03第三章 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。
产生式系统专家系统
人工智能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。
组成一个产生式系统由下列3部分组成：一个总数据库(global database)，它含有与具体任务有关的信息。
υυ一套规则，它对数据库进行操作运算。
每条规则由左右两部分组成，左部鉴别规则的适用性或先决条件，右部描述规则应用时所完成的动作。
应用规则来改变数据库。
一个控制策略，它确定应该采用哪一条适用规则，而且当数据库的终止条件满足时，就停止计算。
υ自由帕斯卡中free pascal 中的产生式系统的组成产生式系统由一个综合数据库、一组产生式规则和一个控制系统三个基本要素组成。
其中：综合数据库是产生式系统所用的主要数据结构，它主要用来表示问题的状态，即初始状态、中间状态和目标状态等，以及状态之间的关系。
它不是固定不变的，在求解的过程中，它的内容将越来越多，状态之间的关系也越来越复杂。
经常用来表示数据库的数据结构有串、集合、数组、树、表、记录、队列等。
产生式规则是对数据库进行操作的一系列规则。
规则的一般形式是：IF 条件 THEN 操作即满足应用的先决条件后，就对数据库实行后面的操作。
控制策略规定了操作的顺序，即在任何条件下用什么规则进行操作，什么条件下停止运行，它规定了问题的求解的搜索策略和路线。
控制策略一般可分为不可撤回方式和试探法两大类，试探法又包括回溯法和图搜索法两种。
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。
ch3产生式系统的搜索策略精品文档
2019/11/6
31
3.1.1A算法
1 G=G0(G0=s),open=(s),closed=() ，f(s)=g(s)+ h(s) //s:初始状态
2 Loop:if open=() then exit(fall) 3 n←first(open)h() 4 if goal(n) then exit(success) 5remove(n,open), add(n,closed) 6{mj} ←expand(n), //mj不含n的先辈节点
2）f(n)=h(n) 只考虑未来的发展趋势//爬山 算法
那么可以得到两种特殊的算法：爬山算法和 分支界限算法。
2019/11/6
37
3.3.2爬山算法
Procedure Hill _Climbing
1 n=s
2 Loop: if goal(n) then exit(success)
3{mi} ←expangd(n),计算每个h(mi) nextn ← h(mi)最小值的节点 4 if h(n)<h(nextn) then exit(fail)
3
6）h函数与A*的关系 7）关于单调性限制 8）A*算法示例
2019/11/6
4
3.1回溯算法
2019/11/6
5
2019/11/6
6
例 四皇后问题
2019/11/6
7
定义综合数据库：
设：DATA={ij︱1<=i,j<=4},其中：ij表示 棋子所在行列 如：24表示第二行第四列有 一枚棋子
1 G=G0(G0=s),open=(s),closed=() //s:初始状态 2 Loop:if open=() then exit(fall)
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。
第三章 产生式系统与专家系统
r1
r5
第二节 专家系统
• 专家系统的概念 • 专家系统的分类 • 专家系统的一般结构
• 专家系统典例
• 专家系统开发工具
(一)
(二)专家系统与常规计算机程序的区别
二、专家系统的分类
四、专家系统典例
此系统用C++语言开发， 规则用下述结构表示∶
第三章 产生式系统与专家系统
• 专家系统是在产生式系统的基t于1943年首先提出产生式系统的 概念。
第一节 产生式系统 ( Production System )
• 产生式系统的慨念 • 产生式的基本形式 • 产生式系统的结构 • 产生式系统举例
一、产生式系统的概念
• 产生式系统是一种基于产生式规则( Production Rule ) 的系统，简称基于规则的系统( Rule-based System )
• 产生式系统中，论域中的知识分为两部分∶
事 论域知识 产生式规则∶ 表示推理过程和行为 实∶ 表示事物、事件及其关 系等静态知识
产生式系统中的知识库用于存储规则
产乳
Go Example
产生式系统求解问题的一般步骤
四、产生式系统举例
