方法，即查看数据基DB（Data Base）中是否存在左部所指明的情况，若存在则认为匹配成功，否则认为匹配失败。
产生式系统推理
产生式系统推理产生式系统推理是一种基于逻辑推理的计算机算法，它通过一系列的规则和事实来推导出新的结论。
这种推理方法常用于人工智能领域的知识表示和推理系统中。
一、产生式系统的基本概念1.1 产生式规则产生式规则是产生式系统推理的基本单元。
它由一个条件部分和一个结论部分组成，形式可以表示为“如果条件则结论”。
条件部分是由一系列事实和规则组成的逻辑表达式，用来描述问题的已知信息。
结论部分是由新的事实或规则组成，它是根据条件部分的逻辑关系推导出来的。
1.2 事实事实是产生式系统推理过程中的基本元素，它是描述问题现实情况的逻辑表达式。
事实可以是已知的，也可以是通过推理推导出来的。
在产生式系统中，事实可以用来匹配产生式规则的条件部分，从而触发规则的推导过程。
1.3 推理过程产生式系统的推理过程是基于规则的匹配和推导的。
当一个或多个事实与规则的条件部分匹配时，就会触发规则的推导过程，推导出新的事实或规则。
这个推导过程会不断迭代，直到没有新的事实或规则可以推导出为止。
二、产生式系统推理的应用2.1 专家系统专家系统是一种基于产生式系统推理的人工智能应用。
它利用专家的知识和经验，通过产生式规则来模拟专家的思维过程，从而解决特定领域的问题。
专家系统可以应用于医疗诊断、工程设计、金融分析等领域，帮助人们做出决策和解决问题。
2.2 自然语言处理自然语言处理是指计算机对自然语言的理解和处理。
产生式系统推理在自然语言处理中起到了重要的作用。
通过产生式规则，可以将自然语言的句子转换为逻辑表达式，并进行推理和推导。
这样可以实现机器对自然语言的理解和回答问题的能力。
2.3 智能游戏智能游戏是一种利用人工智能技术实现智能对战的游戏。
产生式系统推理在智能游戏中被广泛应用。
通过产生式规则，智能游戏可以模拟玩家的思维过程，根据当前状态和规则进行推理和决策，从而实现自动对战和智能对手的功能。
三、产生式系统推理的优势和局限3.1 优势产生式系统推理具有以下优势：（1）灵活性：产生式系统推理可以根据具体问题和需求灵活定义规则和事实，适应不同领域和情境的推理需求。
人工智能 第二章 产生式系统与专家系统
2010-10-16
5
3、控制器
又称规则解释器，控制系统的运行和推理过程，包括： 规则扫描的起点和顺序安排； 规则前件与工作存储器中事实的模式匹配； 工作存储器的状态更新； 多条规则被触发时的冲突消解； 推理终止条件和判定等。
2010-10-16
6
2.2
产生式系统的工作 周期
2010-10-16
2010-10-16
9
2、选择(冲突消解)
多条规则同时被匹配的情况称为冲突。 这时，要根据预先确定的评价准则，求出所冲突规则的优先度， 决定所冲突规则的优先度，决定使用哪一条规则。 常用的冲突解决策略有以下7种： 7 专一性排序，规则排序，数据排序，就近排序，上下文限制，按 匹配度排序，按条件个数排序。 不同的系统，可使用上述这些策略的不同组合，目的是尽量减少 冲突的发生，使推理有较快的速度和较高的效率。如何选择冲突 解决策略完全是由启发性知识决定的。
已知 P1
推出 q3
2010-10-16
18
正向推理的策略
①用工作存储器中的事实与产生式规则的前缀条件进行匹配； ②按冲突消解策略从匹配的规则实例中选择一条规则； ③执行选中规则的动作，依次修改工作存储器； ④用更新后的工作存储器，重复上述几步工作，直到得出结论 或工作存储器不再发生变化为止。
2010-10-16
2010-10-16 3
从形式上看，与程序设计语言中的条件语句非常相似，但实际 上两者之间存在根本的区别： ①产生式规则的左部表达的是一组复杂的模式．而不仅仅是一 个布尔表达式； ②规则之间的控制流不是象传统语言中从一条语句向其下一条语 句传递，而且满足条件的规则被激活但不一定立即执行，这将取 决于产生式系统的冲突消解策略，这是区分传统程序与产生式系 统行为特征的关键。
