人工智能 第3章 推理技术1分析
人工智能3(1)搜索推理技术
第3章确定性推理3.1 图搜索策略3.2 盲目搜索3.3 启发式搜索3.4 消解原理3.5 规则演绎系统3.6 产生式系统3.7 非单调推理概述(1)问题求解§AI中每个研究领域都有其各自的特点和规律,但就求解问题的过程看,都可抽象为一个问题求解过程。
§问题求解过程实际上是一个搜索,广义地说,它包含了全部计算机科学。
§任何问题求解技术都包括两个重要的方面:表示和搜索§表示是基本的,搜索必须要在表示的基础上进行。
表示关系到搜索的效率。
§本章讨论的表示主要包括:§状态空间表示§问题空间表示概述(2)q1974年,Nilsson归纳出的AI研究的基本问题知识的模型化和表示常识性推理、演绎和问题解决启发式搜索人工智能系统和语言q搜索是人工智能中的一个基本问题,是推理不可分割的一部分,直接关系到智能系统的性能和运行效率q AI为什么要研究search?问题没有直接的解法;需要探索地求解;搜索(3)什么是搜索§根据问题的实际情况不断寻找可利用的知识,构造出一条代价较少的推理路线,使问题得到圆满解决的过程称为搜索包括两个方面:---找到从初始事实到问题最终答案的一条推理路径---找到的这条路径在时间和空间上复杂度最小搜索(4)§盲目搜索:也称为无信息搜索,即只按预定的控制策略进行搜索,在搜索过程中获得的中间信息不用来改进控制策略§启发式搜索: 在搜索中加入了与问题有关的启发性信息,用于指导搜索朝着最有希望的方向进行,加速问题的求解过程并找到最优解要考虑的因素u完备性:当问题有解时,这个算法是否能保证找到一个解?u最优性:这个搜索策略是否能找到最优解?u时间复杂度:找到一个解需要花费多长时间?u空间复杂度:在执行搜索过程中需要有多少内存?无信息的搜索策略•广度优先搜索(Breadth-first search)•代价一致搜索(Uniform-cost search)•深度优先搜索(Depth-first search)•深度有限搜索(Depth-limited search)•双向搜索(Bidirectional search)•迭代深度优先搜索(Iterative deepening depth-first search)有信息的搜索策略贪婪最佳优先搜索(Greedy best-first search)A*搜索(A* search: Minimizing the total estimated solution cost)递归最佳优先搜索(Recursive best-first search)爬山法搜索(Hill-climbing search)模拟退火搜索(Simulated annealing search)局部剪枝搜索(Local beam search)遗传算法(Genetic algorithm)联机搜索(Online search)Heuristic search Beyond Classical Search状态空间表示法(1)q状态空间表示法:用来表示问题及其搜索过程的一种方法q状态:状态是描述问题求解过程中任一时刻状况的数据结构.23751486(2, 3,7 ,0 , 5, 1, 4, 8, 6)状态空间表示法(2)q状态空间:由问题的全部状态及一切可用算符所构成的集合称为问题的状态空间.一般表示为:(S, F, G)S:问题所有的初始状态集合;F:算符集合; G:目标状态集合q算符: 引起状态中某些分量发生变化, 从而使问题由一个状态变为另一个状态的操作称为算符.q状态空间表示法是用“状态”和“算符”表示问题的一种方法q状态空间图:状态空间的图式表示,称为状态空间图.其中节点表示状态,有向边(弧)表示算符.状态空间表示法(3)路径状态序列搜索寻找从初始状态到目标状态的路径;S0Sg状态空间表示法(4)例1:二阶梵塔问题§设有三个钢针,在一号钢针上穿有A,B两个金片,A小于B,A位于B的上面.要求把这两个金片全部移到另一个钢针上,而且规定每次只能移动一片,任何时刻都不能使B位于A的上面§设用Sk=(Sk0,Sk1)表示问题的状态,SK0表示金片A所在的钢针号,SK1表示金片B所在的钢针号,全部可能的状态为:S0=(1,1), S1=(1,2), S3=(1,3)S4=(2,1), S5=(2,2), S6=(2,3)S7=(3,1), S8=(3,2), S9=(3,3)§问题初始状态集合S={S0},§目标状态集合G={S4,S8}.§算符:A( i,j):表示把金片A从第i号针移到第j号针上B(i,j):表示把B从第i号针移到第j号针上§共12个算符:§A(1,2), A(1,3), A(2,1) ,A(2,3), A(3,1),A(3,2)§B(1,2), B(1,3), B(2,1), B(2,3), B(3,1), B(3,2)状态空间表示法(5)用状态空间表示,首先必须定义状态的描述形式,把问题的一切状态都表示出来,其次定义算符,完成状态的转换问题的求解过程就是一个把算符不断地作用于状态的过程.如果在使用某个算符后得到的状态就是目标状态,就得到了问题的解.这个解就是从初始状态到目标状态所用算符构成的序列.算符的一次使用,就使问题由一种状态转变为另一种状态.