第三章 确定性推理(3)
第三章 确定性推理

第三章 ห้องสมุดไป่ตู้定性推理方法
3.1.2 推理的方法及其分类
所谓枚举归纳推理是指在进行归纳时, 如果已知某类事物的有限可数个具体事 物都具有某种属性,则可推出该类事物都具有此种属性。 例如,设 a1 , a2 , , an 是 某类事物A中的 n 个具体事物,若 a1 , a2 , , an 都具有某种属性B,并没有发现反例, n 那么当 足够大时,就可得出“A中的所有事物都具有属性B”这一结论。所谓类比 推理是指在两个或两类事物有许多属性都相同或相似的基础上, 推出他们在其他属 性上也相同或相似的一种归纳推理。例如,设A、B分别是两类事物的集合:
第三章 确定性推理方法
3.1.2 推理的方法及其分类
演绎推理与归纳推理是两种完全不同的推理。 演绎推理是在已知领域内的一 般性知识的前提下,通过演绎求解一个具体问题或者证明一个结论的正确性。 它 所得出的结论实际上早已蕴涵在一般性知识的前提中,演绎推理只不过是将已有 事实揭示出来,因此它不能增殖新的知识。 而归纳推理所推出的结论并没有包含 在前提内容中,它是一个由个别事物或现象推出一般性知识的过程,这种过程能 够导致新知识的产生。所以,从人工智能的知识获取要求这一角度看,归纳推理 应当比演绎推理重要。 本章后面重点介绍的归结推理也即是归纳推理。然而,在 现实世界中,当人们运用逻辑推理解决问题时,往往是归纳推理与演绎推理并用, 两种推理过程是相辅相成的。 例如,一位发动机维修员,当他刚开始从事这项工 作时,只有书本知识,而无实际经验,这时按照书中的知识修机器往往修不好, 因为书中所介绍的故障现象与实际中有些差别。当当他经过一段时间的工作实践 后,就会通过大量维修实例积累起来一些经验,这些经验就是由一个个实例归纳 出来的一般性知识,采用的是归纳推理方式。当他掌握了这些一般性知识后,就 可以运用这些知识去修理更多的机器,这时为修理某一台机器运用了他前面积累 总结出一般性知识,这一过程实际是一个演义推理过程。
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。
确定性推理

3.1.3 推理的控制策略及其分类
• 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 略又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 • 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、 混合推理及双向推理。 • 求解策略是指仅求一个解,还是求所有解或最优解等。 • 限制策略是指对推理的深度、宽度、时间、空间等进行的限制。 • 冲突消解策略是指当推理过程有多条知识可用时,如何从这多条可用知识 中选出一条最佳知识用于推理的策略。 • 搜索策略 • 主要解决推理线路、推理效果、推理效率等问题。 本章主要讨论推理策略, 8 至于搜索策略将放到第4章单独讨论。
• • •
• • • •
•
把初始证据放入DB
Y
DB中有解吗? N
成功退出
把用户补充的新事 实加入到DB中
N
KB中有可用知识吗? Y
形成可用知识集
可用知识集空吗?
用户可补充新事实吗?
Y
N
Y
N 按照冲突消解策略从该知识 集中选出一条知识进行推理 N 推出的是新事实吗? Y 将新事实加入到DB
失败退出
10
3.1.2 推理方法及其分类
1. 按推理的逻辑基础分类(2/4) • • • • • • 归纳推理 是一种由个别到一般的推理方法。归纳推理的类型 按照所选事例的广泛性可分为完全归纳推理和不完全归纳推理 按照推理所使用的方法可分为枚举、类比、统计和差异归纳推理等 完全归纳推理 是指在进行归纳时需要考察相应事物的全部对象,并根据这些对象是否 都具有某种属性,推出该类事物是否具有此属性。如,计算机质量检验。 不完全归纳推理 是指在进行归纳时只考察了相应事物的部分对象,就得出了关于该事物 的结论。例如,计算机,随机抽查。 枚举归纳推理 是指在进行归纳时,如果已知某类事物的有限可数个具体事物都具有某 种属性,则可推出该类事物都具有此种属性。 例如,设有如下事例: 王强是计算机系学生,他会编程序; 高华是计算机系学生,她会编程序; …… …… 当这些具体事例足够多时,就可归纳出一个一般性的知识: 5 凡是计算机系的学生,就一定会编程序。
第三章-推理技术PPT课件

.