《产生式系统》课件
产生式系统通 过从事实库中 检索和匹配规 则来执行任务 或解决问题。
事实库的更新 和维护是产生 式系统的重要 工作之一，以 确保系统的准 确性和可靠性。
产生式规则的 组成
控制结构的类 型
产生式规则的 匹配过程
控制结构的优 缺点
产生式系统的推理 机制
推理方式：逐点推理，从已知 事实出发，逐步推导出新的事 实
交通领域：用于智 能交通管理和优化
金融领域：用于和智能辅 导
产生式系统的未来 发展趋势与挑战
产生式系统与人工智能技术的融合 产生式系统在各行业的应用拓展 产生式系统技术的不断创新与进步 产生式系统面临的挑战与机遇
技术挑战：随着人工 智能技术的不断发展， 产生式系统需要不断 适应新的技术趋势
《产生式系统》PPT 课件
汇报人：PPT
目录
添加目录标题
产生式系统的概 述
产生式系统的基 本结构
产生式系统的推 理机制
产生式系统的实 现方法
产生式系统的优 缺点分析
添加章节标题
产生式系统的概述
产生式系统的定义 产生式系统的特点 产生式系统的基本组成 产生式系统与其他系统的区别
发展历程中的关键事件和人 物
优化产生式规则的表示方式 提高产生式规则的匹配效率 引入更先进的冲突解决策略 增强产生式系统的可维护性和可扩展性
产生式系统与其他 智能方法的比较
产生式系统与专家系统定 义
产生式系统与专家系统结 构
产生式系统与专家系统应 用领域
产生式系统与专家系统优 缺点
产生式系统与神经网络的定义和特点 产生式系统与神经网络的学习机制 产生式系统与神经网络的优缺点比较 产生式系统与神经网络的应用场景比较
推理过程：从事实出发，通过 逻辑推理得出结论的过程
第2讲 产生式系统
产生式系统(production system)内容产生式系统的描述推理控制策略两类特殊的产生式系统 基于规则的演绎系统产生式系统的描述推理控制策略两类特殊的产生式系统 基于规则的演绎系统产生式一种知识表示方法，常用来表示有因果关系的知识。
形式:条件→行动前提→结论“if……then……”例如：烫手→缩手下雨→地面湿下雨∧甲未打伞→甲被淋湿所有人会死∧甲是人→甲会死→左边表示条件(左半部分)，右边表示结论(右半部分)一般可以写成A1∧A2∧……A n→B的形式；下雨∧甲未打伞→甲被淋湿产生式系统把一组产生式放在一起，让它们互相配合，协同作用，一个产生式的结论可以供另一个产生式作为前提使用，以这种方式求解问题的系统称为产生式系统。
A→B, B→C, C→D : A→D ???历史历史1943年，美国数学家Post设计的产生式系统，称为Post系统。
目的是构造一种形式化的计算工具。
证明它和图灵机具有相同的计算能力。
产生式系统的构成产生式系统的构成一组产生式规则(set of rules) 综合数据库(global database)控制机制(control system)产生式规则例子下雨→地面湿下雨∧甲未打伞→甲被淋湿所有人会死∧甲是人→甲会死综合数据库存放已知的事实和推导出的事实;数据基(global database);和database（数据库）不同:database: 强调数据的管理（存取、增、删、改等） 产生式系统: 抽象的概念只是说明数据在此存放，和物理实现没关系。
具体实现时，用DBMS和文件等都可以。
数据是广义的，可以是常量、变量、谓词、图像等。
数据结构:符号串、向量、集合、数组、树、表格、文件等;控制机制控制机制完成的工作有：匹配规则条件部分；多于一条规则匹配成功时，选择哪条规则执行(点燃)；如何将匹配规则的结论部分放入综合数据库（是直接添加到数据库中，还是替换其中的某些东西）；决定系统何时终止；产生式系统的运行过程产生式系统的运行过程：建立产生式规则；将已知的事实放入综合数据库；考察每一条产生式规则，如果条件部分和综合数据库中的数据匹配，则规则的结论放入综合数据库；算法令DATA为综合数据库1．DATA←初始化；2．如果满足终止条件，终止。
