人工智能自动推理(第3部分 归结原理及其应用)

合集下载

人工智能及应用_ch3_3

人工智能及应用_ch3_3

归结的一般过程-示例 归结的一般过程 示例
例:设有如下子句集 S={¬I(x)VR(x),I(a), VR(x),I(a),¬R(y)VL(y), VL(y),¬L(a)} VR(x),I(a), VL(y), 用广度优先策略证明S不可满足 不可满足。 用广度优先策略证明 不可满足。 证明: 出发, 证明:从S出发,依次构造 1 ,S2 ,S3 ,。。。 出发 依次构造S 直到出现空子句为止。 直到出现空子句为止。
删除策略-纯文字删除 删除策略 纯文字删除
如果某个文字L 如果某个文字L在子句集中不存在与其互补的 文字¬L 称此文字为纯文字。 ¬L, 文字¬L,称此文字为纯文字。 纯文字删除法是删除子句集中包含纯文字的子 句。 S={PVQVR,¬QVR, 例:设子句集 S={PVQVR,¬QVR,Q,¬R} 为纯文字,删除子句PVQVR PVQVR, P为纯文字,删除子句PVQVR,然后对 {¬QVR, ¬R}进行归结。 {¬QVR,Q,¬R}进行归结。
示例的归结图
S0 S1
σ={a/y}
¬I(x)VR(x)
σ={a/x}
I(a)
¬R(y)VL(y)
σ={x/y}
¬L(a)
σ={a/y}
R(a)
¬I(y)VL(y)
σ={a/y} σ={a/y} σ={a/x}
¬R(a)
S2
L(a)
L(a)
¬I(a)
¬I(a)
NIL
归结演绎中的策略
盲目全面进行归结,产生许多无用归结式, 盲目全面进行归结,产生许多无用归结式,更 严重的是产生组合爆炸问题。 严重的是产生组合爆炸问题。 常用的归结策略分为两大类: 常用的归结策略分为两大类: – 删除策略:通过删除某些无用的子句缩小 删除策略: 归结的范围。 归结的范围。 – 限制策略:通过对参加归结的子句进行某 限制策略: 些限制减少归结的盲目性。 些限制减少归结的盲目性。

人工智能教程习题及答案第3章习题参考解答

人工智能教程习题及答案第3章习题参考解答

第三章确定性推理方法习题参考解答3.1 练习题3.1 什么是命题?请写出3个真值为T 及真值为F 的命题。

3.2 什么是谓词?什么是谓词个体及个体域?函数与谓词的区别是什么?3.3 谓词逻辑和命题逻辑的关系如何?有何异同?3.4 什么是谓词的项?什么是谓词的阶?请写出谓词的一般形式。

3.5 什么是谓词公式?什么是谓词公式的解释?设D= {1,2} ,试给出谓词公式( x)( y)(P(x,y) Q(x,y))的所有解释,并且对每一种解释指出该谓词公式的真值。

3.6对下列谓词公式分别指出哪些是约束变元?哪些是自由变元?并指出各量词的辖域。

(1)( x)(P(x, y) ( y)(Q(x, y) R(x, y)))(2)( z)( y)(P(z, y) Q(z, x)) R(u, v)(3)( x)(~ P( x, f (x )) ( z)(Q(x,z) ~ R(x,z)))(4)( z)(( y)(( t)(P(z, t) Q(y, t)) R(z, y))(5)( z)( y)(P(z, y) ( z)(( y)(P(z, y) Q(z, y) ( z)Q(z, y))))什么是谓词公式的永真性、永假性、可满足性、等价性及永真蕴含?3.7什么是置换?什么是合一?什么是最一般的合一?3.8判断以下公式对是否可合一;若可合一,则求出最一般的合一:3.9(1)P(a,b) ,P(x, y)(2)P(f(z),b) ,P(y, x)(3)P(f(x), y) ,P(y, f(a))(4)P(f(y), y,x) ,P(x, f(a), f(b))(5)P(x, y) ,P(y, x)什么是范式?请写出前束型范式与SKOLEM 范式的形式。

