qq_41626672的博客

已知f(n)=g(n)+h(n)，g(n)代表从初始节点到n节点的实际代价，h(n)代表从n节点到目的节点的最佳路径的估计代价。h(n)=w(n)，估计最优代价为“不在位”的数码数量，且满足h(n)

由谓词公式转化为子句集的过程可以看出，在子句集中子句之间是合取关系，其中只要有一个子句不可满足，则子句集就不可满足。若不包含，就在子句集中选择合适的子句进行归结，一旦通过归结得到空子句，就说明子句集S是不可满足的。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，并将两个子句中余下的部分析取，构成一个新语句C12，这一过程称为归结。鲁滨逊归结原理又称为消解原理，是鲁滨逊提出的一种证明子句集不可满足性，从而实现定理证明的一种理论及方法。

通过条件模糊向量与模糊关系R的合成进行模糊推理，得到结论的模糊向量，然后采用“清晰化”方法将模糊结论转换为精确量。其中SD（污泥少）、MD（污泥中）、LD（污泥多）、NG（油脂少）、MG（油脂中）、LG（油脂多）、VS（洗涤时间很短）、S（洗涤时间短）、M（洗涤时间中等）、L（洗涤时间长）、VL（洗涤时间很长）。目前，在人工智能领域的自动控制、模式识别、自然语言理解、机器人及专家系统研制等方面，模糊推理的应用取得了一定的成果。假设当前传感器测得的信息为污泥x=60，油脂y=70，采用模糊决策，给出结果。

在这次实验中，我们实现了一个基于产生式规则的动物识别系统。通过该实验，我进一步熟悉了一阶谓词逻辑和产生式表示法，掌握了产生式系统的运行机制以及基于规则推理的基本方法。此外，我们分析上述产生式规则可以看出，虽然系统是用来识别七种动物的，但它并不是简单的只设计7条规则，而是设计了15条规则。基本想法是从粗到细进行分类，随条件增加逐步缩小范围，最终给出识别7种动物的规则。这样做有两个好处：一是已知事实不完全时，虽然推断不出来最终结论，但至少可以得到分类结果；