[例3.1]动物识别系统identifier有产生式规则15条， 用于识别7种动物。假设某动物有黄褐色毛发、 会吃肉、身上有黑色条纹，问这是什么动物? 解:用正向链推理:
1 有毛发 2 吃肉 3 黄褐色 4 黑条纹 反向链推理 推理链 哺乳动物 食肉动物 虎
一条规则的结论在其它规则的前提中都不出现， 则称此规则为结论性规则。
临床参数
五、专家系统开发工具
通用型专家系统工具∶ • OPS5 • ART
专家系统开发环境∶
第三章4产生式系统
动物（后件）。
29
2）总数据库 有时也被称作上下文、当前数据库或暂时存储器， 是产生式规则的注意中心。产生式规则的前件表示的是， 在启用这一规则之前总数据库内必须准备好的条件。
30
3）控制策略 说明下一步应该选用什么规则，也就是如何应用规 则。通常从选择规则到执行操作分3步：匹配、冲突解决 和操作。
16
规则的表示
(a) 单个规则的表示 一个规则由前项和后项两部分组成。前项表示前提条 件，各个条件由逻辑连接词(合取、析取等)组成各种 不同的组合。后项表示当前提条件为真时，应采取的 行为或所得的结论。现仍以MYCIN和PROSPETOR系 统中的规则表示为例。规则的定义与MYCIN的规则类 似，只是规则的可信度是以两个称为规则强度的数值 来度量。
17
有了规则的具体定义，再进一步看一下一个具体的MYCIN规则 以及它在机器内部的LISP语言的表示。 规则的内容： 前提条件 ◆ 细菌革氏染色阴性 ◆ 形态杆状 ◆ 生长需氧 结论 该细菌是肠杆菌属，CF=0.6。
18
LISP的表达式 PREMISE: (＄AND(SAME CNTXT GRAM GRAMNEG) (SAME CNTXT MORPH ROD) (SAME CNTXT AIR AEROBIC)) ACTION: (CONCLUDE CNTXT CLASS ENTEROBACTERIACEAE TALLY 0.6) 在LISP表达式中，规则的前提和结论均以谓词+关联三元组的形式表示， 这里三元组中元素的顺序有所不同，为〈object-attribute-value〉。如 〈CNTXT GRAM GRAMNEG〉表示某个细菌其革氏染色特性的值是阴 性，这里CNTXT是上下文(即对象)context的缩写，表示一个变量，可为 某一具体对象——细菌所例化。
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
简述产生式系统的基本组成部分及它们之间的关系
简述产生式系统的基本组成部分及它们之间的关系下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢！本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注！Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!产生式系统的基本组成及其关系1. 介绍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。
第3章产生式系统的搜索策略
四皇后问题的改进：
• 思路： 利用问题有关信息对规则进行动态排序
• 方法：定义一个对角线函数 Maxdiag（i，j）。该函 数计算棋盘上ij单元的最长对角线长度，通过比较 不同单元的函数值来决定每行（列） Rij 的排序
• 例如，若 Maxdiag（i，k）小于 Maxdiag（i，j）， 则规则顺序为（Rik，Rij），即对角线短的单元，相 应的规则排在前头，若相同，则维持原顺序
综合数据库：DATA=L（表），L元素用{ij}表示，i，j 的值域为{1，2，3，4}。即L表的元素表示皇后所在 的行和列。如（12 24 31 43）、（13 21 34 42）、 （11 21）、（11 22）、（11 23 31）.
Artificial Intelligence
• 规则集：
BACKTRACK1(DATALIST):
1 DATA FIRST(DATALIST) 参数: 初始到当前状态的逆序表 2 if MEMBER(DATA,TAIL(DATALIST), return FAIL 回老路 3 if TERM(DATA), return NIL 到达目标，成功返回 4 if DEADEND(DATA), return FAIL 到达不合理状态，退回 5 if LENGTH(DATALIST) > BOUND, return FAIL 到深度限制 6 RULES APPRULES(DATA) 得出可应用的规则集 7 LOOP: if NULL(RULES), return FAIL 进入死胡同，退回 8 R FIRST(RULES) 取出第一条可应用规则
过程返回解路径规则表（或局部解路径子表）.