3.10什么是子句?什么是子句集?请写出求谓词公式子句集的步骤。

3.113.12谓词公式与它的子句集等值吗?在什么情况下它们才会等价?3.13 把下列谓词公式分别化为相应的子句集:(1)( z)( y)(P(z, y) Q(z, y))(2)( x)( y)(P(x, y) Q(x, y))(3)( x)( y)(P(x, y) (Q(x, y) R(x, y)))(4)( x)( y)( z)(P(x, y) Q(x, y) R(x, z))(5)( x)( y)( z)( u)( v)( w)(P(x, y,z,u,v,w) (Q(x, y, z,u, v, w) ~R(x, z, w)))3.14 判断下列子句集中哪些是不可满足的:(1)S {~ P Q,~ Q,P,~ P}(2)S {P Q,~ P Q,P ~ Q,~ P ~ Q}(3)S {P(y) Q(y), ~ P(f(x)) R(a)}(4)S {~ P(x) Q(x), ~ P(y) R(y), P(a),S(a),~ S(z) ~ R(z)}(5)S {~ P(x) ~ Q(y) ~ L(x, y), P(a), ~ R(z) L(a, z), R(b), Q(b)}(6)S {~ P(x) Q(f(x), a), ~ P(h(y)) Q(f(h(y)), a) ~ P(z)}(7)S {P(x) Q(x) R(x),~ P(y) R(y),~Q(a),~ R(b)}(8)S {P(x) Q(x),~ Q(y) R(y), ~ P(z) Q(z),~ R(u)}3.15 为什么要引入Herbrand 理论?什么是H 域?如何求子句集的H 域?3.16 什么是原子集?如何求子句集的原子集?3.17 什么是H 域解释?如何用域D 上的一个解释I 构造H 域上的解释I *呢?3.18 假设子句集S={P(z) ∨Q(z),R(f(t))} ,S 中不出现个体常量符号。

归结原理及其应用

归结原理及其应用
称为 “ 条件 ” “ 含 ” — Q表 或 蕴 。P 图 1 真 值 表 一 : 示“ P蕴 含 Q , 如果 P 则 Q” ” 即“ , 。
其真值 表如 图 1 。 2 2 永真蕴 含 .
可知, 若对子句集 ( 一次或多次) 使用归结原理的
过程 中 , 在某 一步 推 出 了空 子 句 , 就推 出子 句 若 则
度 比只用 C R A T方 法 要 高 。 因此 , 用 P A属 性 应 C 归约 和 C R A T分类 回归 树 的方 法可 以很好 的应 用
[ ] nk nL, hoFn , sw rK e i JsnL co 3 Mi u i S u e g I a .St , ao ui g h h w,
维普资讯
第 3 (0 7 第 5期 5卷 20 )
计算机与数字工程
13 8
归结 原 理及 其 应 用
肖启 莉 肖启 敏
( 浙江万里学院 宁波 3 50 ) 空军第一航空学院 信 阳 44 0 ) 1 10 ( 60 0 摘 要 归结演绎推理是一种在计算机上得到较好实现的基于归结 原理 的推 理技术 , 介绍归结 原理 的基本 思想 以及 归结原理
参 考 文 献
[ ] .B e a , ,H r d a ,R .Ose n ,J 4 L ri n J ,Fi m n .A l nad C . m e h So e l s ct nadR ges nTesM] e o t t .Ca i ai n ersi re[ .B l n , n sf o i o m
集 中至少有 一个 子句 不可满 足 了矛 盾 , 而证 明 了 从
子句 集是不 可满 足 的
定 义 1对 于 渭 词 公 式 P和 Q, 果 P Q 永 : 如 — 真 , 称 P永 真 蕴含 Q, 称 Q 为 P的 逻辑 结 论 , 则 且 称 P为 Q的前提 , 记作 P jQ。 由以上定 义 1 真值 表可 以得 出 : 及

人工智能第三章谓词逻辑与归结原理

人工智能第三章谓词逻辑与归结原理
• 如P(x) ∨ Q(y)与~P(a) ∨ R(z)
• 所以要考虑置换与合一。即对变量 作适当的替换。
《人工智能》第三章 谓词逻辑与归结原理
置换
• 置换:可以简单的理解为是在一个谓词公式中用 置换项去置换变量。
• 定义: 置换是形如{t1/x1, t2/x2, …, tn/xn}的有限集合。其 中,x1, x2, …, xn是互不相同的变量,t1, t2, …, tn是 不同于xi的项(常量、变量、函数);ti/xi表示用ti 置换xi,并且要求ti与xi不能相同,而且xi不能循环 地出现在另一个ti中。
例如: {a/x,c/y,f(b)/z}是一个置换。 {g(y)/x,f(x)/y}不是一个置换。
《人工智能》第三章 谓词逻辑与归结原理
置换的合成
• 设={t1/x1, t2/x2, …, tn/xn}, ={u1/y1, u2/y2, …, un/yn},是两个置换。 则与的合成也是一个置换,记作·。它是从集合
• 最一般合一求取方法
– 令W={F1,F2} – 令k=0,W0=W, σ0=ε – 如果Wk已合一,停止, σk=mgu,否则找Dk – 若Dk中存在元素vk和tk,其中,vk不出现在tk中,转下一
步,否则,不可合一。 – 令σk+1= σk.{tk/vk},Wk+1=Wk{tk/vk}=W σk+1 – K=k+1转第3步。
《人工智能》第三章 谓词逻辑与归结原理
谓词归结子句形
• 子句与子句集
– 文字:不含任何连接词的谓词公式。 – 子句:一些文字的析取(谓词的和)。 – 空子句:不含任何文字的子句。记作NIL或
□ – 子句集:所有子句的集合。 – 对于任何一个谓词公式G,都可以通过

第三章 谓词逻辑与归结原理

第三章 谓词逻辑与归结原理

以正向推理所得结果作为假设进 行反向推理
退出
是 还需要正向推理吗?