34
举例如下:
目标表达式被化成与或形:
~P(f(y))∨{Q(f(y),y)∧[~P(f(y))∨~S(y)]}
式中,f(y)为一Skolem函数。
对目标的主要析取式中的变量分离标准化可得:
~P(f(z))∨{Q(f(y),y)∧[~P(f(y))∨~S(y)]}
应注意不能对析取的子表达式内的变量y改名
将下列谓词演算公式化为一个子句集
( x){P(x)→{( y)[P(y)→P(f(x,y))]∧~( y)[Q(x,y)→P(y)]}}
.
9
3.1.2 消解推理规则
1、消解式 已知两子句L1∨α和~L2∨β,如果L1和L2具有
最一般合一者σ,那么通过消解可以从这两个父辈 子句推导出一个新子句α∨β。这个新子句叫做消 解式。它是由取这两个子句的析取,然后消去互补
可见目标子句是文字的合取,而这些子句的析取 是目标公式的子句形。
2.与或图的B规则变换 B规则:即逆向推理规则。 B规则是建立在确定的蕴涵式基础上的,我们把B 规则限制为:
W→L
其中,W为任一与或形公式,L为文字,
把B规则限制为这种形式的蕴涵式还可以简化匹配,
可以把像W→ (L1∧L2)这样的蕴涵式化为两个规则
W→L1和W→L2。
.
37
3.作为终止条件的事实节点的一致解图 逆向系统中的事实表达式均限制为文字合取
形,它可以表示为一个文字集。当一个事实文字 和标在该图文字节点上的文字相匹配时,就可把 相应的后裔事实节点添加到该与或图中去。这个 事实节点通过标有mgu的匹配弧与匹配的子目标文 字节点连接起来。
而使每个析取式具有不同的变量。
.
35
与或形的目标公式也可以表示为与或图。不过,与 事实表达式的与或图不同的是,对于目标表达式, 与或图中的k线连接符用来分开合取关系的子表达 式。上例所用的目标公式的与或图如下所示:
第三章确定性推理

1
第三章确定性推理
需要掌握的问题
应用归结原理求解下列问题: 任何兄弟都有同一个父亲,John和Peter 是兄弟,且John的父亲是David,问 Peter的父亲是谁?
2
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。
从使用的方法看:枚举归纳推理、类比归纳推理。
6
第三章确定性推理
3.1 推理概述
(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。也就是说,在进行推 理时,如果对某些证据不能证明其不成立的情况下,先假 设它是成立的,并将它作为推理的依据进行推理,但在推 理过程中,当由于新知识的加入或由于所推出的中间结论
A→B、AB •(4)只有按(1)—(3)所得的公式才是命题
公式。
15
第三章确定性推理
3.2 命题逻辑
命题公式的缺点:
• 无法把所描述的客观事物的结构和逻辑特征反映出来 • 不能把不同事物的共同特征反映出来
P:“张三是李四的老师”;仅用字母P看不出张三和李四之 间的师生关系。
为了克服命题逻辑的局限性,引入了下面的谓词逻辑
按照对推理方向的控制,推理可分为正向推理、反向
推理、混合推理及双向推理四种情况。
9
第三章确定性推理
3.1 推理概述
正向推理是一种从已知事实出发、正向使用推理规则 的推理方式,它是一种数据(或证据)驱动的推理方式, 又称前项链推理或自底向上推理。
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。
第三章 确定性推理

首先,扩展最深的节点使得搜索从起始节点沿某条单一路 径进行下去;只有当搜索到达一个没有后裔的状态时,才考虑 最近的另一条替代的路径。替代路径与前面已经试过的路径不 同之处仅仅在于:改变最后n步,而且保持n尽可能小。
对于许多问题,其状态空间搜索树的深度可能为无限深, 或者可能至少要比某个可接受的解答序列的已知深度上限还要 深。为了防止搜索过程沿着无益的路径扩展下去,往往给出一 个节点扩展的最大深度——深度界限。任何节点如果达到了深 度界限,那么都将把它们作为没有后继节点处理。值得说明的 是,即使应用了深度界限的规定,所求得的解答路径并不一定 就是最短的路径。