可能有多个算符序列都可使问题从初始状态变到目标状态,这就得到了多个解.对任何一个状态,可使用的算符可能不止一个,这样由一个状态所生成的后继状态可能有多个.如何选择下一步的操作,由搜索策略决定.搜索控制策略(1)q搜索控制策略不可撤回的控制策略;试探性控制策略回溯型图搜索搜索控制策略(2)不可撤回的控制策略例:八数码问题评价函数:f:(规定: 评价函数非增)2831647512384765与的差异为4搜索控制策略(3)不可撤回的控制策略2831647528314765231847651123847651238476523184765 f=4f=3f=3f=0f=1f=2搜索控制策略(4)不可撤回的控制策略28314765283147658321476583214765 28132476581324765 f=3f=3f=3f=3f=3f=313824765f=213824765f=1搜索控制策略(5)不可撤回的控制策略可能无解1251238476384765目标f=2回溯策略((1,1))((1,1))((1,1))((1,1))Q ((1,1))((1,1))((1,1))((1,1))((1,1))((1,1))Q ((1,1))Q ((1,1))3.1 图搜索策略¾一些基本概念节点深度:根节点深度=0其它节点深度=父节点深度+11233.1 图搜索策略¾一些基本概念路径设一节点序列为(n0, n1,…,n k),对于i=1,…,k,若节点n具有一个后继节点n,则该序列称为从n到n的i-1i0k路径。
《人工智能及其应用》(蔡自兴)课后习题答案第3章
第三章搜索推理技术3-1什么是图搜索过程?其中,重排OPEN表意味着什么,重排的原则是什么?图搜索的一般过程如下:(1) 建立一个搜索图G(初始只含有起始节点S),把S放到未扩展节点表中(OPEN表)中。
(2) 建立一个已扩展节点表(CLOSED表),其初始为空表。
(3) LOOP:若OPEN表是空表,则失败退出。
(4) 选择OPEN表上的第一个节点,把它从OPEN表移出并放进CLOSED表中。
称此节点为节点n,它是CLOSED表中节点的编号(5) 若n为一目标节点,则有解并成功退出。
此解是追踪图G中沿着指针从n到S这条路径而得到的(指针将在第7步中设置)(6) 扩展节点n,生成不是n的祖先的那些后继节点的集合M。
将M添入图G中。
(7) 对那些未曾在G中出现过的(既未曾在OPEN表上或CLOSED表上出现过的)M成员设置一个通向n的指针,并将它们加进OPEN表。
对已经在OPEN或CLOSED表上的每个M成员,确定是否需要更改通到n的指针方向。
对已在CLOSED表上的每个M成员,确定是否需要更改图G中通向它的每个后裔节点的指针方向。
(8) 按某一任意方式或按某个探试值,重排OPEN表。
(9) GO LOOP。
重排OPEN表意味着,在第(6)步中,将优先扩展哪个节点,不同的排序标准对应着不同的搜索策略。
重排的原则当视具体需求而定,不同的原则对应着不同的搜索策略,如果想尽快地找到一个解,则应当将最有可能达到目标节点的那些节点排在OPEN表的前面部分,如果想找到代价最小的解,则应当按代价从小到大的顺序重排OPEN表。
3-2 试举例比较各种搜索方法的效率。
宽度优先搜索(1) 把起始节点放到OPEN表中(如果该起始节点为一目标节点,则求得一个解答)。
(2) 如果OPEN是个空表,则没有解,失败退出;否则继续。
(3) 把第一个节点(节点n)从OPEN表移出,并把它放入CLOSED扩展节点表中。
(4) 扩展节点n。
人工智能第三章搜索推理技术
人工智能第三章搜索推理技术教学内容:本章在上一章知识表示的基础上研究问题求解的方法,是人工智能研究的又一核心问题。
内容包含早期搜索推理技术,如图搜索策略与消解原理;与高级搜索推理技术,如规则演绎系统、产生式系统、系统组织技术、不确定性推理与非单调推理。
教学重点:图搜索策略、消解原理、规则演绎系统、产生式系统。
教学难点:启发式搜索、规则双向演绎系统等。
教学方法:课堂教学为主,辅以恰当的实验。
注意结合前面所学知识表示的基础内容,将其与问题求解方法融为一体。
及时提问、收集学生学习情况。
尽量使用实例与网络课程中的多媒体素材进行讲解。
教学要求:重点掌握通常图搜索策略与消解原理,掌握各类搜索方法与产生式系统原理,熟悉规则演绎系统的基本原理,对系统组织技术、不确定性推理与非单调推理等高级推理技术作通常性熟悉。
3.1 图搜索策略教学内容:本节介绍图搜索的通常策略,作为各类图搜索技术的基础。
教学重点:图搜索的通常过程、OPEN表与CLOSE表的概念。
教学难点:OPEN表与CLOSE表的物理意义。
教学方法:课堂教学为主,通过提问完全弄清图搜索的基本概念。
教学要求:重点掌握图搜索通常策略,掌握OPEN表与CLOSE表的构成及作用。
1、图搜索策略的定义图搜索策略可看作一种在图中寻找路径的方法。
初始节点与目标节点分别代表初始数据库与满足终止条件的数据库。
求得把一个数据库变换为另一数据库的规则序列问题就等价于求得图中的一条路径问题。
研究图搜索的通常策略,能够给出图搜索过程的通常步骤。
