产生式系统专家系统.docx

人工智能生式规则简称产生式它是指形如a —-> 0或IF a THEN 0或其等价形式的一 条规则，其中a称为产生式的左部或前件；0称为产生式的右部或后件① 如果a、0分别代表需要注视的一组条件及其成立时需要采取的行动，那 么称为条件-行动型产生式;②如果a、0分别代表前提及其相应的结论， 那么称为前提-结论型产生式人工智能中的推理很多是建立在直观经验基 础上的不精确推理，而产生式在表示和运用不精确知识方面具有灵活性， 因此许多专家系统采用产生式系统为体系结构组成一个产生式系统由下列3部分组成：一个总数据库(global database)，它含有与具体任务有关的信息u u —套规则，它对数据库进行操作运算每条规则由左右两部分组成，左部鉴别规则的适用性或先决条件，右部描述规则应用时所完成的动作 应用规则来改变数据库一个控制策略，它确定应该采用哪一条适用规则，而且当数据库的终止条 件满足时，就停止计算u自由帕斯卡中free pascal中的产生式系统的组成产生式系统由一个综合数据库、一组产生式规则和一个控制系统三个 基本要素组成其中：综合数据库是产生式系统所用的主要数据结构，它 主要用来表示问题的状态，即初始状态、中间状态和目标状态等，以及状 态之间的关系。

它不是固定不变的，在求解的过程中，它的内容将越来越 多，状态之间的关系也越来越复杂经常用来表示数据库的数据结构有串、集合、数组、树、表、记录、 队列等产生式规则是对数据库进行操作的一系列规则规则的一般形式是：IF条件THEN操作即满足应用的先决条件后，就对数据库实行后面的操作控制策略规定了操作的顺序，即在任何条件下用什么规则进行操作， 什么条件下停止运行，它规定了问题的求解的搜索策略和路线控制策略 一般可分为不可撤回方式和试探法两大类，试探法又包括回溯法和图搜索 法两种工作方式产生式是系统的单元程序，它与常规程序不同之处在于，产生式是否 执行并不在事前硬性规定，各产生式之间也不能相互直接调用，而完全决 定于该产生式的作用条件能否满足，即能否与全局数据库的数据条款匹配 因此在人工智能中常将产生式称为一种守护神 （demon）,即“伺机而动”之 意另一方面，产生式在执行之后工作环境即发生变化，因而必须对全局 数据库的条款作相应修改，以反映新的环境条件全部工作是在控制程序 作用下进行的现代产生式系统的一个工作循环通常包含匹配、选优、行 动三个阶段匹配通过的产生式组成一个竞争集，必须根据选优策略在其 中选用一条，当选的产生式除了执行规定动作外，还要修改全局数据库的有 关条款。

因此现代产生式系统的控制程序常按功能划分为若干程序推理方向产生式系统的推理分为正向推理和逆向推理正向推理指的是从现有 条件出发，自底向上地进行推理（条件的综合），直到预期目标实现逆 向推理则从预期目标出发，自顶向下地进行推理（目标的分析），直到符 合当前的条件运用逆向推理时，后件而不是前件引导产生式的搜索工作， 因此按推理方向可将产生式系统分为前件驱动和后件驱动两种类型条件 —行动型产生式系统采用前件驱动的工作方式优缺点产生式系统的优点是：①模块性，每一产生式可以相对独立地增加、删 除和修改;②均匀性，每一产生式表示整体知识的一个片段，易于为用户或 系统的其他部分理解；③自然性，能自然地表示直观知识它的缺点是执 行效率低，此外每一条产生式都是一个独立的程序单元，一般相互之间不 能直接调用也不彼此包含， 控制不便，因而不宜用来求解理论性强的问题第三章产生式系统产生式系统概述产生式系统工作原理产生式系统控制策略产 生式系统与图搜索产生式系统评价3.1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•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 理和三段论推理产 生式规则ATB （大前提大前提）大前提A （小前提）小前提）B （结论）（结论）证 据事实3.2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规则执行推理控制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. 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.3.3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：推理方式正向推理，反向推理，正反向混合正向推理规 则的一般形式：规则的一般形式P1 --＞ P2 ;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. P2 --＞ P3 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 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; 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; 反向推理规则的一般形式： 规则的一般形式 P1 --＞ P2 ; P3 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. P2 --＞ 反向推 理算法 ： 无信息, 启发式 反向推理举例 ： 动物分类 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• 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; 4产生式系统举例一一物分类问题R1:有奶--＞哺乳动物;R2:毛发--＞哺乳动物;R3: 羽毛--＞鸟；R4:会飞，生蛋--＞鸟；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；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；动物分类产生式系统初始事实：fl:有毛f2:食肉f3:黄褐色f4: 有黑色条纹目标条件：目标条件 该动物是什么？该动物是什么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 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 件以上的脏衣服THEN洗衣服4.IF洗衣服THEN衣服是湿的 1.正向推理，分步进行，并给 正向推理，分步进行，正向推理 出动态数据库的当前状态 2. 反向推理（图示法） 反向推理（图示法） 反向推理 目标条件 在户外晾晒衣服 动态数据 库衣服是脏的 有 20 件脏衣服 件脏衣服 天气晴朗 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 件以上的脏衣服 THEN 洗衣服 4.IF 洗衣服 THEN 衣服是湿的 步骤1:和规则 进行匹配 步骤 和规则3进行匹配 和规则 动态数据库衣 服是脏的 有 20 件脏衣服 件脏衣服 天气晴朗 洗衣服 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 件以上的脏衣服 THEN 洗衣服 4.IF 洗衣服 THEN 衣服是湿的 衣服是脏的 有 20件脏衣服 件脏衣服 天气晴朗 洗衣服 衣服是湿的 步 骤 2: 和规则 进行匹配 步骤 和规则 4 进行匹配 和规则 动态数据库 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 件以上的脏衣服 THEN 洗衣服 4.IF 洗衣服 THEN 衣服是湿的 衣服是脏的 有 20 件脏衣服 件脏衣服 天气晴朗 洗衣服 衣 服是湿的 在户外晾晒衣服 步骤 3:和规则 进行匹配 步骤 和规则 1进行匹配 和规则 动态 数据库 在户外晾晒衣服 衣服是湿的天气晴朗洗衣服 衣服是脏的有15件以上的件以 上的脏衣服反向推理树为什么要采用产生式系统（1）用产生式系统结构求解问题的过 程和人 类求解问题时的思维过程很相象，因而可以用它来模拟人类求解问题时的思维过程。

2）可以把产生式系统作为人工智能系统的基本结构单元或基本模式看待，就好像是积木 世界中的积木块一样，因而研究产生式系统的基本问题就具有一般意义产生式系统优点 模块性：产生式规则是规则库中最基本的知识单元，各规则之间只能通过综合数据库发生 联系，不能相互 调用，增加了规则的模块性，有利于对知识的增加、 删除和修改 有效 性: 产生式表示法既可以表示确定性知识，又可 : 以表示不确定性知识，既有利于表示启发 性知识，又有利于表示过程性知识自然性：产生式表示法用“lf...then..."的形式表示知识， 这种表示形式与人类的判断性知。