第2章 人工智能系统的基本结构 .

1、第二章 人工智能系统的基本结构,产生式系统（Production System），也称作基于规则的系统，是人工智能系统中最典型、最普遍的结构。,第二章 人工智能系统结构,2.1 产生式系统概述 2.2 问题的表示 2.3 控制策略分类 2.4 产生式系统的类型,2.1 产生式系统概述,产生式，也称作规则，或产生式规则，用于描述各种知识单元间广泛存在的因果关系，即前提和结论之间的关系。 在产生式系统中，待描述系统的知识被分为两部分： 事实：表示已知事实，如事物、事件及其之间关系，也可以看作是无前提条件的产生式。 产生式规则：前提和结论之间的关系式，表示推理过程和行为。,2.1.1 产生式系统的基本结构,三个基本部分：综合数据库（事实库）、规则库（规则集）、控制器（规则解释）。 1、综合数据库是产生式系统使用的主要数据结构，存储有关问题状态、性质等事实（叙述型知识），包括推理过程中形成的中间结论，对应问题的表示信息。 2、规则库是产生式规则的集合，存储有关问题的状态转移、性质变化等规则（过程型知识），规则形式: if 条件 then 行动 if 前提 then 结论 如果某规则的前件能够被

2、事实库中的事实满足，则该规则被激活。,3、控制器是规则的解释程序或执行程序，它规定选择一条可用规则的原则和规则使用的方式 (推理方向)，并根据综合数据库的信息，控制求解问题的过程（控制策略,推理引擎）。通常从选择规则到执行操作分三步： 匹配。 判断规则的前件是否成立? 可能有多条规则的前件能够与综合数据库中的事实匹配! 冲突解决，选择可调用的规则。 从匹配满足的规则集中选择一条规则。 执行规则，并在满足结束条件时终止产生式系统的运行。 如果规则的后件是结论，把该结论加入综合数据库； 如果规则的后件是动作，执行该动作；,4、产生式系统的特点： 数据、知识和控制相互独立。 知识具有相对固定的格式：均由左、右两部分组成。 知识无序性与模块化：知识的补充和修改非常容易。 控制系统与问题无关。,2.1.2 产生式系统的基本过程,基本算法如下 ： 过程PRODUCTION 1DATA 初始数据库 2Until DATA 满足结束条件(匹配）之前, do: 3从规则集中选一条可应用于DATA的规则R（选择） 4综合数据库 R 应用到 DATA 得到结果 （执行） 上述过程是 “匹配、选择、执行”的循

3、环过程。,2.2 问题的表示,用产生式系统求解问题，就是把一个问题的描述转化成产生式系统的三个部分。其中问题的表示（即综合数据库和规则集的描述）对问题的求解有很大的影响。 状态空间法。所求问题的已知事实及中间结论，称为状态。状态的集合及状态间的转移规则构成问题的表示。基于这种表示的问题求解称为状态空间法。求解过程是，通过对可能的状态空间的搜索求得一个解。（PRODUCTION过程） 问题归约法。待求问题分解为一些较为简单的子问题，且子问题也可以分解，所以可得到若干子问题。包含问题、子问题的集合与问题分解的规则一起构成问题的表示。基于这种表示的问题求解称为问题归约法。求解过程是，通过对各个子问题解答的搜索求得原问题的解答。 （SPLIT过程）,2.2.1 状态空间法,状态空间可用三元组（S，O，G）来描述 S是状态集合。状态是表示某种事实的符号或数据。问题的状态可以用任何类型的数据结构描述。起始状态S0是S的一个非空子集，描述问题的初始状态。 G是目标状态。 G是S的一个非空子集，它可以是一个或多个要达到的状态，也可以是对某些状态性质的描述。 O是规则集合。集合中的每个元素称作操作算子，