Artificial Intelligence
举例
《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
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》课件
用户接口（User Interface）
用于用户与产生式系统进行交互，包括输入和输出。
解释器（Interpreter）
用于解释和执行产生式系统中的规则和操作。
产生式系统的特点
基于规则
产生式系统基于规则进行推理，具有清晰、 简洁的表示方式。
03
产生式系统的应用
在专家系统中的应用
专家系统是一种基于知识的系统，用于提供专家级别的建 议或决策。产生式系统在专家系统中发挥着核心作用，通 过规则匹配和推理，模拟专家解决问题的方法。
产生式系统在专家系统中用于存储和管理专家知识，通过 匹配输入数据与规则，自动或半自动地生成解决方案。
产生式系统在专家系统中的应用还包括对知识库的维护和 更新，以确保系统能够随着时间的推移保持其专业性和准 确性。
规则的冲突消解策略
冲突检测
在多规则系统中，规则冲突是一个常见问题。为了解决冲突，产生式系统需要具备冲突检测的能力，及时发现和 识别冲突。
消解策略
一旦检测到冲突，产生式系统需要采取适当的消解策略来处理冲突。常见的消解策略包括优先级排序、规则回溯 、协商决策等，根据具体场景选择合适的策略来解决问题。
05
规则的优化与简化
规则优化
随着数据和环境的变化，产生式系统中的规则可能需要进行调整和优化。这包括 对规则进行动态更新、调整规则优先级等，以确保系统能够适应不同场景和需求 。
规则简化
为了降低系统的复杂性和提高可维护性，产生式系统中的规则需要进行简化。这 可以通过去除冗余规则、合并相似规则等方式实现，使系统更加高效和易于管理 。
匹配方式
03
匹配方式可以是精确匹配或模糊匹配，根据具体问题选择合适
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
产生式系统与状态空间图课件
1 产生式系统的基本组成
组成三要素：
一个综合数据库(Globle Database）— 存放信息 一组产生式规则 (Rules) — 知识 一个控制系统 (Control System/Control Strategies) — 规则的 解释或执行程序，即控制策略
• 综合数据库：
是人工智能产生式系统所使用的主要数据结构，它用来表 述问题状态或有关事实，即它含有所求解问题的信息。
以N=3，k=2为例求解。
M-C问题（续１）
图中L和R表示左岸和右岸，B=1或0表示有船或无 船，约束条件是：两岸上或者M>=C,或者一个 岸上只有野人；M和C都可以驾船；船上 M+C<=2：
左岸
右岸
LR
LR
m3 0 m 0 3
c3 0 c 0 3
B1 0 B 0 1
（初始状态）
（目标状态）
M-C问题（续２）
1，综合数据库 （m, c, b)，
其中：0≤m, c≤3, b ∈{0, 1}
2，初始状态 （3，3，1）
3，目标状态（结束状态） （0，0，0）
M-C问题（续３）
4，规则集 IF (m, c, 1) THEN (m-1, c, 0) IF (m, c, 1) THEN (m, c-1, 0) IF (m, c, 1) THEN (m-1, c-1, 0) IF (m, c, 1) THEN (m-2, c, 0) IF (m, c, 1) THEN (m, c-2, 0) IF (m, c, 0) THEN (m+1, c, 1) IF (m, c, 0) THEN (m, c+1, 1)
字符转换 （续２）
三、控制策略 将能使用的规则按序号顺序排队，按
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。
产生式系统基本结构的作用
产生式系统基本结构的作用产生式系统是一种基于规则的形式系统，被广泛应用于人工智能领域。