3、宽度优先搜索方法分析:
宽度优先搜索是图搜索一般过程的特殊情况, 将图搜索一般过程中的第8步具体化为本算法中的 第5步,这就是将OPEN表作为“先进先出”的队列 进行操作。
宽度优先搜索的缺点:搜索方向盲目性较大, 当目标节点距离初始节点较远时,将会产生大量的 无用节点,搜索效率低。
但是,只要问题有解,用宽度优先搜索总可以 找到它的解,而且是搜索树中从初始节点到目标节 点路径最短的解(不考虑每条弧线的长度、代价、 扩展节点数等,只考虑经历的步数)。因此,宽度 优先搜索策略是完备的。搜索树能提供所有存在的 路径(如果没有路径存在,对有限图来说,就以失 败退出;对于无限图来说,则永远不会终止)。
宽度优先搜索示意图
2、宽度优先搜索算法如下:
(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表是个空表,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。
第三章 判断和推理概述

如果p, 那么q P 所以,q 中的命题变项p,q做不同的代入,可得到下面两个不同的推理 例: 如果小强感冒,则小强会发烧; 小强确实感冒了, 所以,小强会发烧. 例: 如果冬天来了,春天不再遥远; 冬天确实来了, 所以,春天不再遥远.
• 在各种能力性质考试如GRE, GMAT, LAST, MBA中,都要考到逻辑,其中有一类 “比较 型”考题, 它要求比较几个不同推理在结构 中的相同或者不同,这要通过抽象出(至少是 识别出)它们共同的形式结构来实现,即用命 题变项表示其中的单个命题,或用词项变项 表示直言命题中的词项,每一个推理中相同 的命题或词项用相同的变项表示,不同的命 题或词项用不同的变项表示.例如:
考考你的逻辑思维
一名数学教师给三个非常聪明的学生出了一道 题,教师在每个同学脑门上贴了一纸条并告诉他 们,每个人的纸条上都写了一个正整数,且某两 个数的和等于第三个!(每个人可以看见另两个 数,但看不见自己的) 老师问第一个学生:你能猜出自己的数吗?回答: 不能;问第二个,回答:不能;问到第三个,回答:我 猜出来了,是144!老师很满意地笑了.请问您能 猜出另外两个人的数吗?
• 例: 网络作家蔡智恒在其成名作《第一次亲密接触》的开头写道: “如果我有一千万,我就能买一座房子。 我有一千万吗?没有。 所以我仍然没有房子。 如果我有翅膀,我就能飞。 我有翅膀吗?没有。 所以我也没办法飞。 如果把整个太平洋的水倒出,也浇不熄我对你爱情的火焰。 整个太平洋的水能够倒出吗?不行。 所以我并不爱你。” 下列哪一个选项,其句子结构与上面诗句中的类似?
1、欧洲中世纪有人问神学家们:“您说上帝万能,那么 我请问您:上帝能不能创造一块他自己举不起来的石 头?”并进行了这样的推理:如果上帝能够创造一块他 自己举不起来的石头,那么他不是万能的,因为有一块 石头他举不起来;如果上帝不能创造这样一块石头,那 么他不是万能的,因为有一块石头他不能创造;上帝或 者能创造这样一块石头或者不能,所以上帝不是万能的。 2、当普罗泰哥拉准备告欧提勒士时,欧提勒士对他说, 我是您的学生,您的那一套咱也会:如果输了,根据合同,我不应该给您另一半 学费;这场官司我或者打赢了或者打输了;总之,我不 应该给您另一半学费。
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
人工智能导论复习

⼈⼯智能导论复习⼈⼯智能导论复习题⼈⼯智能导论复习题第⼀章绪论1.智能是()和()的总和。
正确答案:(1) 知识,智⼒2.()是⼀切智能⾏为的基础正确答案:(1) 知识3.()是获取知识并应⽤知识求解问题的能⼒。
正确答案:(1) 智⼒4.智能的特征有()、()、()、()。