2014-4-9
18
华北电力大学
概述-推理的控制策略
搜索策略
推理时,要反复用到知识库中的规则,而知识库中 的规则又很多,这样就存在着如何在知识库中寻找 可用规则的问题 为有效控制规则的选取,可以采用各种搜索策略 常用搜索策略:
归结推理方法在人工智能推理方法中有着很重 要的历史地位,是机器定理证明的主要方法
2014-4-9
25
华北电力大学
归结法的特点
归结法是一阶逻辑中,至今为止的最有效的半可 判定的算法。也是最适合计算机进行推理的逻辑 演算方法 半可判定 一阶逻辑中任意恒真公式,使用归结原理,总 可以在有限步内给以判定(证明其为永真式) 当不知道该公式是否为恒真时,使用归结原理 不能得到任何结论
(5) 上下文限制
上下文限制就是把产生式规则按它们所描述的上下文分组,在某种 上下文条件下,只能从与其相对应的那组规则中选择可应用的规则
2014-4-9
22
华北电力大学
概述-推理的控制策略
推理的控制策略
3.冲突解决策略
(6) 按匹配度排序
在不精确匹配中,为了确定两个知识模式是否可以进行匹配,需要 计算这两个模式的相似程度,当其相似度达到某个预先规定的值时,就 认为它们是可匹配的。若有几条规则均可匹配成功,则可根据它们的匹 配度来决定哪一个产生式规则可优先被应用
如专家系统、智能机器人、模式识别、自然语言理解等
推理
按照某种策略从已有事实和知识推出结论的过程。 推理是由程序实现的,
称为推理机
医疗诊断专家系统
• 知识库中存储经验及医学常识 • 数据库中存放病人的症状、化验结果等初始事实 • 利用知识库中的知识及一定的控制策略,为病人诊治疾病、开出医疗处方就 是推理过程

《人工智能》-第三章__确定性推理

《人工智能》-第三章__确定性推理

感”。
15
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
16
3.1.3 推理的方向
正向推理
逆向推理

(反 向 推 理 )



混合推理
双向推理
数据库 知识库
专家
推理机
用户
17
3.1.3 推理的方向
1. 正向推理
正向推理(事实驱动推理): 已知事实 → 结论
Powerpoint
人工智能
教材: 蔡自兴等《人工智能及其应用》(第4版) 清华大学出版社,2010. 5
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 ❖ 3.7 盲目搜索 ❖ 3.8 产生式系统 ❖ 3.9 启发式搜索 ❖ 3.10 非单调推理 ❖ 3.11 消解原理
利用逆向推理中得到的信息进行正向推理,以推出更多的结论。
24
25
26
3.1.3 推理的方向
4. 双向推理
双向推理:正向推理与逆向推理同时进行,且在推理过 程中的某一步骤上“碰头”的一种推理。
中间结论
已知事实 正向推理 证
反向推理 假设目标 据
27
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
P(x) Q(x), P(x, f (x)) Q(x, g(x))
❖ 空子句(NIL):不包含任何文字的子句。

人工智能AI讲稿3(精确推理1)精品PPT课件

人工智能AI讲稿3(精确推理1)精品PPT课件
第三章经典逻辑推理基本概念自然演绎推理归结演绎推理推理方式及分类推理方向模式匹配冲突消解策略简述子句及其化约海伯伦理论鲁滨逊归结原理归结反演用归结原理求解问题归结策略归结推理的不足归结演绎推理海伯伦herbrand理论1子句集s的不可满足?s对任一个体域的所有解释都不满足例1
人工智能(Artificial Intelligence) 基本原理(3)
例4: F1=P(x,y,z) ,F2=P(x,f(a),h(b)) D1={y,f(a)},D2={z,h(b)}
基本概念-模式匹配(6)
最一般合一的求解步骤:
1)令k 0,Fk F, k= (空代换)
2) Fk只含一个表达式,stop得 k
3)找出差异集Dk
4) 若 tk, xk∈ Dk 且xk在 tk中不出现 ,则:
推理规则
自然演绎推理-推理规则
P规则:在推理的任何步骤都可引入前提
T规则:若前面的公式永真蕴涵公式S,则S可引入推理过程
CP规则:若能从R和前提集合中推出S,则可从前提集合推
出R→S
反证法: P Q 当且仅当 P∧﹁ Q F
反证法定理:Q为P1, P2,…,Pn的逻辑结论,当且仅当
(P1 ∧ P2 ∧ … ∧ Pn) ∧﹁ Q 是不可满足的。
基本概念-模式匹配(3)
定义2:代换 从
= {t1/x1, t2/x2,…, tn/xn}, 则复合代换 °
= { 1/y1, 2/y2,…, m/ym}
{t1 m/ym}
/x1, t2 /x2,…, tn /xn , 1/y1, 2/y2,…,
ti /xi ,当ti =xi i/yi, 当yi∈ {x1, x2,…,xn}
自然演绎推理-主要等价式(2)