它是一种用于描述问题和解决问题的形式化方法。
产生式系统包括三个基本要素：产生式规则、事实集和控制策略。
这些要素相互作用，共同实现了产生式系统的功能和作用。
产生式规则是产生式系统的核心。
产生式规则是一种条件-动作规则，形式为“If 条件Then 动作”。
它描述了问题的知识和解决问题的方法。
条件部分由前提条件构成，用于判断是否满足规则的触发条件；动作部分描述了满足条件时要执行的操作。
通过一条条产生式规则的应用，产生式系统可以推导出解决问题的过程和结果。
事实集是产生式系统的知识库。
事实集是一组描述问题状态的事实或命题，用于存储问题的初始状态和中间状态。
事实集记录了问题的已知信息和推断出的新信息，它是产生式规则的触发条件的依据。
通过与产生式规则的匹配，产生式系统可以根据事实集中的信息进行推理和推导，生成新的事实或更新已有的事实，从而逐步解决问题。
控制策略是产生式系统的执行控制机制。
控制策略决定了产生式系统中规则的应用顺序和方式。
它可以是确定性的，也可以是非确定性的。
确定性控制策略要求按照某种确定的顺序应用规则，直到无法应用为止；非确定性控制策略则允许在多个可应用规则中进行选择，以增加系统的灵活性和适应性。
控制策略的选择与具体问题的性质和需求密切相关，不同的控制策略可能导致不同的推理结果。
产生式系统的基本结构使其具有了以下几个重要的作用。
产生式系统提供了一种灵活而强大的问题求解方法。
产生式规则的条件部分可以根据问题的特征和需求进行灵活的设计和调整，从而适应不同的问题领域和复杂度。
通过不断应用产生式规则，产生式系统可以在问题空间中进行搜索和推理，找到满足条件的解决方案。
产生式系统支持知识的表示和推理。
产生式规则可以表达丰富的知识和经验，将领域专家的知识和规则形式化地表示出来。
事实集中存储的事实和规则的应用，可以实现对知识的推理和推导，从而生成新的知识和结论。
- 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)。
动态数据库
•发烧 发烧 •头痛 •胸闷
产生式规则推理逻辑
产生式规则的逻辑推理模式是假言推 理和三段论推理
产生式规则 A→B (大前提 大前提) 大前提 A （小前提） 小前提） B（结论） （结论）
证据事实
3.2 产生式系统的工作原理
工作周期: 匹配, 选择, 执行三个阶段组成
模式匹配 规则库 动态数据库 冲突集 冲突消解 规则触发 规则执行 推理控制
产生式系统与图搜索
产生式系统 初始事实数据 目标条件 产生式规则 动态数据库 控制策略 图搜索 初始节点 目标节点 操作集 节点(状态/问题) 搜索策略
结论: 问题求解是目的, 图搜索是方法, 产生式系 统是形式-----计算机程序系统的结构形式
问题求解, 图搜索, 产生式系 统之间的相互关系
•问题求解是目的 •图搜索是方法 •产生式系统是形式-----计算机程序系 统的结构形式
反向推理
反向推理算法
Step1 : 将初始事实置入动态数据库, 目标条件置入目标链; Step2: 若目标链为空, 则推理成功, 结束. Step3: 取出目标链中第一个目标, 用动态数据库中的事实与 其匹配, 若匹配成功, To Step2; Step4 : 用规则集中的各规则的结论同目标匹配, 成功则将第 一个匹配成功且未用过的规则的前提作为新目标, 取 代父目标加入到目标链, To Step3; Step5 : 若目标是初始目标, 则推理失败, 退出. Step6 : 将该目标的父目标移回目标链, 取代该目标及其兄弟 目标, To Step3;
正向推理算法一(启发式搜索)
Step1 : 将初始事实置入动态数据库; Step2 : 用动态数据库中的事实匹配/测试目标条件, 若满足, 则推理成功, 结束. Step3 : 用规则库中各规则的前提匹配动态数据库中事实,将 匹配成功的规则组成冲突规则集; Step4 : 若冲突规则为空,则运行失败, 退出. Step5 : 用某种冲突消解策略, 选出一条规则; Step6 : 将所选规则的结论加入动态数据库,或者执行其动作, To Step2;
