推理技术产生式系统

动物分类反向推理树
老虎 R9 食肉动物 R6
哺乳动物
R5
R2
有爪 有犬齿 目盯前方 有奶
有毛发 食肉 黄褐色 有黑色条纹
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 THEN 洗衣服 1.正向推理，分步进行，并给 出动态数据库的当前状态 目标条件 在户外晾晒衣服
产生式规则 A→B (大前提) A （小前提） B（结论）
证据事实
4.2 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
推理控制
规则执行
冲突消解策略

按匹配成功次序选择 : 优先选择最先匹配成功的规则. 按优先权选择 : 优先选择优先权最高的规则.
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;
f3: 黄褐色
f4: 有黑色条纹 目标条件: 该动物是什么?


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;
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.
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;
动物分类正向推理树
老虎 R9 食肉动物 R6 哺乳动物 R2 有毛发 食肉 黄褐色 有黑色条纹
4.1 产生式系统概述



产生式系统(Production System): 美国 数学家Post 1943年提出. 产生式(Production): 前件-->后件 产生式 产生式系统的组成:

产生式规则库(知识库) 动态数据库(工作存储器,综合数据库) 推理机(控制器,规则解释器)

AI系统中最普遍被采用的系统结构形式.


按详细程度选择 : 优先选择前提部分描述最详细的规则.
按执行次序选择 : 优先选择最近执行的规则.


按新事实选择 : 优先选择与数据库中最新事实有关的规则.
按是否使用过选择 : 优先选择没有使用过的规则.
4.3 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: 正向推理, 反向推理, 正反向混合
产生式系统的基本结构
控制系统
规则库
动态数据库
医疗产生式系统
控制系统
规则库
IF 发烧 then 感冒 IF 发烧 and 头痛 then 感冒 IF 头痛 and 嗓子痛 then 感冒 IF 发烧 and 胸闷 then 肺炎 ……
动态数据库
•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
正向推理
规则的一般形式: P1 --> P2 ;

P2 --> P3
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.


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
ห้องสมุดไป่ตู้
动态数据库
衣服是脏的
有20件脏衣服 天气晴朗
4.IF 洗衣服
THEN 衣服是湿的
2.反向推理（图示法）
规则库
步骤1:和规则3进行匹配 动态数据库
衣服是脏的 有20件脏衣服 天气晴朗 洗衣服
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


反向推理
规则的一般形式: P1 --> P2 ; P3

P2 -->
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.

反向推理算法 : 无信息, 启发式 反向推理举例 : 动物分类


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;
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;
动物分类产生式系统
初始事实: f1: 有毛 f2: 食肉
R4: 会飞,生蛋-->鸟;