人工智能演绎推理

人工智能演绎推理

第三章演绎推理自动定理证明是人工智能一个重要的研究领域,是早期取得较大成果的研究课题之一,在发展人工智能方法上起过重大作用。

1956,美国,Newell, Simon, Shaw编制逻辑理论机:The Logic Theory Machine 简称LT. 证明了《数学原理》(罗素)第二章中38个定理, 改进后证明了全部52个定理。

是对人的思维活动进行研究的重大成果,是人工智能研究的真正开端。

在此之后,发展了一些机械化推理算法,很成功地用到人工智能系统中。

第一节鲁滨逊归结原理一、命题逻辑中归结推理1.归结:消去子句中互补对的过程:子句:任何文字的析取式C称为子句,C=P∨Q∨7R={P,Q,7R}如:C1=LVC1`={L,C1`}C2=7LVC2`={7L,C2`}可以证明C12=C1`VC2`={C1`,C2`}是C1,C2的逻辑结论:即:C1∧C2⇒C12证明:C1=LVC1`=77C1`VL=7C1`→LC2=7LVC2`=L→C2`所以7C1`→C2`=77C1`VC2`=C1`VC2`实际上是P→Q, Q →R⇒P→R的应用即前提成立⇒结论成立,也即结论不成立⇒前提不成立S子句集:其中有C1,C2归结式S`子句集:C12代替C1,C2则:S`不可满足⇒S不可满足2.归结推理步骤要证A⇒B成立(或证A→B重言、永真),只要证A∧7B不可满足(永假)①化A∧7B为合取范式C1∧C2∧……∧Cm②子句集S={C1,C2,…, Cm}③归结规则用于S,归结式入S中.④重复③,直到S中出现空子句。

证明:SVR是P∨Q , P→R,Q→S的逻辑结论。

(P∨Q) ∧(P →R) ∧(Q→S) ∧7(S∨R)=(P∨Q)∧(7P∨R) ∧(7Q∨S) ∧7S∧7R所以S={P∨Q,7P∨R,7Q∨S,7S,7R}(1)P∨Q(2)7P∨R(3)7Q∨S(4)7S(5)7R(6)Q∨R (1)(2) 归结(7)7Q (3)(4) 归结(8)Q (5)(6) 归结(9)F (7)(8) 归结命题逻辑中不可满足的子句集S,使用归结原理,总能在有限步内得到一个空子句⇒归结原理是完备的。

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

Y
失败退出
成功退出
逆向推理的流程图
22
逆向推理




对上例,采用逆向推理,其推理过程如下: 推理开始前,综合数据库和假设集均为空。 推理开始后,先将初始证据A和目标C分别 放入综合数据库和假设集,然后从假设集中取 出一个假设C,查找C是否为综合数据库中的 已知事实,回答为“N”。 再检查C是否能被知识库中的知识所导出, 发现C可由r1 导出,于是r1 被放入可用知识集。 由于知识库中只有r1可用,故可用知识集中仅 含r1。
13
正向推理


正向推理是从已知事实出发、正向使用推理规 则,亦称为数据驱动推理或前向链推理。 算法描述 (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了问题的解, 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(5)。
11
推理的控制策略

推理过程不仅依赖于所用的推方法,同时也依 赖于推理的控制策略。 推理的控制策略是指如何使用领域知识使推理 过程尽快达到目标的策略。


控制策略的分类:由于智能系统的推理过程一 般表现为一种搜索过程,因此,推理的控制策 略可分为推理策略和搜索策略。
推理策略:主要解决推理方向、冲突消解等问 题,如推理方向控制策略、求解策略、限制策 略、冲突消解策略等
18
正向推理