2、图搜索算法中的几个重要名词术语(1)OPEN表与CLOSE表(2)搜索图与搜索树3、图搜索(GRAPHSEARCH)的通常过程(1) 建立一个只含有起始节点S的搜索图G,把S放到一个叫做OPEN的未扩展节点表中。
(2) 建立一个叫做CLOSED的已扩展节点表,其初始为空表。
(3) LOOP:若OPEN表是空表,则失败退出。
(4) 选择OPEN表上的第一个节点,把它从OPEN表移出并放进CLOSED表中。
人工智能 第3章(确定性推理3-与或树搜索)
包括基于距离的启发式函数、基于成本的启发式函数、基于规则的启发式函数等。
节点排序和选择策略
节点排序的目的和意义
节点排序是为了在扩展节点时,按照一定的顺序选择下一个要扩展的节点,以优化搜索过程。
常用节点排序策略
包括最佳优先搜索、广度优先搜索、深度优先搜索等。最佳优先搜索根据启发式函数的值来选择最优节点; 广度优先搜索按照节点的层次顺序进行扩展;深度优先搜索则尽可能深地扩展节点。
盲目搜索方法比较与选择
• 宽度优先搜索、深度优先搜索和迭代加深搜索都是盲目搜索方法,它们在不同的场景下有不同的应用。 • 宽度优先搜索适用于问题空间较大、解存在于较浅层次的情况,因为它可以逐层遍历整个问题空间,找到最短
路径。 • 深度优先搜索适用于问题空间较小、解存在于较深层次的情况,因为它可以尽可能深地搜索树的分支,找到更
启发式信息获取途径
01
02
03
问题自身的特性
通过分析问题的性质、结 构、约束条件等,提取出 对搜索过程有指导意义的 启发式信息。
领域知识
利用领域内的经验、规则、 常识等,为搜索过程提供 有价值的启发式信息。
搜索过程中的信息
在搜索过程中,通过评估 当前状态、已搜索路径、 未搜索路径等,动态地获 取启发式信息。
04 与或树搜索优化技术
剪枝策略
01
剪枝的定义和目的
剪枝是在搜索过程中,通过某些评估标准,提前终止对某些无意义或低
效的节点的扩展,以减少搜索空间,提高搜索效率。
02 03
常用剪枝策略
包括限界剪枝、启发式剪枝、概率剪枝等。限界剪枝通过设置上下界来 限制搜索范围;启发式剪枝利用启发式函数来评估节点的重要性;概率 剪枝则根据节点的概率分布来进行剪枝。
人工智能第三章归结推理方法
人工智能第三章归结推理方法
第三章主要讨论归结推理方法,归结推理方法是人工智能领域中的一种重要技术。
归结推理是一种推理过程,它从一个给定的知识库出发,将给定的输入推断,得出想要的结果。
归结推理是一种推断过程,它把已有的规则和数据应用到新的数据中,来解决新问题。
归结推理可以从三个层面来分析:
1.处理模型
在归结推理中,首先要建立一个处理模型,这个模型是一种结构,它描述了归结推理的步骤,以及归结推理过程中用到的数据和知识。
2.知识表示
归结推理过程是基于知识库,而知识的表示是归结推理中最重要的环节。
知识的表示是一种在计算机中存储、表示和管理数据的方法,它决定了归结推理过程中的正确性和性能。
3.推理机制
推理机制是归结推理过程中,根据已有的输入,对知识进行推理以及解决问题的一种机制。
它可以把归结推理分为计算环节和决策环节,从而实现和可靠的知识表示,实现更精确的推理过程。
基于上述三个层面,归结推理方法可以有效的解决知识表示、理解和存储问题,实现可靠的推理过程,从而解决复杂的问题。
人工智能第三章归结推理方法
归结推理是人工智能中实现自动化推理的重要方法之一。 它能够将复杂的逻辑问题转化为计算机可处理的简单形式, 并通过计算机程序实现自动化推理。
知识表示与推理
在人工智能中,知识表示和推理是两个核心问题。归结推 理作为一种逻辑推理方法,为知识的表示和推理提供了有 效的工具。
专家系统与智能决策
专家系统和智能决策是人工智能的重要应用领域。归结推 理在这些领域中发挥着重要作用,能够帮助专家系统和智 能决策系统实现更加准确、高效的决策。
推理步骤不同
演绎推理通常包括大前提、小前提和结论三个步骤,而归结推理则 通过逐步缩小问题范围来逼近结论。
与归纳推理方法的比较
推理基础不同
归纳推理是基于对个别事物的观察和总结,得出一般性结论的推理方法;而归结推理则是基于已知事实和规 则,通过逻辑推导得出结论的推理方法。
结论的确定性不同
归纳推理得出的结论通常具有一定的或然性,因为个别事物的观察可能无法完全代表整体;而归结推理得出 的结论则具有必然性,只要前提真实且推理过程正确,结论就一定成立。
线性归结与锁归结
线性归结
通过消除冗余子句和简化归结过程,提 高归结效率。线性归结方法将子句按照 一定顺序排列,每次只考虑两个子句进 行归结,从而降低了归结的复杂性。
锁归结
在归结过程中引入锁机制,避免对已经归 结过的子句进行重复归结。锁归结方法通 过标记已归结的子句,确保每个子句只被 归结一次,从而提高了归结效率。
并行化处理
利用并行计算技术,同时处理多个子句的归结。并行化处 理方法能够充分利用计算资源,加速整个归结过程。
05 归结推理方法与其他推理 方法的比较与演推理方法的比较推理方向不同
演绎推理是从一般到特殊的推理过程,而归结推理则是从特殊到 一般的推理过程。
人工智能PPT课件(共12章)第3章确定性推理
从某假设出发进行逆向推理,但并不能推至原始
事实,而是让由正向推理所得到的中间结论恰好
与逆向推理所要求的证据相遇,此时推理结束。
逆向推理时所作的假设就是推理的最终结论。
3.1.
