【人工智能基础】推理技术方法总结

一.命题逻辑基础——基本等值式

①交换率
p∨q <=> q∨p
p∧q <=> q ∧p
②结合率
(p∨q)∨r<=> p∨(q∨r)
(p ∧q)∧r<=> p ∧(q∧r)
③分配率
p∨(q∧r)<=>(p∨q)∧(p∨r)
p∧(q∨r)<=>(p∧q)∨(p∧r)
④摩根率
~ (p∨q) <=> ~ p ∧~ q
~ (p∧q) <=> ~ p ∨ ~ q
⑤吸收率
p∨(p∧q ) <=>p
p∧(p∨q )<=>p
⑥同一律
p∨0 <=> p
p∧1 <=> p
⑦蕴含等值式
p→q<=>~p∨q
⑧假言易位式
p→q<=>~p→~q

二.消解原理

1.消解推理技术
已知两子句L1∨α和~L2∨β ,如果L1和L2具有最一般合一者σ,那么通过消解可以从这两个父辈子句推导出一个新子句(α∨β) σ。
这个新子句叫做消解式,它是由取这两个子句的折取,然后消去互补对而得到的。

2.消解推理常用规则

父辈子句消解式
p 和 ~ p ∨ q (即p → q)q
p ∨ q和 ~ p ∨ qq
p ∨ q和p ∨ ~ qq ∨ ~q 或 p ∨ ~p
~ p ∨ pNIL
~ p ∨ q (即p→q) 和~ q ∨ r (即q→r)~ p ∨ r (即p→r)
B(x)和 ~ B(x) ∨ C(x)C(x)
P(x,f(y)) ∨ Q(x) ∨ R(f(y))P(f(y)), σ=(f(y)/x)
P(x,f(y)) ∨ Q(x) ∨ R(f(y))和~ P(f(f(a)),z) ∨ R(z,w)Q(f(f(a)) ∨ R(f(a)) ∨ R(f(y),w),σ=f(f(a))/x,f(y)/z)

3.消解反演
(1)否定L,得~L;
(2)把~L添加到S中去;
(3)把新产生的集合{~L,S}化成子句集;
(4)应用消解原理,力图推导出一个表示矛盾的空子句NIL。

例题:快乐学生问题

假设:任何通过计算机考试并获奖的人都是快乐的,任何肯学习或幸运的人都可以通过所有考试,张不肯学习但他是幸运的,任何幸运的人都能获奖。求证:张是快乐的。

解:先将问题用谓词表示如下:
“任何通过计算机考试并获奖的人都是快乐的”
(∀x) (Pass(x,computer)∧Win(x,prize)) →Happy(x)
“任何肯学习或幸运的人都可以通过所有考试”
(∀x) (∀y) (Study(x)∨Lucky(x)→Pass(x,y)
“张不肯学习但他是幸运的”
~Study(zhang)∧ Lucky(zhang)
“任何幸运的人都能获奖”
(∀x)(Lucky(x) → Win(x,prize)
结论“张是快乐的”的否定
~Happy(zhang)

将上述谓词公式转化为子句集如下:
(1)~Pass(x, computer)∨~Win(x,prize)∨Happy(x)
(2)~Study(y)∨ Pass(y,z)
(3)~Lucky(u)∨ Pass(u,v)
(4)~Study(zhang)
(5)Lucky(zhang)
(6)~Lucky(w)∨ Win(w, prize)
(7)~Happy(zhang)(本子句为结论的否定)

按谓词逻辑的归结原理对此子句集进行归结,其归结反演过程如图所示。由于归结出了空子句,这就证明了张是快乐的。

在这里插入图片描述

例题:激动人心的生活
例 “激动人心的生活”问题。
假设:所有不贫穷并且聪明的人都是快乐的。那些看书的人是聪明的。李明能看书且不贫穷。快乐的人过着激动人心的生活。
求证:李明过着激动人心的生活。

解:先将问题用谓词表示如下:
“所有不贫穷并且聪明的人都是快乐的”
(∀x) ((~Poor(x)∧Smart(x) →Happy(x))
“那些看书的人是聪明的”
(∀y) (Read(y)→Smart(y))
“李明能看书且不贫穷”
Read(LiMing) ∧~Poor(LiMing)
“快乐的人过着激动人心的生活”
(∀z)(Happy(z)→Exciting(z))
目标“李明过着激动人心的生活”的否定
~Exciting(LiMing)