正向推理的主要优点
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。 正向推理的主要缺点

推理无明确目标,求解问题是可能会执行许多 与解无关的操作,导致推理效率较低。

人工智能原理及应用第3章 确定性推理方法

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

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 归结推理方法
• 概述 • 命题逻辑的归结法 • 谓词归结子句形 • 归结原理 • 归结过程的策略控制 • Herbrand定理
《人工智能原理》第三章 归结推理方法
归结 推理
命题 逻辑
谓词逻 辑
Herbrand 定理
数理 逻辑
命题逻辑 归结
基本 概念
谓词逻辑 归结原理
Skolem标准形、 子句集
C1ΛC2 → C12 ,注意:反之不一定成立。
《人工智能原理》第三章 归结推理方法
命题逻辑的归结法
• 归结过程 p87
– 将命题写成合取范式 – 求出子句集 – 对子句集使用归结推理规则 – 归结式作为新子句参加归结 – 归结式为空子句□ ,S是不可满足的(矛盾),原
命题成立。
•(证明完毕) • 谓词的归结:除了有量词和函数以外,其余和
《人工智能原理》第三章 归结推理方法
3.1.1 命题
• 命题:能判断真假(不是既真又假)的陈述句。
简单陈述句描述事实、事物的状态、关系等性质。
例如:1. 1+1=2 • 2. 雪是黑色的。 • 3. 北京是中国的首都。 • 4. 到冥王星去渡假。
判断一个句子是否是命题,有先要看它是否是陈述句,而后看它的 真值是否唯一。以上的例子都是陈述句,第4句的真值现在是假, 随着人类科学的发展,有可能变成真,但不管怎样,真值是唯一 的。因此,以上4个例子都是命题。
前提引入 假言推理 引入否定结论 拒取式 前提引入 简化⑤ ⑥ ⑦合取
《人工智能原理》第三章 归结推理方法
命题逻辑的归结法
• 建立子句集(例如P86/3.5 3.6)
✓ 合取范式:命题、命题和的与, 如: PΛ( P∨Q)Λ( ~P∨Q)

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
自动化推理
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。

人工智能第三章确定性推理80

人工智能第三章确定性推理80
(1) 原子谓词公式是合式公式。 (2) 若A是合式公式,则~A也是合式公式。
(3)若A和B都是合式公式,则A∧B、A∨B、A→B、AB也都
是合式公式。 (4)若A是合式公式,x是任一个体变元,则(x)A和(x)A也都
是合式公式。 (5)只有按(1)—(4)所得的公式才是合式公式。
3.3 谓词逻辑
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,引入了两个量词:全称量词 (x),和存在量词(x)。 3. 谓词演算公式 定义3.4 谓词演算中,由单个谓词构成的不含任何连接词的公式, 叫做原子谓词公式。
3.3 谓词逻辑
由原子公式的定义出发,可定义谓词演算的合式公式如下。 定义3.5 可按下述规则得到谓词演算的合式公式:
第三章 确定性推理
按照推理过程所用知识的确定性,推理可分为确定性 推理和不确定性推理。
自然演绎推理和归结推理是经典的确定性推理,它们 以数理逻辑的有关理论、方法和技术为理论基础,是机械 化的、可在计算机上加以实现的推理方法。
本章在讨论有关推理的一般概念以及命题和谓词逻辑 的基础上,介绍自然演绎推理方法和基于一阶谓词逻辑的 归结推理方法。
谓词的一般形式: P(x1,x2,…,xn ) 其中P是谓词,而x1,x2,…,xn是个体。谓词通常用大写字母 表示,个体通常用小写字母表示。
项:在谓词中,个体可以是常量,也可以是变量,还可 以是一个函数。例如,“小刘的哥哥是个工人”,可以表 示 为 worker(brother(Liu)) , 其 中 brother(Liu) 是 一 个 函 数 。 个体常数、变量和函数统称为项。
3.2 命题逻辑
3.2.1 命题

第三章 自动推理

第三章 自动推理
– 假言推理: P,P→Q, => Q。已知P为真,且P→Q,则Q为真。 – 例如:铜是金属 ; 如果x是金属,则x可以导电; 铜可以导电
– 拒式假言推理: P→Q, ¬Q , => ¬ P。如果P→Q为真,但Q不成立, 则P也不成立。
– 例如:如果x是金属,则x可以导电; 木头不导电; 木头不是金属
1
• 人工智能可以看作是对人类智能现象的模拟。人的智能,具有 抽象、总结、记忆知识的能力。在第二章中,我们介绍的知识 表示方法,就是对人类智能这种能力的模拟。关于知识表示方 法的研究贯穿了AI研究历史,可以说是AI研究的基础。
• 但是,仅让计算机具有表示和存储知识的能力是远远不够的, 要想模拟智能现象,还需要研究如何让计算机使用知识,即让 计算机学会“思考”。
• 那,什么是思考呢?或者说,人类智能思考表现出来是什么样 子的呢?
3
推理与人工智能
对此,学者们普遍认为逻辑和推理是智能思维的一种 重要表现形式,研究如何使计算机能够进行“逻辑思维”, 就成为人工智能研究的重点之一。
在达特茅斯会议上,西蒙和纽厄尔带来的“逻辑理论家” 程序,可以自动证明《数学原理》重的几十个定理。此后定 理证明成为人工智能的重要分支,引领了符号主义和逻辑智 能的发展。
– 大前提:运动员的身体都很强壮; – 小前提:小张是一个云党员; – 结论: 小张的身体很强壮。
6
推理的方向
• 除了推理类型,在完成一个证明时,我么还要考虑推理的方向。即,正向推理、 反向推理。
• 正向推理:从已知的事实命题出发,采用逻辑推理规则,与知识库中的知识匹 配,产生新的事实,直至结论出现在事实集中。常用的逻辑推理规则包括:
– 如数学定理证明,通常都是确定性证明。

人工智能PPT课件(共12章)第3章确定性推理

人工智能PPT课件(共12章)第3章确定性推理
正向推理,但并不能推导出最终目标;另一方面
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,