4
冲 突 消 解 策 略
在推理过程中,系统要不断地用自己当前已知的事实与知识
库中的知识进行匹配,匹配过程中会出现3种情况。
越来越接近最终目标分类,推理可分为单调推理和非单调推理。
(1)单调推理是指在推理的过程中随着推理的向前推进及新知识的加入,推出的
结论呈单调增加的趋势,并且结论越来越接近最终目标。单调推理在推理的过程
中不会出现反复的情况,如基于经典逻辑的演绎推理。
(2)非单调推理是指在推理过程中由于新知识的加入,不仅没有加强已推出的结
来,因此它不能增殖新知识。
归纳推理所推出的结论是没有包含在前提内容中的,这种由个别
事物或现象推出一般性知识的过程,是增殖新知识的过程。
例如,一位计算机维修员从书本学习知识到通过大量实例积累经验,
是一种归纳推理方式。计算机维修员运用这些一般性知识去维修计算
机的过程则属于演绎推理。
(3)默认推理又称为缺省推理,是在知识不完全的情况下假设某些条
(1)从用户提供的初始已知事实出发,在知识库KB中找出当前适
用的知识,构成知识集KS。
(2)按某种冲突消解策略从KS中选出一条知识进行推理,并将推
出的新事实加入数据库DB中,作为下一步推理的已知事实。
(3)在知识库中选取可适用知识进行推理,如此重复这一过程,
直到求得了问题的解或者知识库中再无可适用的知识为止。
题逻辑和一阶谓词逻辑,它们的真值都是确定的。因此,
人工智能推理技术
人工智能推理技术人工智能(Artificial Intelligence,简称AI)作为一门涉及计算机科学、数学、逻辑学等多个领域的研究领域,近年来取得了显著进展。
其中,人工智能推理技术作为人工智能的核心技术之一,对于实现机器智能化具有重要意义。
本文将从基本概念、应用领域和发展趋势三个方面来阐述人工智能推理技术的关键内容。
一、基本概念1.1 人工智能推理的定义人工智能推理(Artificial Intelligence Reasoning)是指机器通过分析、推断和推理过程,模拟人类的思维方式,从而得出一定的结论或解决问题的过程。
1.2 推理的基本原理推理的基本原理包括逻辑推理、概率推理和模糊推理。
逻辑推理依据事实和规则进行推理;概率推理依据概率统计进行推理;模糊推理依据模糊逻辑进行推理。
二、应用领域2.1 专家系统专家系统是人工智能推理技术的重要应用之一。
通过将专家的知识和经验用规则的形式储存起来,并结合推理引擎实现对问题的分析和解决,专家系统在医疗、金融、工程等领域得到广泛应用。
2.2 自动驾驶人工智能推理技术在自动驾驶领域的应用越来越广泛。
通过分析和推论来判断周围环境的情况,自动驾驶汽车能够实现避免障碍物、规划最佳路径等功能。
2.3 智能机器人智能机器人是人工智能推理技术的典型应用。
机器人通过对环境的感知、语音识别和推理能力,可以与人类进行交互,并执行相应的任务。
三、发展趋势3.1 深度学习与推理技术的结合深度学习作为人工智能的一个重要分支,与推理技术相结合,将会进一步提升人工智能的推理能力。
3.2 强化学习与推理技术的融合强化学习通过试错反馈机制,使机器可以根据环境的变化不断提升自己的推理水平。
3.3 推理技术在决策支持系统中的应用推理技术在决策支持系统中具有广泛的应用前景。
通过分析决策者的需求和信息,系统可以提供决策者最佳的决策方案。
总结:人工智能推理技术作为人工智能的核心技术之一,在专家系统、自动驾驶、智能机器人等领域具有重要应用。
人工智能导论 第3章 确定性推理方法(导论) [兼容模式]
①足球运动员的身体都是强壮的;
(大前提)
②高波是一名足球运动员;
(小前提)
③所以,高波的身体是强壮的。 (结 论)
9
3.1.2推理方式及其分类
1.演绎推理、归纳推理、默认推理 (2)归纳推理(inductive reasoning):个别一一般
完全归纳推理(必然性推理) 不完全归纳推理(非必然性推理)
■逆向推理需要解决的问题: ♦如何判断一个假设是否是证据?
___ ♦当导出假设的知识有多条时,如何确定先选哪一条? ♦ 一条知识的运用条件一般都有多个,当其中的一个经 验证成立后,如何自动地换为对另一个的验证?
♦ ......