4、将一个状态转化为另一个状态。 问题求解：从S0出发，经过一系列操作变换达到G， 即状态空间搜索问题。状态空间的一个解是一个有限的规则序列， 即为状态空间的一个解，解不一定唯一。,2.2.2 问题归约法,问题归约法也可用一个三元组（S0，O，P）来描述 S0是初始问题，即要求解的问题； P是本原问题集，其中的每一个问题是自然成立的，不需证明的； O是操作算子集，一个操作算子可把一个问题化成若干个子问题。 该方法由问题出发，运用操作算子产生一些子问题，对子问题再运用操作算子产生子问题的子问题，一直进行到产生的问题均为本原问题，则问题得解。问题归约的最终目的是产生本原问题。 问题归约法是比状态空间法更一般的问题求解方法，如果在归约法中，每运用一次操作算子，只产生一个子问题，则就是状态空间法。,2.2.3 产生式系统举例,图2-1 八数码游戏 问题描述：给定一种初始布局（初始状态）和一个目标的布局（目标状态），问如何移动将牌，实现从初始状态到目标状态的转变。 一个合理的走步序列是问题的一个解。,1综合数据库：选择一种数据结构表示将牌布局。 本例选用二维数组来表示布局较直观，其数组元素用 表示，

5、其中 且互不相等。 这样每个具体取值矩阵就代表了一个棋局状态。显然，该问题有 个状态。,2. 规则集：移动一块将牌（即走一步）就使状态发生一次转变。有四种走法：空格左移、空格上移、空格右移、空格下移。 记数组第 i 行第 j 列的元素为 空格所在的行、列分别记为 ，则 则空格左移一格、空格上移一格、空格右移一格、空格下移一格可用如下4条规则来描述：,规则1: （空格左移一格） 规则2: （空格上移一格） 规则3: （空格右移一格） 规则4: （空格下移一格）,3.控制策略：从规则集中选择规则并作用于状态的一种广义选取函数。 确定某一策略后，可以用算法的形式给出程序。使用该策略从初始状态出发，通过不断寻求满足一定条件的问题状态，最后到达目标状态。,2.3 控制策略分类 对当前的状态，只要某一条规则作用之后能生成合法的新状态，那么，这条规则就是可用规则。 产生式系统的运行表现出一种搜索过程，在每一个循环中选一条规则试用，直到找到某一个序列能产生满足结束条件的状态为止。 不同的控制策略产生不同的解，高效率的控制策略能够走较少的步骤达到目标，但需要问题求解的足够知识。 控制策略分为两类：不可撤

6、回方式（Irrevocable）和试探方式（Tentative）。,1）不可撤回方式：,思想: 利用问题给出的局部知识决定如何选取规则，已用过的规则不能撤回。优点是控制简单。 例：爬山问题。登山过程中，登山人的目标是爬上峰顶，如何一步一步地向目标前进就是一个策略问题。通常，人们利用高度随位置变化的函数H(P)来引导爬山，这是一种不可撤回方式。,利用 H(P)可以计算朝不同方向迈出一步后高度的变化情况。即 向东：z1=H（P0+x）-H(P0) 向西：z2=H（ P0 -x）- H(P0) 向北：z3=H（ P0+ y）- H(P0) 向南：z4=H（ P0 -y）- H(P0) 选择z变化最大的那一步攀登，到达新的位置P；从P开始重复这一过程，直到到达山顶。,图2-2 爬山过程示意图,假设登山人当前所处的位置为P0，如果只有四个方向可供选择 ：向东（x）、向西（-x ）、向北（y）、向南（-y），分别记为规则1、2、3、4。,爬山算法 1. 开始状态作为一个可能状态。 2. 从一个可能状态，应用可用规则集生成所有新的可能状态集。 3. 对该状态集中每一状态： （1）进行状态测试，检查其

7、是否为目标： （2）如果是目标则程序停止。 （3）如果不是目标，计算该状态的好坏或者比较各状态的好坏。 4. 取状态集中最好状态，作为下一个可能状态。 5. 回到第2步。,爬山算法缺点：有时到达某一状态后，尽管它不是目标状态，但在测试过 中又找不到比该状态更好的状态，如图2-3。 局部极大点（多峰时处于非主峰）：它比周围邻居状态都好，但不是目标。 平顶：它与全部邻居状态都有同一个值。 山脊：如果搜索方向与山脊的走向不一致，则有可能会停留在山脊处。 所以，用不可撤回方式来求解登山问题，需要对状态测试函数进行选择：这个函数应具有单极值，且这个极值对应目标状态值。,图2-3 爬山法的三种可能状态,测试函数例：以8数码为例，统计“不在位”将牌个数（逐一比较当前状态与目标状态对应位置,有差异的将牌总个数），并取其负值作为状态描述的函数. - W(n)（n为测试状态） 基于该定义，下图所示状态的函数值为-4。显然，目标状态的函数值为0。,2 8 3 1 6 4 7 5,1 2 3,4 5,7 6,8,1 2 3 8 4 7 6 5,图2-4 八数码问题各状态的爬山函数值,爬山法的策略 执行使新状态