第三章演绎推理

第三章演绎推理

第三章演绎推理自动定理证明是人工智能一个重要的研究领域,是早期取得较大成果的研究课题之一,在发展人工智能方法上起过重大作用。

1956,美国,Newell, Simon, Shaw编制逻辑理论机:The Logic Theory Machine 简称LT. 证明了《数学原理》(罗素)第二章中38个定理, 改进后证明了全部52个定理。

是对人的思维活动进行研究的重大成果,是人工智能研究的真正开端。

在此之后,发展了一些机械化推理算法,很成功地用到人工智能系统中。

第一节鲁滨逊归结原理一、命题逻辑中归结推理1.归结:消去子句中互补对的过程:子句:任何文字的析取式C称为子句,C=P∨Q∨7R={P,Q,7R}如:C1=LVC1`={L,C1`}C2=7LVC2`={7L,C2`}可以证明C12=C1`VC2`={C1`,C2`}是C1,C2的逻辑结论:即:C1∧C2⇒C12证明:C1=LVC1`=77C1`VL=7C1`→LC2=7LVC2`=L→C2`所以7C1`→C2`=77C1`VC2`=C1`VC2`实际上是P→Q, Q → P⇒P→R的应用即前提成立⇒结论成立,也即结论不成立⇒前提不成立S子句集:其中有C1,C2归结式S`子句集:C12代替C1,C2则:S`不可满足⇒S不可满足2.归结推理步骤要证A⇒B成立(或证A→B重言、永真),只要证A∧7B不可满足(永假)①化A∧7B为合取范式C1∧C2∧……∧Cm②子句集S={C1,C2,…, Cm}③归结规则用于S,归结式入S中.④重复③,直到S中出现空子句。

证明:SVR是P∨Q , P →R,Q→S的逻辑结论。

(P∨Q) ∧(P →R) ∧(Q→S) ∧7(S∨R)=(P∨Q)∧(7P∨R) ∧(7Q∨S) ∧7S∧7R所以S={P∨Q,7P∨R,7Q∨S,7S,7R}(1)P∨Q(2)7P∨R(3)7Q∨S(4)7S(5)7R(6)Q∨R (1)(2) 归结(7)7Q (3)(4) 归结(8)Q (5)(6) 归结(9)F (7)(8) 归结命题逻辑中不可满足的子句集S,使用归结原理,总能在有限步内得到一个空子句⇒归结原理是完备的。

人工智能导论 第3章 确定性推理方法(导论) [兼容模式]

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。

AI(确定性推理3)

AI(确定性推理3)

三、归结反演推理的归结策略
(2)重言式删除法 重言式是真值为真的子句。 如果一个子句中包含有互补的文字对,则称该子 句为重言式。例如 P(x)∨﹁P(x), P(x)∨Q(x)∨﹁P(x) 都是重言式,不管P(x)的真值为真还是为假, P(x)∨﹁P(x)和P(x)∨Q(x)∨﹁P(x)都均为真。 对一个子句集来说,不管是增加还是删除一个真 值为真的子句,都不会影响该子句集的不可满足 性。因此,可从子句集中删去重言式。
﹁A∨C ﹁C ﹁B∨G ﹁G
Байду номын сангаас
A∨B B 归结得到了空子句NIL, 从而证明了目标公式。 可见与正向演绎推理所 得到的结果是一致的。
﹁A
﹁B
NIL
一、规则正向演绎推理
(2)谓词逻辑的规则演绎过程
在谓词逻辑情况下,由于事实、F规则及目标中均含有 变元,因此,其规则演绎过程还需要用最一般合一对变进 行置换。 例3.26 设已知事实的与/或形表示为: P(x, y)∨(Q(x)∧R(v, y)) F规则为: P(u, v)→(S(u)∨N(v)) 目标公式为:S(a)∨N(b)∨Q(c)
一、规则正向演绎推理
(1)
利用 “P→Q⇔﹁P∨Q”,消去蕴含符号。
(注:事实表达式中很少有 “→” ,而规则中才有)
(2) 利用狄.摩根定律及量词转换率把“﹁”移到 紧靠谓词的位置,直到每个否定符号的辖域 最多只含一个谓词为止。 (3) 对所得到的表达式进行前束化。 (4) 对全称量词辖域内的变量进行改名和标准 化,对存在量词量化的变量用skolem函数代 替,使不同量词约束的变元有不同的名字。
一、规则正向演绎推理
(1)命题逻辑的规则演绎过程 由于命题逻辑中的公式不含变元,因此其规则演 绎过程比较简单。 例3.25 设已知事实为:A∨B F规则为: r1: A→C∧D r2: B→E∧G 目标公式为:C∨G 推理过程:先将已知事实用与/或树表示出来,然后 再用匹配弧把r1和r2分别连接到事实与/或树中与r1和 r2前件匹配的两个不同端节点,由于出现了以目标节 点为终节点的解树,故推理过程结束,如图示。