选择初 -_逆向推理:目的性强,利于向用户提供解释,但 始目标时具有盲目性,比正向推理复杂。
22
3.1.3推理的方向
3.混合推理
.正向推理:盲目、效率低。
■逆向推理:若提出的假设目标不符合实际,会降低效
率C
■正反向混合推理:
1 ( ) 先正向后逆向:先进行正向推理,帮助选择某个目标,
即从已知事实演绎出部分结果,然后再用逆向推理证实该目标
2 或提高其可信度;
( ) 先逆向后正向:先假设一个目标进行逆向推理,然后
■实现正向推理需要解决的问题: .确定索知识库。 .冲突消解策略。
■正向推理简单,易实现,但目的性不强,效率低。
19
3.1.3推理的方向
2.逆向推理
.逆向推理(目标驱动推理):以某个假设目标作为出 发点。 -基本思想:
选定一个假设目标。 寻找支持该假设的证据,若所需的证据都能找到,则 原假设成立;若无论如何都找不到所需要的证据,说明 原假设不成立的;为此需要另作新的假设。 ■主要优点:不必使用与目标无关的知识,目的性强, 同时它还有利于向用户提供解释。
人工智能的逻辑推理技术
人工智能的逻辑推理技术人工智能(Artificial Intelligence,简称AI)的逻辑推理技术在近年来得到了快速的发展和应用。
逻辑推理是指通过分析和判断给定的前提条件,并利用逻辑规则和规范的推理方法来得到结论的过程。
在人工智能领域,逻辑推理技术被广泛应用于问题求解、决策制定和知识推理等方面。
本文将从逻辑推理的基本原则和方法入手,介绍人工智能中的逻辑推理技术及其应用。
第一部分逻辑推理的基本原则和方法1.1 逻辑推理的基本原则逻辑推理的基本原则包括前提-结论关系、规则的可信度、逻辑范式等。
前提-结论关系要求结论必须根据前提进行推断,并且推断的过程必须符合规则和规范。
规则的可信度是指推理过程中对于规则的使用和使用的结果的可信程度。
逻辑范式是指将推理过程中的严格逻辑转化为数学形式,以便计算机进行计算和推理。
1.2 逻辑推理的方法逻辑推理的方法主要包括演绎推理和归纳推理两种。
演绎推理是指从一般到特殊的推理过程,根据已知的规则和条件来推断出结论。
归纳推理是指从特殊到一般的推理过程,根据已知的个别事实和实例推断出一般规律和结论。
第二部分人工智能中的逻辑推理技术2.1 基于规则的推理技术基于规则的推理技术是指通过描述和表示规则,利用规则的推理能力进行推理和决策。
基于规则的推理技术主要包括规则库、推理引擎和推理机制等。
规则库是存储和管理规则的系统,推理引擎是执行和控制推断过程的组件,推理机制是通过规则的匹配和应用来得到结论的方法。
基于规则的推理技术在专家系统、决策支持系统和自然语言处理等领域有着广泛的应用。
2.2 基于搜索的推理技术基于搜索的推理技术是指通过搜索和探索问题空间,找到问题的解空间,并从中选择最优解的一种推理方式。
基于搜索的推理技术主要包括深度优先搜索、广度优先搜索、A*算法和剪枝策略等。
深度优先搜索是从根节点开始,先搜索到最深的节点,然后再回溯回来,广度优先搜索是按层次来搜索节点,A*算法是综合利用启发函数和代价函数来进行搜索的。
AI第3章-确定性推理
③ 对那些先前已在G中出现过,并已经扩展了的M成员,确定是否 需要修改其若发生第③种情况,除了需要确定该子节点指向父节点 的指针外,还需要确定其后继节点指向父节点的指针。 其依据也是由原始节点到该节点的路径上的代价。 ⑸ 在搜索图中,除初始节点外,任意一个节点都含有且只 含有一个指向其父节点的指针。因此,由所有节点及其 指向父节点的指针所构成的集合是一棵树,称为搜索树。
① 按是否使用启发式信息可分为:
◇
盲目搜索
◇
启发式搜索
② 按问题的表示方式可分为:
◇
状态空间搜索
◇
与或树搜索
⑵、推理策略 包括推理方向控制、求解、限制、冲突消解等策略。 推理方向控制策略:用于确定推理的控制方向,可分为正向推理、
逆向推理、混合推理。
求解策略:指仅求一个解,还是求所有解或最优解等。 限制策略:指对推理的深度、宽度、时间、空间等进行的限制。 冲突消解策略:当推理过程有多条知识可用时,如何从多条可用
3.1 图搜索策略(GraphSearch)
图搜索控制可看成是一种在图中寻找路径的方法。 初始节点和目标节点分别代表初始数据库和满足终
止条件的目标数据库。
求得将一个数据库变换为另一数据库的规则序列问题, 等价于求得图中的一条路径问题。
1、图搜索的一般过程
⑴ 将初始节点S放入未扩展节点表OPEN表,并建立当前仅包含S的图G;
◇
◇
1、什么是推理
所谓推理,就是按照某种策略,由已知判断,推出另一
个判断的思维过程。 人工智能中,推理是由程序实现的,称之为推理机。 智能系统的推理过程实际上就是一种思维过程。 按照推理过程所用知识的确定与否,推理可分为:
◇ ◇
确定性推理(第3章) 不确定性推理(第4章)
第3章 确定性推理-1
大写字母串表示。
12
3.1.1谓词逻辑的符号体系 Symbol System of FOL
连接词 Connectives
否定~(Negation, ‘not…’) 合取∧(Conjunction, ‘… and …’) 析取∨(Disjunction, ‘…or…’)
蕴含 (Conditional, ‘if …then…’)
等价 (Biconditional, ‘…if and only
序组合起来,得到一个看似惊人的,却是意料当中的结论
1
推理的分类
1. 从新判断推出的途径来划分: 演绎推理、归结推理、类比推理
演绎推理——从全称判断推导出特称判断或单称判断的过程 ,即由一般性知识推出适合于某一具体情况的结论。这是一 种从一般到个别的推理。 演绎推理有多种形式,经常用的是三段论式,它包括:
1) 大前提,这是已知的一般性知识或假设;
2) 小前提,这是关于所研究的具体情况或个别事实的判断; 3) 结论,这是由大前提推出的适合于小前提所示情况的新判断。
2
推理的分类
例如:
1) 足球运动员的身体都是强壮的;—大前提
2) 高波是一名足球运动员;—小前提 3) 所以,高波的身体是强壮的。—结论
3.1.1谓词逻辑的符号体系 Symbol System of FOL
在谓词逻辑中使用的符号一般包括: 标点符号及括号(Punctuation, Bracket);
常量 (Constant) :以小写字母组成的符号串,用来
920090-人工智能导论(第4版)-第3章 确定性推理方法(导论)
3.1.1 推理的定义
已知事实
推理: ( 证 据 ) 某 种 策 略
知识
结论
数据库 知识库
专家
推理机
病人
医疗专家系统
知识 专家的经验、医学常识
初始 证据
病人的症状、化验结果
证据
中间结论
7
3.1 推理的基本概念
3.1.1 推理的定义 3.1.2 推理方式及其分类 3.1.3 推理的方向 3.1.4 冲突消解策略
2
第3章 确确定定性性推推理理方方法法
知识 知识 推理
智 能 ?!