正确答案:(1) 具有感知能⼒(2) 具有记忆与思维能⼒(3) 具有学习能⼒(4) 具有⾏为能⼒5.(填空题)⼈⼯智能的长期⽬标是()正确答案:(1) 实现⼈类⽔平的机器智能6.⼈⼯智能的主要研究内容有()、()、()、()、()正确答案:(1) 知识表⽰(2) 机器感知(3) 机器思维(4) 机器学习(5) 机器⾏为7.⼈⼯智能的定义是什么?正确答案:⼈⼯智能主要研究⽤⼈⼯的⽅法和技术,模拟、延伸和扩展⼈的智能,实现机器智能。
8.简述“图灵测试”?正确答案:让⼈与机器分别在两个房间⾥,两者之间可以通话,但彼此看不到对⽅,如果通过对话,⼈的⼀⽅不能分辨对⽅是⼈还是机器,那么就可以认为对⽅的那台机器达到了⼈类智能的⽔平。
第⼆章知识表⽰与知识图谱1.造成知识具有不确定性的原因主要有()、()、()、()。
正确答案:随机性模糊性经验不完全性2.知识的特性有()、()、()。
正确答案:(1) 相对正确性(2) 不确定性(3) 可表⽰性与可利⽤性3.在⼈⼯智能领域内显式的知识表⽰⽅法主要有()、()、()、()。
正确答案:(1) ⼀阶谓词逻辑表⽰法(2) 产⽣式表⽰法(3) 语义⽹络表⽰法(4) 框架表⽰法4.谓词的⼀般形式是()。
(1) P(x1,x2,...,xn)5.⼀个产⽣式系统由()、()和()三部分组成正确答案:(1) 规则库(2) 推理机(3) 综合数据库6.位于量词后⾯的单个谓词或者⽤括弧括起来的谓词公式称为量词的(),域内与量词中同名的变元称为(),不受约束的变元称为()。
正确答案:(1) 辖域(2) 约束变元(3) ⾃由变元7.在谓词公式中,连接词的优先级别从⾼到低排列是(),(),(),(),()。
人工智能及其应用第四版答案

人工智能及其应用第四版答案【篇一:人工智能及其应用习题参考答案第9章】txt>9-1 分布式人工智能系统有何特点?试与多艾真体系统的特性加以比较。
分布式人工智能系统的特点:(1) 分布性系统信息(数据、知识、控制)在逻辑上和物理上都是分布的(2) 连接性各个子系统和求解机构通过计算机网络相互连接(3) 协作性各个子系统协调工作(4) 开放性通过网络互连和系统的分布,便于扩充系统规模(5) 容错性具有较多的冗余处理结点、通信路径和知识,提高工作的可靠性(6) 独立性系统把求解任务归约为几个相对独立的子任务,降低了问题求解及软件开发的复杂性9-2 什么是艾真体?你对agent的译法有何见解?agent是能够通过传感器感知其环境,并借助执行器作用于该环境的实体,可看作是从感知序列到动作序列的映射。
其特性为:行为自主性,作用交互性,环境协调性,面向目标性,存在社会性,工作协作性,运行持续性,系统适应性,结构分布性,功能智能性把agent 译为艾真体的原因主要有:(1) 一种普遍的观点认为,agent是一种通过传感器感知其环境,并通过执行器作用于该环境的实体。
(2) “主体”一词考虑到了agent具有自主性,但并未考虑agent还具有交互性,协调性,社会性,适应性和分布性的特性(3) “代理”一词在汉语中已经有明确的含义,并不能表示出agent的原义(4) 把agent译为艾真体,含有一定的物理意义,即某种“真体”或事物,能够在十分广泛的领域内得到认可(5) 在找不到一个确切和公认的译法时,宜采用音译9-3 艾真体在结构上有何特点?在结构上又是如何分类的?每种结构的特点为何?真体=体系结构+程序(1) 在计算机系统中,真体相当于一个独立的功能模块,独立的计算机应用系统。
(2) 真体的核心部分是决策生成器或问题求解器,起到主控作用(3) 真体的运行是一个或多个进程,并接受总体调度(4) 各个真体在多个计算机cpu上并行运行,其运行环境由体系结构支持。
人工智能导论

按推理过程的单调性分类
单调推理 非单调推理
3-1-3 推理的控制策略及其分类