第2章. 产生式系统
Artificial Intelligence
2.1 状态空间法
• 三元组（S，O，G）来描述， S 状态集合、起 始状态S0 、中间状态Si 、目标状态G . O 是操 作算子（规则集）. • 状态空间：所有可能的状态集合；状态转换： 靠规则实现. • 问题求解：从S0出发，经过一系列操作变换， 达到G，即状态空间搜索问题。状态空间的一 个解是一个有限的规则序列： O O O S0 S1 S2 G ，其中， O1 , , Ok 即为状态空间的一个解，解不一定唯一 . Artificial Intelligence
该状态的所有规则 6 用完，回溯到 5 左下 2）
7
下
8 6 3 2 4 1 7 5
6
左上右下
同状态4，回溯到5
1）
8 3 2 6 4 1 7 5
左
下
8 3 4 2 6 1 7 5
7
2）
左
8 6 3 2 4 1 7 5
7
同状态5，回溯到6
用了6条规则，未找 到解，回溯到 6
利用回溯策略的部分搜索图
Artificial Intelligence
Artificial Intelligence
爬山法的三种状态
缺点：容易出现解的停滞，三种情况: ⑴ 局部极大点（多峰时处于非主峰）：它比周围邻 居状态都好，但不是目标。 ⑵ 平顶：它与全部邻居状态都有同一个值。 ⑶ 山脊：如果搜索方向与山脊的走向不一致，则有 可能会停留在山脊处。 使用的限定条件：如果测试函数具有单极值，那 Artificial Intelligence 么这个极值对应的状态就是目标。
• 8 数码游戏实例： 用“不在位”将牌个数 (当前状态与目标状 态对应位置逐一比较后有差异的将牌总个 数) 并取其负值作为状态描述的测试函数. - W（n）（n为任一状态） • 初始状态的函数值为 -4，目标状态 0。
产生式系统——精选推荐
产⽣式系统产⽣式系统正⽂ 构造知识型系统和建⽴认知模型时常⽤的知识表⽰的形式系统。
1943年e.波斯特⾸先将他提出的⼀种计算形式体系命名为产⽣式系统。
50年代末期，a.纽厄尔和h.a.西蒙在研究⼈类问题求解的认知模型时也使⽤了产⽣式系统这⼀术语。
产⽣式系统现代已成为研制⼈⼯智能系统时采⽤的最典型的体系结构之⼀。
产⽣式规则 简称产⽣式。
它是指形如α─→β或ifαthenβ或其等价形式的⼀条规则,其中α称为产⽣式的左部或前件;β称为产⽣式的右部或后件。
①如果α、β分别代表需要注视的⼀组条件及其成⽴时需要采取的⾏动，那么称为条件-⾏动型产⽣式;②如果α、β分别代表前提及其相应的结论,那么称为前提-结论型产⽣式。
⼈⼯智能中的推理很多是建⽴在直观经验基础上的不精确推理，⽽产⽣式在表⽰和运⽤不精确知识⽅⾯具有灵活性，因此许多专家系统采⽤产⽣式系统为体系结构。
产⽣式系统的组成 根据认知⼼理学对⼈处理信息的模型研究,产⽣式系统由产⽣式集合、全局数据库（环境数据结构）和控制程序（解释程序）三个基本部分组成。
①产⽣式集合：模拟⼈脑的长期记忆(ltm),存放相对稳定的长期知识，构成知识库。
②全局数据库：或称环境数据结构，模拟⼈脑的短期记忆(stm),⽤来存放表⽰有关⼯作环境的动态数据条款。
③控制程序：或称解释程序，对产⽣式的选⽤和整个系统的⼯作进⾏控制的⼦系统。
产⽣式系统的⼯作⽅式 产⽣式是系统的单元程序，它与常规程序不同之处在于，产⽣式是否执⾏并不在事前硬性规定，各产⽣式之间也不能相互直接调⽤，⽽完全决定于该产⽣式的作⽤条件能否满⾜，即能否与全局数据库的数据条款匹配。
因此在⼈⼯智能中常将产⽣式称为⼀种守护神(demon),即“伺机⽽动”之意。
另⼀⽅⾯，产⽣式在执⾏之后⼯作环境即发⽣变化，因⽽必须对全局数据库的条款作相应修改，以反映新的环境条件。
全部⼯作是在控制程序作⽤下进⾏的。
现代产⽣式系统的⼀个⼯作循环通常包含匹配、选优、⾏动三个阶段。
- 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)。