自然演绎 推理
经典逻辑推理 (确定性推理)
推
理
不确定性推理
归结演绎 推理
与 /或 形 演绎推理
3
第3章 确定性推理方法
3.1 推理的基本概念 3.2 自然演绎推理 3.3 谓词公式化为子句集的方法 3.4 鲁宾逊归结原理 3.5 归结反演 3.6 应用归结反演求解问题
22
3.1.3 推理的方向
3. 混合推理
正向推理: 盲目、效率低。 ▪ 逆向推理: 若提出的假设目标不符合实际,会降低效率。 ▪ 正反向混合推理: (1)先正向后逆向:先进行正向推理,帮助选择某个目标,
即从已知事实演绎出部分结果,然后再用逆向推理证实该目标 或提高其可信度;
(2)先逆向后正向:先假设一个目标进行逆向推理,然后再
36
第3章 确定性推理方法
3.1 推理的基本概念 3.2 自然演绎推理 3.3 谓词公式化为子句集的方法 3.4 鲁宾逊归结原理 3.5 归结反演 3.6 应用归结反演求解问题
归 结 演 绎 推 理
37
归结演绎推理
反证法: P Q ,当且仅当 P Q F , 即 Q为 P 的逻辑结论,当且仅当 P Q 是不可
人工智能 第3章 推理技术1剖析
《人工智能》
5
4. 连接词 非:¬ ;析取:∨;合取:∧;蕴含:→; 双向蕴含:
谓词逻辑真值表
P T T F F
2018/10/27
Q T F T F
¬ P
F F T T
P∨Q T T T F
P∧Q T F F F
P→Q T F T T
P Q T F F T
6
《人工智能》
5. 谓词公式 (well formed formulas) 定义: 按下述规则得到的合式公式: (1) 单个谓词是合式公式,称为原子公式; (2) 若A是合式公式,则 A 也是合式公式; (3) 若A,B是合式公式,则 A B, A B, A B, A B 都是合式公式; (4) 若A是合式公式,x是任一个体变元,则 (x) A,(x) A 都是合式公式; (5) 运用有限步上述规则得到的公式是合式公式。
2018/10/27
《人工智能》
4
2. 个体可以是常量、变元或者函数。 例如: Less(x,5),x是一个变元。 Teacher(father(wang)),其中father(wang)是一 个函数。 3.谓词的语义由人指定。 例如: S(x)可以表示x是一个人;也可以表示x是一朵花
2018/10/27
不确定性匹配是指两个知识模式不完全一致,但是 它们的相似程度又在规定的限度内。
2018/10/27
《人工智能》
10
变量代换
定义 代换是一个有限集合 {t1/x1,t2/x2,…,tn/xn} 其中t1,t2,…,tn是项,项可以是常量、变量、函数; x1,x2,…,xn是互不相同的变元; ti/xi表示用ti代换 xi ; 一个合法的代换不允许ti与xi相同,也不允许变元xi 循环地出现在另一个tj中。例如: {a/x,f(b)/y,w/z}是一个代换 {g(y)/x,f(x)/y}不是代换
第3章_确定性推理方法(1)
3.3 谓词逻辑
3.3.2 谓词公式
1. 连接词 ~,∨,∧,→, 2. 量词:为刻画谓词与个体间的关系 – 全称量词(x) – 存在量词(x) 3. 谓词演算公式
–
原子谓词公式
由单个谓词构成的不含任何连接词的公式
3.3 谓词逻辑
– 可按下述规则得到谓词演算的合式公式: (1)原子谓词公式是合式公式。
3.1 推理的基本概念
3.1.4 推理的冲突消解策略
• • 是确定如何从多条匹配规则中选出一条规则作为启用规则 ,将它用于当前的推理。 目前已有的多种冲突消解策略的基本思想都是对匹配的知 识或规则进行排序,以决定匹配规则的优先级别,优先级 高的规则将作为启用规则。
•
常用排序方法有如下几种:
(1)按就近原则排序 (2)按知识特殊性排序 (3)按上下文限制排序 (4)按知识的新鲜性排序 (5)按知识的差异性排序 (6)按领域问题的特点排序 (7)按规则的次序排序 (8)按前提条件的规模排序
其基本思想是:首先从已知事实中猜测出一个结论,然 后对这个结论的正确性加以证明确认,数学归纳法就是 归纳推理的一种典型例子。 归纳推理又可分为: » 从特殊事例考察范围看:完全归纳推理、不完全归 纳推理; » 从使用的方法看:枚举归纳推理、类比归纳推理。
3.1 推理的基本概念
(3)默认推理:默认推理又称缺省推理,是在知识不完 全的情况下假设某些条件已经具备所进行的推理。
3.1 推理的基本概念
推理的定义
• 推理是指从已知事实出发,运用已掌握的知识,推导 出其中蕴含的事实性结论或归纳出某些新的结论的过 程。 • 推理所用的事实可分为两种情况,
① 一种是与求解问题有关的初始证据; ② 另一种是推理过程中所得到的中间结论,这些中间结 论可以作为进一步推理的已知事实或证据。
人工智能原理及应用第3章 确定性推理方法
3.1 推理概述
3.1.2 推理的方法
1.演绎推理: 例:有如下三个判断: ①计算机系的学生都会编程序;(一般性知识) ②程强是计算机系的一位学生;(具体情况) ③因此程强会编程序。(结论)
这是一个三段论推理。其中:“①计算机系的学生都会编程序” 是大前提,“②程强是计算机系的一位学生”是小前提,那么“③ 程强会编程序”是经演绎推出来的结论。其结论蕴含在大前提中, 这就是典型的演绎推理三段论。
N
Y Y
以正向推理结果为假设
输入进行反向推理
N
输出结果
Y
成功退出
需要进行正向推理吗?