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。 智能系统的推理过程一般表现为搜索过程。 推理的控制策略分为推理策略和搜索策略。 推理策略 推理方向(正向(3-1-4),逆向(3-1-5),混 合(3-1-6),双向) 求解策略 限制策略 冲突消解策略 搜索策略(推理线路、效果、效率。第4章)
第三章 确定性推理
3-1 推理的基本概念
3-1-1 什么是推理
推理是指按照某种策略从已知事实(初
始证据和中间结果)推出结论的过程。 推理机是智能系统中用来实现推理的程 序。 智能系统的推理包括两个基本问题:推 理方法和控制策略。
3-1-2 推理方法及其分类
按推理的逻辑基础分类
演绎推理(一般到特殊:三段论) 归纳推理(如数学归纳法;个别到一般:完全 归纳推理,不完全归纳推理,枚举归纳推理) 类比归纳推理 按所用知识的确定性分类 确定性推理 不确定性推理
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]](https://img.taocdn.com/s3/m/459b6ef6336c1eb91b375d99.png)
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。
第三章 确定性推理方法分析

3.1.3 推理的方向
1. 正向推理
实现正向推理需要解决的问题:
确定匹配(知识与已知事实)的方法。 按什么策略搜索知识库。 冲突消解策略。
(3)归结反演
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 海伯伦定理 3.5 鲁宾逊归结原理 3.6 归结反演 3.7 应用归结反演求解问题
归 结 演
绎
推 理
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
( 小前提 )
(结 论)
3.1.2 推理方式及其分类
1.演绎推理、归纳推理、默认推理(按推出结论的途径)
(2)归纳推理 (inductive reasoning): 个别 → 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)
完全归纳推理
检查全部产品合格
不完全归纳推理
该厂产品合格
检查全部样品合格
黄色 挪威人 库尔斯牌 水 狐狸
蓝色 乌克兰人 切斯菲尔德 茶 马
红色 英国人 温斯顿 牛奶 蜗牛
绿色 日本人 国会牌 咖啡 斑马
白色 西班牙人 幸运牌 橘子汁 狗
1.英国人住在红色的房间 4.黄房间的人抽库尔斯牌香烟 11.抽库尔斯牌烟的房间在有匹马的房间的隔壁 7.抽温斯顿牌香烟的人有一只蜗牛 5.抽切斯菲尔德香烟的人的 是养了一只狐狸的人的邻居
2.西班牙人有一条狗 8.抽幸运牌香烟的人喝橘子汁 橘子汁是谁喝的? 9.乌克兰人喝茶 10.日本人抽国会牌香烟 3.挪威人住在左边第一个房间 12.绿房间的人喝咖啡 6.挪威人住在蓝房间旁边 14.绿房间的人在白房间的隔壁 13.中间房间的人喝牛奶
AI(确定性推理2)

一、子句集及其化简
(3) 对变元标准化 在一个量词的辖域内,把谓词公式中受该量词约束的变 元全部用另外一个没有出现过的任意变元代替,使不同量 词约束的变元有不同的名字。 例如,上式经变换后为: (∀x)((∃y)﹁P(x,y)∨(∃z)( Q(x,z) ∧﹁R(x,z))) (4) 化为前束范式 把所有量词都移到公式的左边,并且在移动时不能改变 其相对顺序。 例如,上式化为前束范式后为: (∀x)(∃y) (∃z)(﹁P(x,y)∨( Q(x,z) ∧﹁R(x,z)))
3.3 自然演绎推理
自然演绎推理的例子: 设已知如下事实: A, B, A→C, B∧C→D, D→Q 求证:Q为真。 证明:因为 A, A→C⇒ C 假言推理 B, C⇒ B∧C 引入合取词 B∧C,B∧C→D ⇒ D 假言推理 D, D→Q ⇒ Q 假言推理 因此,Q为真
3.3 自然演绎推理
一、子句集及其化简