正向推理算法 : 无信息, 启发式 正向推理举例 : 动物分类
正向推理
正向推理算法一(无信息搜索)
Step1 : 将初始事实置入动态数据库; Step2 : 用动态数据库中的事实匹配/测试目标条件, 若满足, 则推理成功, 结束. Step3 : 用规则库中各规则的前提匹配动态数据库中事实,将 匹配成功的规则组成冲突规则集; Step4 : 若冲突规则为空,则运行失败, 退出. Step5 : 将冲突规则集中各规则的结论加入动态数据库,或者 执行其动作, To Step2;
动态数据库
衣服是脏的 有20件脏衣服 件脏衣服 天气晴朗
规则库 1.IF 衣服是湿的 AND 天气晴朗 THEN 在户外晾晒衣服 2.IF 衣服是湿的 AND 外面在下雨 THEN 用干衣机烘干衣服 3.IF 衣服是脏的 AND 有15件以上的脏衣服 件以上的脏衣服 THEN 洗衣服 4.IF 洗衣服 THEN 衣服是湿的
步骤3:和规则 进行匹配 步骤 和规则1进行匹配 和规则
动态数据库
在户外晾晒衣服
衣服是湿的
天气晴朗
洗衣服
衣服是脏的
有15件以上的 件以上的 脏衣服
反向推理树
为什么要采用产生式系统
（1）用产生式系统结构求解问题的过程和人 类求解问题时的思维过程很相象，因而可以 用它来模拟人类求解问题时的思维过程。 （2）可以把产生式系统作为人工智能系统的 基本结构单元或基本模式看待，就好像是积 木世界中的积木块一样，因而研究产生式系 统的基本问题就具有一般意义。
有爪 有犬齿 目盯前方 有奶
有毛发 食肉 黄褐色 有黑色条纹
பைடு நூலகம் 产生式系统推导过程举例
规则库 1.IF 衣服是湿的 AND 天气晴朗 THEN 在户外晾晒衣服 2.IF 衣服是湿的 AND 外面在下雨 THEN 用干衣机烘干衣服 3.IF 衣服是脏的 AND 有15件以上的脏衣服 件以上的脏衣服 THEN 洗衣服 4.IF 洗衣服 THEN 衣服是湿的 1.正向推理，分步进行，并给 正向推理，分步进行， 正向推理 出动态数据库的当前状态 2.反向推理（图示法） 反向推理（图示法） 反向推理 目标条件 在户外晾晒衣服
反向推理
规则的一般形式: 规则的一般形式 P1 --> P2 ; P3 反向推理 : 反向使用规则的推理过程. 从目标状态(目标条件)到初始状态(初始事实/数 据)的与或图解搜索过程. 又称目标驱动, 自顶向 下,后向, 反向连推理. P2 -->
反向推理算法 : 无信息, 启发式 反向推理举例 : 动物分类
产生式系统缺点
求解效率低: 反复的“匹配－冲突消除－ 执行”过程,效率较低。 不能表示结构性的知识: 产生式表示的 知识有一定的格式，且规则之间不能直 接调用，因此那些具有结构关系或层次 关系的知识不易用它表示出来。
用正向推理求解规划问题
需增加功能(如求解数码问题） 增设CLOSED表, 纪录动态数据库状态的变化. 若要回朔, 需保存相应的可用规则集. 要进行树搜索,需增设OPEN表. 增设规则使用记数器.
4 产生式系统举例——动物分类 问题
R1: 有奶-->哺乳动物; R2: 毛发-->哺乳动物; R3: 羽毛-->鸟; R4: 会飞,生蛋-->鸟; R5: 哺乳动物,有爪, 有犬齿,目盯前方-->食肉动物; R6: 哺乳动物,食肉-->食肉动物; R7:哺乳动物,有蹄-->有蹄动物; R8: 有蹄动物,反刍食物-->偶蹄动物; R9:食肉动物,黄色褐,黑色条纹-->老虎; R10:食肉动物,黄褐色,黑色斑点-->金钱豹; R11: 有蹄动物,长腿,长脖子,黄色褐,有暗斑点-->长颈鹿; R12: 有蹄动物,长腿,白色,黑色条纹-->斑马; R13: 鸟,不会飞,长腿,长脖子,黑白色-->鸵鸟; R14: 鸟,不会飞,会游泳,黑白色-->企鹅; R15:鸟,善飞,不怕风浪-->海鸥;