3.1 推理概述
3.1.4 推理中的冲突
在推理过程中,系统要不断地用数据库中的事实与知识库中的 规则进行匹配,当有一个以上规则的条件部分和当前数据库相匹配 时,就需要有一种策略来决定首先使用哪一条规则,这就是冲突解 决策略。冲突解决策略实际上就是确定规则的启用顺序。
33演绎推理方法332演绎推理的特点正向演绎推理逆向演绎推理问题求解的描述事实文字与或形事实文字合取式规则lw规则wl目标文字析取形目标文字与或形初始与或图相应于事实表达式事实表达式的与或树相应于目标公式事实表达式的与或树演绎推理f规则事实目标b规则目标事实结束条件包含所有目标节点的一致解图以事实节点作为所有终节点的一致解图34归结推理方法341子句集及其化简342herbrand海伯伦定理343robinson鲁宾逊归结原理344利用归结推理进行定理证明345应用归结原理进行问题求解在谓词演算中利用前面列出的等价式和永真蕴含式可以从已知的一些公式推导出新的公式这个导出的公式叫做定理在推导过程中使用的推理规则序列就成了该定理的一个证明而这种推导就是归结推理方法
形成可用知识集
- 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)。
F=father(x,y) ∧ man(y) θ= {李四/X,李小四/Y} Fθ= father(李四,李小四) ∧ man(李小四) 结论: son(李小四,李四)
2018/10/12 《人工智能》 12
代换的复合
定义 设
θ= {t1/x1,t2/x2,…,tn/xn} λ= {u1/y1,u2/y2,…,um/ym} 是两个代换,则这两个代换的复合也是一个代换,它是从 {t1λ/x1,t2λ/x2,…,tnλ/xn,u1/y1,u2/y2,…,um/ym} 中删去如下两种元素: tiλ/xi 当tiλ=xi ui/yi 当yi∈{x1,x2,…,xn} 后剩下的元素所构成的集合,记为θ°λ 。 tiλ表示对ti运用λ进行代换。 θ°λ就是对一个公式F先运用θ进行代换,然后再运用 λ进行代换:F( θ°λ )=(F θ)λ
最一般合一是唯一的。
2018/10/12 《人工智能》 16
求取最一般合一
差异集:两个公式中相同位置处不同符号的集合。 例如:F1:P(x,y,z), F2:P(x,f(a),h(b)) 则D1={y,f(a)}, D2={z,h(b)} 求取最一般合一的算法: 1. 令k=0,Fk=F, σk=ε。 ε是空代换。 2. 若Fk只含一个表达式,则算法停止,σk就是最一般合一。 3. 找出Fk的差异集Dk。 4. 若Dk中存在元素xk和tk,其中xk是变元,tk是项,且xk不在tk中出 现,则置: Fk+1=Fk{tk/xk} σK+1=σk°{tk/xk} k=k+1 然后转(2)。若不存在这样的xk和tk则算法停止。 5. 算法终止,F的最一般合一不存在。
2018/10/12 《人工智能》 18
3.1 消解原理
消解原理也叫做归结原理。主要内容包括子句集的求取、 消解推理的规则和消解反演问题求解方法。
消解原理的基础知识:
在谓词逻辑中,把原子谓词公式及其否定统称为 文字。 例如: P(x), ¬P(x,f(x)) 任何文字的析取式称为子句(clause)。 例如: P(x)∨Q(x), ¬ P(x,f(x))∨Q(x,g(x)) 不包含任何文字的子句称为空子句。 合取范式:若干子句的合取(and) 例如: C1 ∧C2 ∧C3… ∧Cn 子句集: S= {C1 ,C2 ,C3… ,Cn}
不确定性匹配是指两个知识模式不完全一致,但是 它们的相似程度又在规定的限度内。
2018/10/12
《人工智能》
10
变量代换
定义 代换是一个有限集合 {t1/x1,t2/x2,…,tn/xn} 其中t1,t2,…,tn是项,项可以是常量、变量、函数; x1,x2,…,xn是互不相同的变元; ti/xi表示用ti代换 xi ; 一个合法的代换不允许ti与xi相同,也不允许变元xi 循环地出现在另一个tj中。例如: {a/x,f(b)/y,w/z}是一个代换 {g(y)/x,f(x)/y}不是代换
2018/10/12
《人工智能》
7
6.一些重要的等价式
交换律:P Q Q P 结合律:(P Q) R P (Q R) 分配律:P (Q R) (P Q)(P R) 德.摩根律: (P Q) P Q 双重否定律:P P 吸收律:P (P Q) P 补余律:P P T,P P F 连接词化归律:P Q P Q, P Q (P Q)(Q P)
2018/10/12
《人工智能》
4
2. 个体可以是常量、变元或者函数。 例如: Less(x,5),x是一个变元。 Teacher(father(wang)),其中father(wang)是一 个函数。 3.谓词的语义由人指定。 例如: S(x)可以表示x是一个人;也可以表示x是一朵花
2018/10/12
(x)(P(x, f (x))(Q(x, g(x)) R(x, g(x)))
2018/10/12 《人工智能》 21
3.1.1 化为子句集(3)
(5)化为前束形 :把所有全称量词移到公式的左边,并使 每个量词的辖域包括这个量词后面公式的整个部分。
所得公式称为前束形。
(x)(P(x, f (x))(Q(x, g(x)) R(x, g(x)))
