人工智能 3.确定性推理方法

版权声明:本文为博主原创文章,转载请声明原创网址。 https://blog.csdn.net/lagoon_lala/article/details/85133897

推理是求解问题的一种重要方法

鲁宾逊归结原理使定理证明能够在计算机上实现

知识+推理=智能

归结演绎:谓词公式化为子句集、鲁宾逊归结原理、归结反演

推理的基本概念

已知事实(数据库)+知识 --通过策略à结论

推理方式及其分类:演绎推理、归纳推理、默认推理

1.演绎推理 (deductive reasoning) :    一般   →  个别

 三段论式(三段论法)

 足球运动员的身体都是强壮的 ;(大前提)

 高波是一名足球运动员;(小前提)

 所以,高波的身体是强壮的。(结论)

2.归纳推理 (inductive reasoning):  个别 → 一般

完全归纳推理(必然性推理)(普查)、不完全归纳推理(非必然性推理)(抽样)

3.默认推理(default reasoning,缺省推理)

  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。

 

确定性推理、不确定性推理

(1)确定性推理:推理时所用的知识与证据都是确定的,推出的结论也是确定的,其真值或者为真或者为假。

(2)不确定性推理:推理时所用的知识与证据不都是确定的,推出的结论也是不确定的。

单调推理、非单调推理

(1)单调推理:随着推理向前推进及新知识的加入,推出的结论越来越接近最终目标。 (经典逻辑)

(2)非单调推理:由于新知识的加入,不仅没有加强已推出的结论,反而要否定它,使推理退回到前面的某一步,重新开始。(默认推理)

启发式推理、非启发式推理

启发性知识:与问题有关且能加快推理过程、提高搜索效率的知识。

推理方向:

1. 正向推理(事实驱动推理):  已知事实  →   结论

(1)从初始已知事实出发,在知识库KB中找出当前可适用的知识,构成可适用知识集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到数据库DB中作为下一步推理的已知事实,再在KB中选取可适用知识构成KS 。

(3)重复(2),直到求得问题的解或KB中再无可适用的知识。

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。

 正向推理简单,易实现,但目的性不强,效率低。

2.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。

  主要缺点:起始目标的选择有盲目性。

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。

 3.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。

如下为先正后逆:

4. 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。

冲突消解策略:

已知事实与知识的三种匹配情况:

(1)恰好匹配成功(一对一);

(2)不能匹配成功;

(3)多种匹配成功(一对多、多对一、多对多)à需要冲突消解

多种冲突消解策略:

(1)按针对性排序

(2)按已知事实的新鲜性排序

(3)按匹配度排序

(4)按条件个数排序(少的更接近充要)

自然演绎推理

自然演绎推理:从一组已知为真的事实出发,运用经典逻辑的推理规则推出结论的过程。

推理规则:P规则(前提引入)、T规则(结论引用)、假言推理(P, P→Q=>Q)、拒取式推理(P→Q,﹁Q=>﹁P)

证明:

定义谓词:

       EASY ( x ):x 是容易的

       LIKE ( x,  y ):x 喜欢 y

       C ( x ):x 是 C 班的一门课程

已知事实和结论用谓词公式表示:

      (x) ( EASY ( x ) → LIKE ( Wang,  x ) )

      (x) ( C ( x ) → EASY ( x ))

      C ( ds )

      LIKE ( Wang,  ds )

(x)(EASY ( x )  →LIKE ( Wang,  x ))

 EASY (z) →LIKE ( Wang,  z )       全称固化

(x) (C ( x ) → EASY ( x ))

 C ( y )  →EASY ( y ) 全称固化

所以 C (ds), C (y) →EASY (y)  =>EASY (ds)                P规则及假言推理

所以  EASY (ds), EASY (z)  →LIKE (Wang,z) =>LIKE ( Wang,  ds )   T规则及假言推理

缺点:易产生组合爆炸,得到的中间结论一般呈指数形式递增。

谓词公式化为子句集的方法

原子(atom)谓词公式: 一个不能再分解的命题。

  文字(literal):原子谓词公式及其否定。p:正文字,﹁p:负文字。

  子句(clause):任何文字的析取式。任何文字本身。

  空子句(NIL):不包含任何文字的子句。永假

  子句集:由子句构成的集合。

将下列谓词公式化为子句集

1)消去谓词公式中的“à”和“<-->”符号

(2)把﹁移到紧靠谓词的位置上

双重否定:

德摩根:

量词转化:

(3)变量标准化(辖域不同,变量名不同)

(4)消去存在量词

a. 存在量词不出现在全称量词的辖域内。

b. 存在量词出现在一个或者多个全称量词的辖域内。

(5)化为前束形

前束形=(前缀){母式}

(前缀):全称量词串。

  {母式}:不含量词的谓词公式。

(6)化为 Skolem 标准形

(7)略去全称量词

(8)消去合取词

(9)子句变量标准化

谓词公式不可满足的充要条件是其子句集不可满足

鲁宾逊归结原理

子句集中子句之间是合取关系,只要有一个子句不可满足,  则子句集就不可满足。

鲁宾逊归结原理(消解原理)的基本思想:

在 S 中选择合适的子句进行归结,一旦归结出空子句,就说明 S 是不可满足的。

1. 命题逻辑中的归结原理(基子句的归结)

   定义3.1(归结):设C1与C2是子句集中的任意两个子句,如果 C1中的文字L1与 C2中的文字L2互补,那么从C1和 C2中分别消去L1和L2,并将二个子句中余下的部分析取,构成一个新子句C12 。

定义:归结式C12是其亲本子句C1与C2的逻辑结论。即如果 C1与C2为真,则C12为真。

推论:设C1与C2是子句集S中的两个子句,C12是它们的归结式,若C12 加入原子句集S,得到新子句集S1,则S与S1在不可满足的意义上是等价的

S永假<=>S1永假

谓词逻辑中的归结原理(含有变量的子句的归结):

定义 3.2 :若是L1与﹁L1的最一般合一,则称

为C1、C2的二元归结式

 

对于谓词逻辑,归结式是其亲本子句的逻辑结论。

对于一阶谓词逻辑,子句集是不可满足的ó存在一个从该子句集到空子句的归结演绎

如果没有归结出空子句,则既不能说 S 不可满足,也不能说 S 是可满足的。(可能是归结方式错了)

归结反演

应用归结原理证明定理的过程称为归结反演。

用归结反演证明的步骤是:

(1)将已知前提表示为谓词公式F。

(2)将待证明的结论表示为谓词公式Q,并否定得到﹁ Q 。

(3)把谓词公式集{F,﹁Q} 化为子句集S。

(4)应用归结原理对子句集S中的子句进行归结,并把每次归结得到的归结式都并入到S中。如此反复进行,若出现了空子句(P∨﹁P),则停止归结,此时就证明了Q为真。

应用归结原理求解问题

应用归结原理求解问题的步骤:

(1)已知前提 F 用谓词公式表示,并化为子句集 S ;

(2)把待求解的问题 Q 用谓词公式表示,并否定 Q,再与  ANSWER 构成析取式(﹁ Q ∨ ANSWER );(也就是QàANSWER)

(3)把(﹁ Q∨ ANSWER) 化为子句集,并入到子句集 S中,得到子句集S’;

(4)对S’应用归结原理进行归结;

(5)若得到归结式 ANSWER ,则答案就在 ANSWER 中。

 

已知:

        :王(Wang)先生是小李(Li)的老师。

        :小李与小张(Zhang)是同班同学。

        :如果x与y是同班同学,则x的老师也是y的老师。

求:小张的老师是谁?

解:

 定义谓词:

 

把已知前提表示成谓词公式:

把目标表示成谓词公式,谁教张T(x,Zhang),并把它否定后与 ANSWER 析取:

把上述公式化为子句集:

归结:

 

 

猜你喜欢

转载自blog.csdn.net/lagoon_lala/article/details/85133897