8、的测试函数值有最大增长的规则； 所有规则都不能使新状态的测试函数值增长时，执行使测试函数值不减少的规则； 如果以上两种规则都不存在，则过程停止。,2）试探方式,试探方式分为两种：回溯方式和图搜索方式。 回溯方式：应用规则后遇到规定的情况时，返回到最近的回溯点（无特殊规定时，最近的上一状态即是回溯点），从那里改选另外一条可应用规则。,2）试探方式,对八数码问题而言，在3种情况下应考虑回溯： 新生成的状态在通向目标的路径上已经出现过； 从初始状态开始，在应用了指定数目的规则后，仍没有找到目标状态； 对当前状态，再没有可应用规则。 假如规定的搜索深度为6层（表现为：应用了第6条规则之后得到的状态仍然不是目标状态），回溯策略应用于八数码游戏时的一部分搜索图如图2-5所示,同状态4，回溯到上一步，到状态5,同状态5，回溯到上一步，到状态6,用了6条规则，未找 到解，回溯到上一步，到状态 6,状态6的所有规则 用完，回溯到上一步，到状态 5,图2-5 利用回溯策略的部分搜索图,图搜索方式: 对任一状态，应用其所有可应用规则，并把状态变化过程用图结构记录下来，一直到得到解为止。图搜索策略求解问题是一

9、种穷举方式。,图搜索方式下，求得一条解路径需要搜索问题的整个求解空间。 对于状态空间较大的问题，需要利用与问题有关的知识引导规则的选择，以便在较窄的空间内找到问题的解。搜索过程中利用应用问题相关知识对规则进行选择的搜索，称为启发式图搜索。,图2-7是5个城市旅行商问题的地图， 求从A出发经B、C、D、E再回到A的最短路径。 问题的表示：若每个城市用一个字母表示，则综合数据库可用字母组成的表或字符串来表示，如（A）表示初始状态，（A*A）表示目标状态，（A*）表示访问两个城市后的当前状态。,启发式图搜索例： 问题：旅行商问题。一个推销员要到几个城市办理业务，城市间里程数已知。 求：从某个城市出发，每个城市只允许访问一次，最后回到出发城市的最短距离环路。,图2-7 旅行商问题的地图,规则集：1）下一步走向城市A；2）下一步走向城市B；， 5）下一步走向城市E； 问题的约束： 不可以重复经过同一城市； 在没有转完所有城市时，不能走向起点城市A。 引导策略：每次走向离得最近的城市。 图2-8表示求解该问题时，用启发式图搜索控制方式生成的搜索树。,初态（A）B、C、D、E,图2-8 用启发式图搜索生成的搜索树,三种控制方式有不同的特点：,不可撤回方式沿着单独的一条路径延伸搜索； 回溯方式保留部分搜索树结构，只记录当前工作的一条路径，回溯操作对当前工作路径进行修正； 图搜索方式记录完整的搜索树。,2.4正向、逆向、双向产生式系统,正向产生式系统：应用F规则求解问题。 F规则：对规则的可应用性，基于事实描述进行判断。 逆向产生式系统：应用B规则求解问题。 B规则：对规则的可应用性，基于目标描述进行判断。 双向产生式系统：以双向搜索的方式（正向和逆向同时进行）求解问题。此时，必须把事实描述和目标描述合并成综合数据库，F规则只适用于事实描述部分，B规则适用于目标描述部分。,

《第2章 人工智能系统的基本结构 .》由会员Si****n分享，可在线阅读，更多相关《第2章 人工智能系统的基本结构 .》请在金锄头文库上搜索。