(x)((y)P(x, y) (y)(Q(x, y) R(x, y))) (x)((y)P(x, y) (y)(Q(x, y) R(x, y)))
(2)减少否定符号的辖域:每个否定符号“¬”最多只用到 一个谓词符号上,即利用等价关系把“¬”移到紧靠谓 词的位置上。上式经等价变换后 (x)((y)P(x, y) (y)(Q(x, y) R(x, y))) (x)((y)P(x, y) (y)(Q(x, y) R(x, y)))
2018/10/12 《人工智能》 8
7.一些重要的永真蕴含式
化简式:P Q P, P Q Q 附加式:P P Q,Q P Q 析取三段论:P,P Q Q 假言推理:P,P Q Q 拒取式:Q,P Q P 假言三段论:P Q,Q R P R 二难推论:P Q,P R,Q R R 全称固化:(x)P(x) P(y) 存在固化:(x)P(x) P(a)
第3章 推理技术
本章主要内容:
3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8
消解原理 规则演绎系统 产生式系统 基于概率的推理 可信度方法 证据理论 模糊推理(
推理方式及其分类
1. 演绎推理、归纳推理、默认推理 演绎推理:从一般到特殊。例如三段论。 归纳推理:从个体到一般。 默认推理:缺省推理,在知识不完全的情况下假设某 些条件已经具备所进行的推理。 2. 确定性、不确定性推理 3. 单调性、非单调推理 推出的结论是否单调增加。 4. 基于知识的推理、统计推理、直觉推理
2018/10/12
《人工智能》
3
谓词逻辑基本概念
1. 一个谓词分为谓词名与个体两个部分。 谓词名刻画个体的性质、状态或个体间的关系。 个体表示独立存在的事物或者概念。 例如: Teacher(zhang),Greater(5,3) 谓词的一般形式 P (x1, x2,…,xn) 其中,P是谓词名,x1, x2,…,xn是个体。谓词名通常用大 写的英文字母表示,个体通常用小写的英文字母表示。该 谓词是一个原子谓词公式。
《人工智能》 19
2018/10/12
3.1.1 化为子句集
在进行消解过程之前, 首先需要将谓词演算公式化为一 个子句集。其变换过程由下列几个步骤组成: (1)消去蕴涵符号: 等价关系P Q P Q 例如: (x)((y)P(x, y) (y)(Q(x, y) R(x, y)))
2018/10/12 《人工智能》 15
最一般的合一
定义 设σ是公式集F的一个合一,如果对任一个合一θ都 存在一个代换λ,使得θ=σ°λ,则称σ是一个最一般的 合一。 代换过程是一个用项(常数,函数,变量)代替变元 的过程,因此是一个从一般到特殊的过程。
F= P(x,y) ∧ Q(y) θ= {a/x,f(z)/y} Fθ=P(a,f(z)) ∧ Q(f(z))
《人工智能》
5
4. 连接词 非:¬ ;析取:∨;合取:∧;蕴含:→; 双向蕴含:
谓词逻辑真值表
P T T F F
2018/10/12
Q T F T F
¬ P
F F T T
P∨Q T T T F
P∧Q T F F F
P→Q T F T T
P Q T F F T
6
《人工智能》
5. 谓词公式 (well formed formulas) 定义: 按下述规则得到的合式公式: (1) 单个谓词是合式公式,称为原子公式; (2) 若A是合式公式,则 A 也是合式公式; (3) 若A,B是合式公式,则 A B, A B, A B, A B 都是合式公式; (4) 若A是合式公式,x是任一个体变元,则 (x) A,(x) A 都是合式公式; (5) 运用有限步上述规则得到的公式是合式公式。
2018/10/12 《人工智能》 17
求取最一般合一的例子
例如,设 F={P(a,x,f(g(y))),P(z,f(z),f(u))} 求其最一般合一。 令F0=F, σ0=ε。F0中有两个表达式,所以σ0不是最一般合一。 差异集:D0={a,z}。代换: {a/z} F1= F0 {a/z}={P(a,x,f(g(y))),P(a,f(a),f(u))} 。 σ1=σ0°{a/z}={a/z} 差异集: D1={x,f(a)} 。代换: {f(a)/x} F2=F1{f(a)/x}={P(a,f(a),f(g(y))),P(a,f(a),f(u))} 。 σ2=σ1°{f(a)/x}={a/z,f(a)/x} 差异集: D2={g(y),u} 。代换: {g(y)/u} F3=F2{g(y)/u}={P(a,f(a),f(g(y))),P(a,f(a),f(g(y)))} 。 σ3=σ2°{g(y)/u}={a/z,f(a)/x,g(y)/u} F3=Fσ3
2018/10/12 《人工智能》 20
3.1.1 化为子句集(2)
(3)对变量标准化 :使不同量词约束的变元有不同的名字, 通过变量更名来完成。例如,上式经变换后
(x)((y)P(x, y)(z)(Q(x, z) R(x, z)))
(4)消去存在量词:分两种情况
a)存在量词不出现在全称量词的辖域内,则只要用一个新 的个体常量替换受该量词约束的变元。 b)存在量词位于一个或者多个全称量词的辖域内,此时要用 Skolem函数f(x1,x2,…,xn)替换受该存在量词约束的变元。 上式中存在量词(y)及(z)都位于(x)的辖域内,所以需要 用Skolem函数替换,设替换y和z的Skolem函数分别是f(x)和 g(x),则替换后得到