(2) 减少否定符号的辖域 反复使用双重否定率: ﹁(﹁P) ⇔ P 摩根定律: ﹁(P∧Q) ⇔﹁P∨﹁Q ﹁(P∨Q) ⇔﹁P∧﹁Q 量词转换率: ﹁ (∀x)P(x) ⇔ (∃x) ﹁P(x) ﹁ (∃x)P(x) ⇔ (∀x)¬P(x) 将每个否定符号“﹁”移到仅靠谓词的位置,使得每个否定符 号最多只作用于一个谓词上。 例如,上式经等价变换后为: (∀x)((∃y)﹁P(x,y)∨(∃y)( Q(x,y) ∧﹁R(x,y)))
3.4 归结演绎推理
本节主要内容:
一、子句集及其化简 二、鲁滨逊归结原理 三、用归结反演求取问题的答案 四、归结反演推理的归结策略
二、鲁滨逊归结原理
1、鲁滨逊归结原理基本思想 首先把欲证明问题的结论否定,并加入子句集,得到一 个扩充的子句集S' 。 然后设法检验子句集S'是否含有空子句,若含有空子 句,则表明S'是不可满足的; 若不含有空子句,则继续使用归结法,在子句集中选择 合适的子句进行归结,直至导出空子句或不能继续归结 为止。 鲁滨逊归结原理包括:
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
- 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)。
第三章确定性推理第四节消解原理消解反演如欲证明Q为P1 ,P2 ,…,Pn的逻辑结论,只需证(P1∧P2∧…∧Pn)∧¬Q是不可满足的,或证明其子句集是不可满足的。
而子句集的不可满足性可用归结原理来证明。
➢应用归结原理证明定理的过程称为归结(消解)反演。
➢设F为已知前提的公式集,Q为目标公式(结论),用归结反演进行证明的步骤是:1. 否定Q,得到¬Q;2. 把¬Q并入到公式集F中,得到{F, ¬Q};3. 把公式集{F, ¬Q}化为子句集S;4. 应用消解推理规则对子句集S中的子句进行归结,并把每次归结得到的归结式都并入S 中。
如此反复进行,若出现了空子句,则停止归结。
反演证明过程的正确性:设S={F1,…,F n }是前提条件,L是欲求证的结论则,从前提条件推出结论的问题,可以表示成: F1∧…∧F n L =~(F1∧…∧F n)∨L并证明其永真(永远成立)先将公式取“非”:~(~(F1∧…∧F n)∨L)=(F1∧…∧F n)∧~ L= F1∧…∧F n∧~ L利用消解原理来证明它是永假的(即,构造一个反演)实际中,我们可以将F1∧…∧F n∧~ L中的每一个部分化成子句集(化法任选),合并后得到完整的子句集,然后利用消解原理导出空子句(反演)反演求解过程从反演树求取某一个问题的答案,其过程为:①将前提条件用谓词表示出来,并化成子句集 S②将目标公式(问题)用谓词表示出来,把由目标公式的否定所产生的子句及其非(目标公式否定之否定)用析取连接词相连组成一个新子句(重言式),加到 S 构成新的子句集S’③对子句集S’ ,进行消解演绎,直到得到某一个子句为止④将此子句作为问题的答案⏹举例:已知三个条件✓F1::王(Wang)先生是小李(Li)的老师✓F2:小李与小张(Zhang)是同班同学✓F3:如果x与y是同班同学,则x的老师就是y的老师问题:小张的老师是谁?①定义谓词T(x , y) : x 是 y 的老师C(x , y) : x 与 y 是同班同学②用谓词表示前提条件与目标(问题):前提:F1:T(Wang , Li)F2:C(Li , Zhang)F3: (∀x) (∀y) (∀z) (C(x,y)∧T(z,x) ⇒T(z,y))目标:G: (∃x)T(x,Zhang)~ G:~ (∃x)T(x,Zhang)=(∀x) (~ T(x,Zhang))③求出子句集:前提的子句集:T(Wang, Li)C(Li, Zhang)~ C(x,y) ∨~ T(z,x) ∨ T(z,y)目标的否定的子句及其非组成重言式:~ T(x,Zhang) ∨ T(x,Zhang)④完整的子句集:(1) T(Wang, Li)(2) C(Li, Zhang)(3) ~C(x,y) ∨~T(z,x) ∨ T(z,y)(4) ~T(u,Zhang) ∨ T(u,Zhang)⑤消解演绎的过程(1) T(Wang, Li)(2) C(Li, Zhang)(3) ~C(x,y) ∨~T(z,x) ∨ T(z,y)(4) ~T(u,Zhang) ∨ T(u,Zhang)(5) ~C(Li ,y) ∨ T(Wang,y) (1)(3) mgu={Wang/z, Li/x)}第五节规则演绎系统●规则演绎的基本概念上面所讲的归结反演系统把所有的表达式都转换为子句形式,这样做虽然在逻辑上是等价的,但也丧失了很多有用的信息。
我们先看看子句结构存在的缺陷:子句表达的缺陷与人们表达知识的习惯不一致,因此不便阅读和理解。
例如:可把语句“鸟能飞”表达成以下两种形式:①∀x(BIRD(x)⇒CANFLY(x))②~BIRD(x)∨CANFLY(x)显然,公式①表达直接、自然。
由于公式②通过“对所有x,它或者不是鸟,或者能飞”来间接反映“鸟能飞”这个概念,因此给阅读和理解带来了困难。
基于规则的演绎系统将类似于P⇒Q这样的蕴涵关系作为规则使用,直接用于推理。
这类系统主要强调使用规则进行演绎,故称为规则演绎系统。
基于规则的演绎推理是一种直接的推理方法,它不像消解反演把知识转化为子句集,而是把有关问题的知识和信息划分为规则和事实两种类型。
规则由包含蕴含形式的表达式表示,事实由无蕴含形式的表达式表示,并画出相应的与或图,然后通过规则进行演绎推理。
规则演绎系统可以分为规则正向演绎推理(从事实出发,应用规则不断推导出中间结果作为新的事实,直至推导出目标公式)、规则逆向演绎系统(从目标公式出发,逆向应用规则不断推导出子目标,直至所有子目标就是给定的事实为止)和规则双向演绎系统。
例如:事实 1.春天来了规则 2.春天来了,燕子就飞回来了;3 燕子飞回来后就筑巢目标燕子筑巢了吗?正向推理:逆向推理:基于规则的问题求解系统运用下述规则来建立:If→Then 其中,If部分可能由几个if组成,而Then部分可能由一个或一个以上的then组成。
在这种系统中,通常称每个if部分为前项(antecedent),称每个then部分为后项(consequent)。
●规则正向演绎系统定义规则正向演绎系统是从事实到目标进行操作的,即从状况条件到动作进行推理的,也就是从if到then的方向进行推理的。
正向推理过程(步骤)1.事实表达式的与或形式变换把事实表示为非蕴涵形式的与或形,作为系统的总数据库。
具体变换步骤与前述化为子句形类似。
注意:我们不把这些事实化为子句形,而是把它们表示为谓词演算公式,并把这些公式变换为非蕴涵形式的与或形。
与或形表达式是由符号∧和∨连接的一些文字的子表达式组成的。
呈与或形的表达式并不是子句形,与子句集比起来,与或形更多的保留了公式的原始形式。
事实表达式(∃u)(∀v){Q(v,u)∧~[(R(v)∨P(v))∧S(u,v)]}把它化为= (∃u)(∀v){Q(v,u)∧[~(R(v)∨P(v)) ∨~S(u,v)]}= (∃u)(∀v){Q(v,u)∧[(~R(v) ∧~P(v)) ∨~S(u,v)]}= (∀v){Q(v,A)∧[(~R(v) ∧~P(v)) ∨~S(A,v)]}= Q(v,A) ∧[(~R(v)∧~P(v))∨~S(A,v)]对变量更名标准化,使得同一变量不出现在事实表达式的不同主要合取式中。
更名后得表达式:Q(w,A)∧[(~R(v)∧~P(v))∨~S(A,v)]注意:Q(v,A)中的变量v可用新变量w代替,而合取式[~R(v)∧~P(v)]中的变量v却不可更名,因为后者也出现在析取式~S(A,v)中。
2.事实的与或图表示⏹在与或图中,结点表示事实表达式⏹根结点表示整个表达式,叶结点表示表达式中的单个文字⏹前向演绎系统把AND/OR事实A1∧A2∧...∧Am的每个子公式Ai(i=1,2,...,m)表示成OR结点(即1联结符),是因为它作为证明定理T的前提条件,只要由任一Ai可推出T,即Ai|-T,则T得证。