将上述谓词公式转化为子句集如下:
(1)Poor(x)∨~Smart(x)∨ Happy(x)
(2)~ Read(y)∨ Smart(y)
(3) Read( LiMing )
(4)~Poor( LiMing )
(5)~Happy(z)∨ Exciting(z)
(6)~Exciting(LiMing )
按谓词逻辑的归结原理对此子句集进行归结,其归结反演过程如图所示。由于归结出了空子句,这就证明了李明过着激动人心的生活。

在这里插入图片描述

4.反演求解过程
①把问题的已知条件用谓词公式表示出来,并化为相应的子句集
②把问题的目标的否定用谓词公式表示出来,并化为子句集
③对目标否定子句集中的每个子句,构造该子句的重言式(即把该目标否定子句和④此目标否定子句的否定之间再进行析取所得到的子句),用这些重言式代替相应的目标否定子句式,并把这些重言式加入到前提子句集中,得到一个新的子句集
⑤对这个新的子句集,应用归结原理求出其证明树,这时证明树的根子句不为空,称这个证明树为修改证明树
⑥用修改证明树的根子句作为回答语句,则答案就在此根子句中。

例题 教室问题
已知:张和李是同班同学,如果x和y是同班同学,则x的教室也是y的教室,现在张在302教室上课。问:现在李在哪里上课?

解:首先定义谓词:
C(x,y) x和y是同班同学;
At(x,u) x在u教室上课。
把已知前提用谓词公式表示如下:
C(zhang,li);
At(zhang,302)
(∀x)(∀y)(∀u)(C(x,y)∧At(x,u) →At(y,u))
把目标的否定用谓词公式表示如下:
~ (∃v)At(li,v)

把上述公式化为子句集:
{C(zhang,li), At(zhang,302), ~C(x,y) ∨~At(x,u) ∨At(y,u)}
把目标的否定化成子句式,并用重言式 ~ At(li,v) ∨ At(li,v)代替之。
并利用 Skolem函数消去存在量词

在这里插入图片描述

三.规则演绎系统

1.正向规则演绎系统
(1)事实表达式的与或图
每个节点表示该事实表达式的一个子表达式。
某个事实表达式(E1∨…∨Ek)的析取关系子表达式E1,…,Ek是用后继节点表示的,并由一个k线连接符把它们连接到父辈节点上。
某个事实表达式(E1∧…∧En)的每个合取子表达式E1,…,En是由单一的后继节点表示的,并由一个单线连接符接到父辈接点。
在这里插入图片描述
注意:
①与问题归约法和逆向推理中的与或图表示图样正好相反,问题归约法中,用K线连接符表示与,用单线连接符表示或。
②解树集中每个解树的端节点上的文字的析取就是子句集中的一个子句。

(2)与或图的F规则变换
F规则: L→W,其中, L为单文字, W为与或形公式.
F规则的化简
① 暂时消去蕴涵符号;
② 减少否定符号的辖域, 使仅作用于文字;
③ 消去存在量词Skolem化;
④ 化成前束式并消去全称量词;
⑤ 恢复蕴涵式表示:(L1∨L2) →W
⑥ 转换成: L1 → W, L2 →W

例题
事实:((P ∨ Q) ∧ R) ∨ (S ∧ (T ∨ U))
规则:S→(X ∧ Y) ∨ Z

解:
在这里插入图片描述
(3)一致解树与一致置换
一致解树:一个具有一致置换的解树称为一致解树。
一致置换:当置换集没有矛盾存在时,称该置换集是一致的,否则就是不一致的。
从事实出发,正向应用规则,到得到目标结点为结束的一致解图为止,存在合一复合时,则解图是一致的。

2.规则逆向演绎系统
(1)从目标表达式出发,反方向使用规则(B规则)对表示目标的与或树进行变换,直到得到含有事实节点的一致解树。
目标表达式: 目标的与或树
事实表达式: 限制为文字的合取形.
规则: B规则, W→L
注:当B规则为W→L1∧L2时,则可化简为两条规则:W→L1,W→L2其中, W是任意形式的与或形,L是单文字。
终止条件: 得到含有事实节点的一致解树
(2)目标公式的与或图表示
规定子表达式间的析取用单线连接符连接,即表示为“或”的关系,而子表达式的合取用K线连接符连接,即表示为“与”的关系。