920090-人工智能导论(第4版)-第3章 确定性推理方法(导论)

920090-人工智能导论(第4版)-第3章 确定性推理方法(导论)
6
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)


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
  1. 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. 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. 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)。
应的所有变量,并且去掉第一个存在量词而得出 的公式,(k=1,…,m),显然 S Gm。与上面的证明相似, 可以证明 Gk1 是不可满足的,当且仅当 Gk 是不可 满足的(k=1,…,m)。所以可以断定, G 是不可满 足的,当且仅当S 是不可满足的。
例3.6 G (x)P(x)的SKOLEM标准形与 G并不是等值 的。
(1)C1: P R,C2 :~ P Q
子句C1中的文字P和子句 C2中~ P 的文字是互补的。 由 C1和 C2 中分别删除 P和~ P,并且构造两个子句 的 其 余 部 分R 和 Q的 析 取 式 , 得 出 归 结 式 为 RQ 。
这两个被归结的子句可以写成:~ R P, P Q,根据 假言三段论,可以推出~ R Q,它等价于 R Q 。 因此可以知道假言三段论是归结的一个特例。
真,只要在论域D中能找到一个个体x 0使 P( x0)为真。而
G1 =P(a) 是 从 论 域 中 选 定 一 个 个 体 a , 这 样 不 能 保 证 P(a)为真。
例3.7 G (x)(y)P(x, y)
G1 (x)P(x, f (x))
考虑G 与G1 的逻辑关系。 仍在论域D={1,2}上讨论。便有
子句型
Clause form
归结证明过程是一种反驳程序,即:不是证明一 个公式是有效的(valid),而是证明公式之非是不 可 满 足 的 (unsatisfiable)。 这 完 全 是 为 了 方 便 , 并且不失一般性。我们知道,归结推理规则所应 用的对象是命题或谓词合式公式的一种特殊的形 式,称为子句。因此在进行归结之前需要把合式 公式化为子句式。
很F推1∧理显F方然2∧法F…1就∧∧F是F2∧从n∧…F~1∧∧BFF是n2∧矛…盾G 是∧(永F重n∧假言~)式式B等出。价归发
于 结 ,
使用归结推理规则来寻找矛盾,最后证明定

