谓词逻辑与归结原理-2015.ppt

谓词逻辑与归结原理 华北电力大学 计算机系 第三章 谓词逻辑与归结原理 归结原理概述 命题逻辑的归结法 谓词逻辑归结基础 归结原理 归结过程的控制策略 Herbrand定理 内容框架 第三章 谓词逻辑与归结原理 归结原理概述 命题逻辑的归结法 谓词逻辑归结基础 归结原理 归结过程的控制策略 概述-推理技术 推理 按照某种策略从已有事实和知识推出结论的过程。 推理是由程序实现的，称为推理机 医疗诊断专家系统 知识库中存储经验及医学常识 数据库中存放病人的症状、化验结果等初始事实 利用知识库中的知识及一定的控制策略，为病人诊治疾病、开出医疗处方就是推理过程 概述 推理的分类 演绎推理、归纳推理、默认推理 确定性推理、不精确推理 单调推理、非单调推理 启发式推理、非启发式推理 概述 从推出新判断的途径分演绎、归纳和默认推理 演绎推理 从全称判断推出特称判断或单称判断的过程，即从一般到个别的推理 演绎推理中最常用的形式是三段论法（大前提和小前提，及结论） 例如： 所有的推理系统都是智能系统——一般的知识 专家系统是推理系统——个体的判断 所以，专家系统是智能系统——新判断 没有增加新的知识 概述-演绎推理、归纳推理和默认推理 归纳推理 从足够多的事例中归纳出一般性结论的推理过程，是一种从个别到一般的推理过程 常用的归纳推理有简单枚举法和类比法 枚举法归纳推理是由已观察到的事物都有某属性，而没有观察到相反的事例，从而推出某类事物都有某属性，推理过程为： S1 是 P S2 是 P … Sn 是 P (S1,S2, …Sn 是S 类中的个别事物，在枚举中兼容) S 都是 P 概述-演绎推理、归纳推理和默认推理 归纳推理之枚举法 枚举法归纳推理分完全归纳推理与不完全归纳推理 完全归纳推理 在进行归纳时考察了相应事物的全部对象，并根据这些对象是否都具有某种属性，从而推出这个事物是否具有这个属性 完全归纳推理是必然性推理 不完全归纳推理 只考察了相应事物的部分对象，就得出了结论 不完全推理得出的结论不具有必然性，属于非必然性推理 概述-演绎推理、归纳推理和默认推理 归纳推理之类比法 在两个或两类事物在许多属性上都相同的基础上，推出它们在其它属性上也相同，这就是类比法归纳推理 类比法归纳可形式化地表示为： A 具有属性a,b,c,d,e B 具有属性a,b,c,d,? B 也具有属性e 类比法的可靠程度决定于两个或两类事物的相同属性与推出的那个属性之间的相关程度，相关程度越高，则类比法的可靠性就越高 归纳推理增加了知识（在机器学习部分称为归纳学习） 概述-演绎推理、归纳推理和默认推理 默认推理 又称为缺省推理，是在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 如：在条件A已成立的情况下，如果没有足够的证据能证明条件B不成立，则就默认B是成立的，并在此默认的前提下进行推理，推导出某个结论 知识不完全的情况下也能进行推理 如果到某一时刻发现原先所作的默认不正确，则要撤消所作的默认以及由此默认推出的所有结论，重新按新情况进行推理 概述 按推理时所用的知识的确定性分 确定性推理 推理中所用的知识都是精确的 归结反演、基于规则的演绎系统等都是确定性推理 不精确推理 基于不确定的推理规则进行，形成的结论也是不确定的 专家系统中主要使用的是不精确推理 概述 按推出的结论是否单调增加，或推出的结论是否越来越接近最终目标分： 单调推理 在推理过程中随着推理的向前推进及新知识的加入，推出的结论呈单调增加的趋势，并且越来越接近最终目标 非单调推理 在推理过程中随着推理的向前推进及新知识的加入，不仅没有加强已推出的结论，反而要否定它，使得推理退回到前面的某一步，重新开始 一般非单调推理是在知识不完全的情况下进行的 概述 按推理中是否运用与问题有关的启发性知识分 启发式推理 推理过程中，运用与问题有关的启发性知识，以加快推理过程，提高有哪些信誉好的足球投注网站效率 A*、AO*等算法就属于此类推理 非启发式推理 推理过程中，不运用启发性知识，只按照一般的控制逻辑进行推理 这种方法缺乏对求解问题的针对性，所以推理效率较低，容易出现“组合爆炸”问题，如宽度优先有哪些信誉好的足球投注网站法 概述 推理的控制策略 主要是指推理方向的选择、推理时所用的有哪些信誉好的足球投注网站策略及冲突解决策略等 一般推理的控制策略与知识表达方法有关 推理方向 推理方向用于确定推理的驱动方式 根据推理方向的不同，可将推理分为正向推理、反向推理和正反向混合推理 无论按哪种方式进行推理，一般都要求系统具有一个存放知识的知识库（KB）、一个存放初始事实和中间结果的数据库（DB）和一个用于推理的推理机 概述-推理的控制策略