产生式推理的基本结构

规则库：用于描述相应领域内知识的产生式集合。
综合数据库：一个用于存放问题求解过程中各种当前信息的数据结构。
控制系统：包括控制和推理机两个部分，由一组程序组成，负责整个产生式系统的运行，实现对问题的求解。

推理过程：先查询问题的解是否在综合数据库中，若不存在，则取出规则库中对应的规则进一步进行推理。

产生式的正向推理

步骤：
（1）推理开始前，把用户提供的初始证据放入综合数据库。
（2）推理开始后，检查综合数据库中是否包含了问题的解，若已包含，则求解结束，并成功退出；否则，执行下一步。
（3）检查知识库（即规则库）中是否有可用知识，若有，形成当前可用知识集，执行下一步；否则，转（5）。
（4）按照某种冲突消解策略，从当前可用知识集中选出一条知识进行推理，并将推出的新事实加入综合数据库中，然后转（2）
（5）询问用户是否可以进一步补充新的事实，若可补充，则将补充的新事实加入综合数据库中，然后转（3）；否则表示无解，失败退出。

举例：

设有以下两条规则：

$r_3$ ：IF 动物有羽毛 THEN 动物是鸟
$r_{15}$ ：IF 动物是鸟 AND 动物善飞 THEN 动物是信天翁

假设已知有以下事实：动物有羽毛，动物善飞。要求采用正向推理，求满足以上事实的动物是何种动物。

解：

① 由于已知事实“动物有羽毛”，即 $r_3$ 的前提条件满足，因此 $r_3$ 可用，承认 $r_3$ 的结论，即推出新的事实“动物是鸟”。
② 此时， $r_{15}$ 的两个前提条件均满足，因此 $r_{15}$ 可用，承认 $r_{15}$ 的结论，即推出新的事实“动物是信天翁”。
③ 由于信天翁已经是一种具体的动物，因此已求出该动物是信天翁。

优点和局限性（不需要有明确的目标）：

正向推理的优点是比较直观，允许用户主动提供有用的事实信息，适合于诊断、设计、预测、监控等领域的问题求解。其主要缺点是推理无明确的目标，求解问题时可能会执行许多与解无关的操作，导致推理效率较低。

产生式的逆向推理

步骤：

（1）将问题的初始证据和要求证的目标（称为假设）分别放入综合数据库和假设集。
（2）从假设集中选出一个假设，检查该假设是否在综合数据库中。若在，则该假设成立。此时，若假设集为空，则成功退出；否则，仍执行（2）。若该假设不在数据库中，则执行下一步。
（3）检查该假设是否可由知识库的某个知识导出。若不能由某个知识导出，则询问用户该假设是否为可由用户证实的原始事实。若是，该假设成立，并将其放入综合数据库，再重新寻找新的假设；若不是，则转（5）。若能由某个知识导出，则执行下一步。
（4）将知识库中可以导出该假设的所有知识构成一个可用知识集。
（5）检查可用知识集是否为空，若空，失败退出；否则，执行下一步。
（6）按冲突消解策略从可用知识集中取出一个知识，继续执行下一步。
（7）将该知识的前提中的每个子条件都作为新的假设放入假设集，转（2）。

举例：

设有以下两条规则：

$r_3$ ：IF 动物有羽毛 THEN 动物是鸟
$r_{15}$ ：IF 动物是鸟 AND 动物善飞 THEN 动物是信天翁

假设已知有以下事实：动物有羽毛，动物善飞。要求采用逆向推理，求证：动物是信天翁

解：

① 推理开始前，综合数据库和假设集均为空。
② 推理开始后，先将初始证据“动物有羽毛”和“动物善飞”放入综合数据库，把“动物是信天翁”放入初始假设集
③ 然后从假设集中取出一个假设“动物是信天翁”，查找该假设是否为综合数据库中的已知事实，回答为“N”。再检查“动物是信天翁”是否能被规则库中的规则所导出，发现“动物是信天翁”可由 $r_{15}$ 导出，于是 $r_{15}$ 被放入可用规则集。
④ 接着从可用规则集中取出 $r_{15}$ ，将其前提条件“动物是鸟”和“动物善飞”分别作为新的子假设放入假设集。
⑤ 在当前假设集中，取出一个假设“动物是鸟”，检查该假设是否为综合数据库中的事实，回答为“N”。再检查“动物是鸟”是否能被规则库中的规则所导出，发现该子假设可由 $r_3$ 导出，于是 $r_3$ 被放入可用规则集。
⑥ 接着从可用规则集中取出 $r_{3}$ ，将其前提条件“动物有羽毛”作为新的假设放入假设集。
⑦ 此时，假设集中的假设已全部被综合数据库中的已知事实所满足，推理过程成功结束，于是目标“动物是信天翁”得证。

优点和局限性（需要有明确的目标）：

逆向推理的主要优点是，不必寻找和使用那些与假设目标无关的信息和知识，推理过程的目标明确，也有利于向用户提供解释，在诊断性专家系统中较为有效。其主要缺点是当用户对解的情况认识不清时，由系统自主选择假设目标的盲目性比较大，若选择不好，可能需要多次提出假设，会影响系统效率。

产生式系统的应用

（该例采用正向推理）

将已知初始事实存放在综合数据库中：暗斑点，长脖子，长腿，奶，蹄

（1）从规则库中取出 $r_1$ ，检查其前提是否可与综合数据库中的已知事实匹配。匹配失败则 $r_1$ ，不能被用于推理。然后取 $r_2$ 进行同样的工作，匹配成功则 $r_2$ 被执行。

综合数据库：暗斑点，长脖子，长腿，奶，蹄，哺乳动物

（2）分别用 $r_3$ ， $r_4$ ， $r_5$ ， $r_6$ 综合数据库中的已知事实进行匹配，均不成功。 $r_7$ 匹配成功，执行 $r_7$ 。

综合数据库：暗斑点，长脖子，长腿，奶，蹄，哺乳动物，有蹄类动物

（3） $r_{11}$ 匹配成功，并推出“该动物是长颈鹿”。

人工智能 —— 产生式推理

产生式推理的基本结构

产生式的正向推理

产生式的逆向推理

产生式系统的应用

猜你喜欢