1、前向连接算法：
从知识库的原子语句出发，在前向推理中应用假言推理规则，增加新的原子语句，直到不能进行任何推理
a、首先进行实例化的置换，得到CNF，然后进行前向连接。
b、前向连接步骤：
①、扫描整个知识库，找到所有的实例化的事实（谓词），凡是有变量的都不是实例化的谓词
②、通过所有实例化的事实去置换所有的含有变量的事实（谓词），进行匹配，将可以进行置换的语句进行置换（实例化）
③、将新得到的实例化的事实加入到知识库中，并继续进行置换，直到得到结论。
c、举例：
首先，得到知识库：
然后，查看哪些是实例化的，哪些不是。可以看出，一下几句是实例化后的：
| west是美国人 | nono有一些导弹 | nono是美国的敌人 |
|---|---|---|
 |
 |
 |
然后，用实例化后的去置换未实例化的，尽可能得到更多实例化后的语句:
然后，用新得到的实例化后的语句去置换剩余的未实例化后的语句
最后，得出结论
d、优点：可靠的，完备的
e、缺点：时间长、易产生与目标无关的结论。如果含有涵词，那么实例化时可能生成无限多的新事实使算法无法终止
f、前向连接算法是低效的：
①、匹配的代价很高，比如说找到一个p(x)的所有实例化的代价往往需要查询整个数据库
g、②、对于有过个子目标的规则而言，对每个子目标的匹配顺序进行排序是重要的。
h、提高前向连接的效率：
①、增量前向连接：每个第t次迭代推理出来的新事实应由至少一个第t-1次迭代中推理出来的新事实导出。因此，在第t次迭代时，只检查那些规则前提包含了能与第t-1次迭代新推理出的事实进行合一的合取子句。看哪些前提条件包含我新产生的结论，因为如果想要退出新的事实，必然要用到新产生的结论。
②、先实例化个数少的谓词，后实例化个数多的谓词。
③、不相关事实：产生许多与目标毫无关系的事实（用反向链接算法解决）