F1∧F2∧…∧Fn G
的成立。这种方法可称作反演推理方法。
子句与子句集
Clause and clause set
为 使 用 归 结 方 法 , 首 先 要 把 F标1∧准F形2∧式…。∧一F般n∧地~,G归化结成推一理种规称则作所子应句用形的的对 象是命题或谓词公式的一种特殊的形式,称为 子句(Clause)
例3.4 证明 (P Q) ~ Q ~ P 先将 (P Q) ~ Q ~ (~ P)
化成合取范式,得 (~ P Q) ~ Q P
建立子句集
S {~ P Q, ~ Q, P}
对S做归结
(1) ~ P Q
(2) ~ Q
(3) P (4) ~ P (1)(2)归结 (5) □ (3)(4)归结 证毕。
3.8.1 命题逻辑中的归结法
Resolution method in propositional logic
设求成这立有来就,命证是或题明我说逻在们F1辑的F∧1∧描问F2F述∧题2∧的…。…命∧如∧题F何nFF建n1成,G立是F立推2定的,…理理条,规F(件重n则和下言,G有,式要来G),
证明这个定理便是我们的任务。
归结推理过程
Resolution reasoning procedure
从子句集S出发,仅只对S的子句间使用归结 推理规则,并将所得归结式仍放入S中,进而 再对新子句集使用归结推理规则,重复这些步 骤直到得到空子句□,便说明S是不可满足的,
从而与S对应的定理F1∧F2∧…∧Fn G是成
立的。
因为归结推理规则是正确的推理规则,归结式 是原两子句的逻辑推论,于是归结过程出现空 子句□,说明S中必有矛盾。
3.8.2 谓词逻辑中的归结法
Resolution method in predicate logic
和命题逻辑一样,在谓词逻辑中也具有归 结推理规则和归结反演过程。只是由于谓词 逻辑中存在量词、个体变元等问题,使得谓 词逻辑中的归结问题比命题逻辑中的归结问 题复杂很多。下面就来介绍谓词逻辑中的归 结法。
(2) C1:~ P Q,C2 : P
C1和 C2的归结式为 Q 。因为 C1可以写作 P Q, 所以可以知道假言推理也是归结的一个特例。
(3) C1:~ P Q R,C2 :~ Q ~ R
C1和 C2 存在两个归结式,一个是 ~ P R ~ R
另一个是:~ P Q ~ Q。
在这个例子中,只能是在 Q 上或 R 上进行归 结,不能两者同时进行归结,也就是说 ~ P 不 是归结式。
一个子句就是一组文字的析取,一个文字或是 一个原子(这时也称为正文字),或者是一个原 子的否定(这时也称为负文字),如 P、Q、~ R 都是 文字, P Q ~ R 是子句。
我们知道:对任意公式,都有与之等值的合取 范式,即对任意公式G 都有形如G1...Gn(n 1) 的 公式与之等价,其中每个 Gi 都是文字的析取式, 就是一个子句。可以使用各种等价式将任意一 个公式G转化为一个合取范式。例如,可以把 公式 ~ (P Q) (R P) 转换为如下的合取范式:
(Qr 1xr 1)...(Qnxn)M (x1,..., xr 1, f (x1,..., xr 1), xr 1,..., xn)
按I1为真。即G1 | I1 T,这与G1是不可满足的假设 相矛盾。所以G 必是不可满足的。
假设G中有m个存在量词。令 G0 G,设 Gk 是在 Gk1中用Skolem函数代替其中第一个存在量词所对
在第3.1节中已经介绍了如何把一个公式化成前 束标准型(Q1x1)...(Qnxn)M ,由于M中不含量词总可以 把它变换成合取范式。无论是前束标准型还是合 取范式都是与原来的合式公式等值的。
Skolem标准化过程
Step1: 化成前束范式: (Q1x1)...(Qnxn)M (x1,..., xn)
按上述方法删去前缀中的所有存在量词之后得出的公式称 为合式公式的Skolem标准型。替代存在量化变量的常量c(视 为0元函数)和函数f称为Skolem函数。
例3.5 化公式
xyzuvwP(x, y, z,u,v, w)
为Skolem标准型。
在公式中, x的前面没有全称量词,在u的前
面有全称量词(y) 和(z) ,在 (w) 的前面有全称量 词(y) ,(z)和 (v)。所以,在P(x, y, z,u,v, w) 中,用常 数 a 代 替 x, 用 二 元 函 数 f(y,z) 代 替 u, 用 三 元 函 数 g(y,z,v)代替w,去掉前缀中的所有存在量词之后 得出Skolem标准型:
设 (Qrxr为) 前缀中的第一个存在量词。令
G1 (x1)...(xr 1)(Qr 1xr 1)(Qnxn)M (x1,..., xr 1, f (x1,..., xr 1), xr 1,..., xn)
其中,f (x1,..., xr 1)是对应 xr的Skolem函数。我们希
望证明 G是不可满足的,当且仅当 G1 是不可满足 的。
(Qr 1xr 1)...(Qnxn)M (x1,..., xr 1, xr, xr 1,..., xn)
按I为真。扩充解释I,使得包括对任意x1 D,..., xr 1 D 把(x1,..., xr 1)映射成 xr D的函数f,即
f (x1,..., xr 1) xr
扩充后的解释用I1表示。显然,对任意x1 D,..., xr 1 D
Step2: 使用下述方法可以消去前缀中存在的所有量词 令Qr是 (Q1x1)...(Qnxn) 中出现的存在量词(1 r n) .
Case1:若在Qr之前不出现全称量词,则作置换: {c/xr },c是一个 与M中出现的所有常量都不相同的新常量c,用c代替M中出现 的所有xr,并且由前缀中删去 Qr 。 Case2:若在Qr之前出现全称量词Qs1,...,Qsm ,则选择一个与M中 出现的任一函数符号都不相同的新m元函数符号f,用f (xs1,..., xsm) 代替M中的所有xr ,并且由前缀中删去Qr 。
设G 是不可满足的。若G1 是可满足的,则存在 某定义域D上的解释I使 G1 按I为真。即对任意
x1 D,..., xr 1 D
(Qr 1xr 1)...(Qnxn)M (x1,..., xr 1, f (x1,..., xr 1), xr 1,..., xn)
按I为真,所以,对任意 x1 D,..., xr 1 D ,都存在 元素 f (x1,..., xr 1) xr D 使
是子句, P是文字),从中消去互补对(即P 和 ~ P ),
所得的新子句:
R(C1,
C
2)
C
' 1
C
'
2,便称作子句C1,C2
的归结式,原子P 称为被归结的原子。这个过
程称为归结。没有互补对的两个子句没有归结 式。
因此归结推理规则指的是对两个子句做归结, 即求归结式。上述归结规则是一种合理的推理 规则,这可从下述定理中看出。
(P ~ R) (~ Q ~ R P)
一个子句的合取范式(CNF形式)常常表示为一个子 句的集合,即:
S {P ~ R, ~ Q ~ R P}
称为对应公式的子句集,其中每个元素都是一个子 句。把公式表示为子句集只是为了说明上的方便。
归结式
Resolvent
命题逻辑的归结规则可以陈述如下。
设有两个子句: C1 P C'1,C2 ~ P C' 2 (其中 C1 、C2
定理3.2 子句 C1 和 C2 的归结式是C1和C2的逻辑推论。 证明:设
C1
P
C1'
,
C
2
~
P
C
' 2
ห้องสมุดไป่ตู้

R(C1,
C
2)
C1'
C
' 2
其中C1' 和 C2'都是文字的析取式。
相关文档
最新文档