3.3 产生式系统控制策略
搜索策略: 不可撤回策略, 回朔策略 冲突消解策略： 推理方式: 推理方式 正向推理, 反向推理, 正反向混合
正向推理
规则的一般形式: 规则的一般形式 P1 --> P2 ; 正向推理 : 正向使用规则的推理过程. 从初始状态(初始事实/数据)到目标状态(目标条件) 的状态图搜索过程. 又称数据驱动, 自底向上, 前向, 正向连推理. P2 --> P3
产生式系统优点
模块性: 产生式规则是规则库中最基本的知识单元， 各规则之间只能通过综合数据库发生联系，不能相互 调用，增加了规则的模块性，有利于对知识的增加、 删除和修改。 有效性: 产生式表示法既可以表示确定性知识，又可 : 以表示不确定性知识，既有利于表示启发性知识，又 有利于表示过程性知识。 自然性: 产生式表示法用“If…then…”的形式表示知 识，这种表示形式与人类的判断性知识基本一致，直 观、自然，便于推理。 模拟性: 人们在研究人工智能问题时，发现产生式系统 可以较好模拟人类推理的思维过程。
课堂练习
1 2 3 4 人工智能的近期目标是（1），远期目标是（2）？ 知识编码成某种数据结构的过程称为(3) 人们称（4）AI之父，（5）知识工程之父`； 人工智能中著名的(6)，它是从(7)主义的观点，评价机器是否 具有智能。人工智能中存在着不同的学术观点，(8)认为人类 智能的基本单元是神经元，(9)认为人类智能的基本元素是符 号，而(10)认为智能主要表现为对外界环境的感知和适应。 5 以联想记忆为基础人们提出了( 11 ) 知识表示方法。 6 知识库或规则库、推理机、动态数据库被称为（12）。
思考题
1 :下列选项错误的是（ ） Ａ：研究人工智能成为当前信息化社会的迫切需求 Ｂ：智能化是自动化发展的必要趋势 Ｃ：人工智能的研究方法：结构模拟、功能模拟和行为模拟 Ｄ：人工智能的实质是人造的智能 2 ：下列哪个应用领域不属于人工智能应用？（ ） A：人工神经网络 B：自动控制 C：自然语言学习 D：专家系统 3 ：盲人看不到一切物体，他们可以通过辨别人的声音识别人，这是智能 的（ ）方面. A：行为能力 B：感知能力 C：思维能力 D:学习能力 4 ：现在的科技十分发达，警察破案大多数是通过指纹系统来辨认真凶， 这是运用人工智能技术应用的（ ）。 A：自然语言系统 B：机器学习 C：专家系统 D：人类感官模拟
总结与练习
1 人工智能概述 AI的概念、目标、发展、学派、研究、应用 2 知识的表示 知识的概念、属性、分类、表示（麦卡赛问题） 语义网络、框架表示：结构性知识表示方法 推理方式：继承和匹配 3 产生式系统 概念、工作原理、控制策略、具体事例
作业 （2010-11-22提交）
人工智能的概念和目标是什么？ 什么是图灵实验？ 有哪些AI学派（或研究途径）及各自特点是什么？ 什么是知识和知识的表示？ 什么是语义网络和框架理论？主要特点是什么？ 语义网络中成员关系（Member）和实例关系（ISA）区别是什么？ 产生式系统的三个基本组成部分是什么? 正向推理和反向推理的各自特点是什么？ 请设计用于电梯控制的产生式系统？（设有3部电梯，1-20楼运行，随时 可知道每部电梯的位置和状态） 目标：1 平均等待时间短；2 最长等待时间短； 3 节能高效 4 其他
产生式举例
A, B-->C ; AVB --> C 如果银行存款利率下调, 那么股票价格上涨. 如果炉温超过上限, 则立即关闭风门.
步骤2:和规则 进行匹配 步骤 和规则4进行匹配 和规则
动态数据库
规则库 1.IF 衣服是湿的 AND 天气晴朗 THEN 在户外晾晒衣服 2.IF 衣服是湿的 AND 外面在下雨 THEN 用干衣机烘干衣服 3.IF 衣服是脏的 AND 有15件以上的脏衣服 件以上的脏衣服 THEN 洗衣服 4.IF 洗衣服 THEN 衣服是湿的 衣服是脏的 有20件脏衣服 件脏衣服 天气晴朗 洗衣服 衣服是湿的 在户外晾晒衣服