⏹把事实A1∨A2∨...∨Am每个子公式表示成AND结点(即n联结符),是因为目前并不知道哪些Ai为真,因此要由它证明定理T,必须要证明每个Ai都可推出T。
⏹我们一般把事实表达式的与或图表示倒过来画,即把根节点画在最下面,而把其后继节点往上画。
⏹逻辑公式的AND/OR图表达与子句表达有简单的对应关系:每个子句对应一解图的叶结点。
重要性质:就是由变换表达式得到的一组子句,可以从与或图中读出,每个子句相当于与或图的一个解图,每个子句是由叶节点组合成的公式。
上例的3个子句是:Q(w,A),~S(A,v)∨~R(v),~S(A,v)∨~P(v)例如,上图有4个解答图,其叶结点分别对应下面的4个子句:①A②B∨D∨~E③~C∨D∨~E④F3.与或图的F规则变换基于规则的正向推理中,要求F规则具有以下形式:L→W。
具体要求如下:1.L是单文字,W是任意的与或形表达式。
2.L和W中的所有变量都是全称量词量化的,默认的全称量词作用于整个蕴含式。
3.各条规则的变量各不相同,而且规则中的变量与事实表达式中的变量也不相同。
将F规则的左部限制为单文字,是因为与或图的叶节点都是单文字,这样就可用F规则的左部与叶节点进行匹配,大大简化了规则的应用过程。
如果所给知识的表示形式不是所要求的形式,则可用如下步骤将其变换成标准形式:(1)暂时消去蕴含符号“→”。
例如公式(∀x){[(∃y)(∀z)P(x,y,z)] →(∀u)Q(x,u)}消去蕴含符号“→”变为:(∀x){⌝[(∃y)(∀z)P(x,y,z)] ∨(∀u)Q(x,u)}(2)把否定号“⌝”移到每个谓词的前面,可变为(∀x){(∀y)(∃z)[⌝P(x,y,z)] ∨(∀u)Q(x,u)}(3)引入skolem函数消去存在量词。
消去存在量词后,为(∀x){(∀y) [⌝P(x,y,f(x,y))] ∨(∀u)Q(x,u)}(4)将公式化为前束式,并略去全称量词,可变为⌝P(x,y,f(x,y))∨ Q(x,u)(5)恢复为蕴含式。
利用等价关系⌝P∨Q 与 P→Q 将上式变为P(x,y,f(x,y))→ Q(x,u)规则S ⇒(X∧Y)∨Z ~S∨((X∧Y)∨Z) ~S∨((X∨Z) ∧(Y∨Z))4.作为终止条件的目标公式目标公示的表示形式:要求目标公式用文字的析取式(子句)表示,否则就要化为子句形式。
化简时量词消去方法取事实表达式的对偶形式,即将全称量词的约束变量以Skölem函数或常量取代,并使子句隐含地受存在量词约束。
例如目标公式:(∀x)(∃y)(∀z)[P(x, y, z)∨Q(x, y)]最后子句中变量须作换名处理,使各文字不含同名变量。
化简结果为:P(A,y,g(y))∨Q(A,w)⏹ 基于规则的正向演绎推理的基本原理是:应用F 规则作用于表示事实的与或图,改变与或图的结构,从而产生新的事实,直到推出目标公式,则推理成功结束。
借助于与或图表示方式,正向演绎推理从事实表达式出发,不断用激活(左部单文字和与或图叶节点匹配)的F 规则对与或图进行变换(从而扩展了与或图),直至得到一个将目标表达式(子句)包含的所有文字都作为叶节点的一致解图。
⏹ 推理过程:1. 首先用与或图把已知事实表示出来。
2. 用F 规则的左部和与或图的叶节点进行匹配,并将匹配成功的F 规则结论加入到与或图中,即利用F 规则转换与或图。
3. 重复第(2)步,直到产生一个含有以目标节点作为终止节点的解图为止,当一个目标文字和与或图中的一个文字匹配时,可以将表示该目标文字的节点(目标节点)通过匹配连接到与或图中相应的文字节点上。
当演绎产生的与或图包括一个目标节点上结束的解图时,推理便成功结束。
例:事实表达式: A ∨B ;规则集合:A →C ∧D ,B →E ∧G ;目标公式:C ∨ G应用完这两条规则后,得到的与或图如图所示,其中有一个解图满足目标公式(C ∨ G )所建立的结束条件。