Z），产生式规则的依据是如下的重写规则： R1：C→（D，L） R2：C→（B，M） R3：B→（M，M） R4：Z→（B，B，M） 结束条件是生成出只包含M组成的数据库，即（M，…，M）。
用图搜索方式求解这个问题时，搜索得到的部分状态空间图。 图中只给出两条达到目标的路径和一条失败的路径。实际搜索时有可能 去探索更多的路径，往往导致效率降低。
重写问题的与或树
（3）若对D应用某一规则序列之后得到一个数据库D′（设
简例：给定一个整数集合{a，b，c}，可通过把集合中任意
一对元素的乘积作为新元素添加到集合中的办法来扩大该整 数集，要求通过若干次操作后能生成出所需的整数集合来。
其综合数据库就可用集合表示，则问题的初始状态为{a，b，
c}，设目标条件为具有a，b，c，ab，bc，ca这六个元素组 成的集合，初始状态可应用的规则集合为：
（1）可应用于D的规则集合，对用了其中任意一条规则之后 所生成的任何数据库，这个规则集合还适用； （2）满足目标条件的某个数据库D，当应用任何一个可应用 于数据库D的规则之后所生成的任何数据库，仍然满足目标 条件； 有一对应于D→D′的一条解路），则当改变D的可应用规则 集合中的规则次序后，仍然可求得解，即求得D′与使用满 足D的可应用规则集合中的规则次序无关。
八数码游戏
（1）综合数据库：通常用来表示综合数据库的数据结构有符号串、向量、 集合、数组、树、表格、文件等。该问题的综合数据库可以如下形式表 示：(Sij)，其中1≤i、j≤3， Sij ∈{0,1,…,8}，且互不相等。 （2）规则集合：移动一块牌（即走一步）就使状态发生转变。改变状态有4 种走法：空格左移、空格上移、空格右移、空格下移。可用4条产生式规 则来模拟
可交换的产生式系统
可交换性是指几条规则可以任意交换次序而不影响求解。但
要注意并不是所使用的整个规则序列可以重新排列，只有那 些最初可应用于初始数据库的规则才可交换，而对于生成的 数据库所添加的其他可应用规则，则不能随意交换。
一般来说，当一个产生式系统对任何一个数据库D都具 有如下性质时，这个产生式系统是可交换的：
整数集合生成问题的部分状态空间图
如果一个产生式系统可以分解为几个子问题，当子问题得以
求解时，则原始问题被求解。这样的产生式系统称为可分解 的产生式系统。
如果原始问题可以被划分为几个独立的子问题来求解，则可
以提高问题求解的效率。但在很多情况下，子问题之间并不 是完全独立的，它们之间会有某些方面的联系，这样的可分 解产生式系统可以表示为一个与或树（图）。
产生式系统的控制策略
控制策略可划分为两大类：
（1）不可撤回方式：爬山法
八数码游戏例: 用"不在位"将牌个数并取其 负值作为状态描述的函数－ W（n）（"不在位"将牌个 数是指当前状态与目标状态 对应位置逐一比较后有差异 的将牌总个数，用W本过程描述如下： 过程 SPLIT （1）DATA:＝初始数据库 （2）{Di}:＝DATA的分解式；每个Di元素都看成单独的数据 库 （3）Until {Di}的所有元素都满足结束条件之前，do： （4）begin （5）从{Di}中选一个不满足结束条件的D* （6）从{Di}中删去D* （7）在规则集中选择一条可应用于D*的规则R （8）D:＝R应用于D*的结果 （9） {di}:＝D的分解式 （10）在{Di}上添加di （11）end
（2）回溯方式：在问题求 解过程中，有时会发现 应用一条不合适的规则 会阻挠或拖延达到目标 的过程。在这种情况下， 需要有这样的控制策略： 先试一试某一条规则， 如果以后发现这条规则 不合适，则允许退回去， 另选一条规则来试。
（3）图搜索方式：如果把问题求解过程用图或树的这种结构来描述，即图 中的每一个节点代表问题的状态，节点间的弧代表应用的规则，那么问 题的求解空间就可由隐含图来描述。图搜索方式就是用某种策略选择应 用规则，并把状态变化过程用图结构记录下来，直到得出解为止。