例题 猫狗问题
事实:
F1: DOG(FIDO);狗的名字叫Fido
F2: ¬BARKS(FIDO);Fido是不叫的
F3: WAGS-TAIL(FIDO);Fido摇尾巴
F4: MEOWS(MYRTLE);猫咪的名字叫Myrtle
规则:
R1: (WAGS-TAIL(x1)∧DOG(x1))→FRIENDLY(x1); 摇尾巴的狗是温顺的狗
R2: (FRIENDLY(x2)∧¬BARKS(x2))→¬AFRAID(y2,x2);温顺而又不叫的东西是不值得害怕的
R3: DOG(x3) → ANIMAL(x3);狗为动物
R4: CAT(x4) →ANIMAL(x4);猫为动物
R5: MEOWS(x5) → CAT(x5);猫咪是猫
问题:是否存在这样的一只猫和一条狗,使得这只猫不怕这条狗?

在这里插入图片描述
一致解树所有匹配弧上的置换集:{x/x5},{MYRTLE/x}, {FIDO/y}, {x/y2, y/x2}, {FIDO/y}, {y/x1}, {FIDO/y},{FIDO/y},没有矛盾, 是一致置换集。
回答语句:CAT(MYRTLE)∧DOG(FIDO)∧~AFRAID(MYRTLE,FIDO)

3.规则正向和逆向演绎系统的区别
在这里插入图片描述
4.规则双向演绎系统

同时利用规则正向和逆向演绎系统进行演绎推理。
在这里插入图片描述

四.产生式系统

1.组成:总数据库、产生式规则、控制策略
2.在冲突解决中用到的排序规则:专一性排序、规则排序、数据排序、规模排序、就近排序、上下文限制

例题:产生式系统
一.综合数据库:{x},其中x为字符

二.规则集

  1. IF A∧B THEN C
  2. IF A∧C THEN D
  3. IF B∧C THEN G
  4. IF B∧E THEN F
  5. IF D THEN E

三.控制策略:顺序排队
四.初始条件:{A,B}
五.结束条件:F∈{x}
六.求解过程:

数据库可触发规则被触发规则
A,B11
A,B,C2,32
A,B,C,D2,32
A,B,C,D,G3,53
A,B,C,D,G,E55
A,B,C,D,G,E,F44
  • 17
    点赞
  • 128
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
人工智能推理是指利用计算机程序来模拟人类推理过程,以解决复杂问题的一种方法推理是人类智能的核心特征之一,也是人工智能领域的重要研究方向。人工智能推理包括基于规则的推理、基于知识的推理、基于逻辑的推理、基于概率的推理等多种方法。本文将从这些方面详细介绍人工智能推理的基本方法。 一、基于规则的推理 基于规则的推理是指利用事先定义好的规则来推理,这些规则通常由领域专家提供。规则通常是一些 if-then 形式的语句,其中 if 部分是条件,then 部分是结论。例如,“如果温度超过30℃,则打开空调”就是一个规则。规则推理系统通过匹配已知事实和规则中的条件,得到相应的结论。规则推理系统的优点是易于理解和实现,但它的局限性在于不能处理复杂的推理过程和不确定性信息。 二、基于知识的推理 基于知识的推理是指利用领域专家提供的知识来推理,并使用适当的推理机制来处理这些知识。这些知识通常表示为一组语义网络或本体论,其中包含实体、概念、关系和属性等信息。基于知识的推理系统通常使用专家系统工具来实现,它可以通过匹配已知事实和知识库中的概念和关系,得到相应结论。基于知识的推理系统可以处理复杂的推理过程和不确定性信息,但它需要大量的领域专家知识来支持。 三、基于逻辑的推理 基于逻辑的推理是指利用命题逻辑、谓词逻辑等形式逻辑来推理,它使用一些基本的逻辑规则来推导出结论。基于逻辑的推理系统通常使用一种逻辑语言表示知识和推理规则,并使用定理证明或模型检查等方法推理。这种方法的优点是可以处理复杂的推理过程和不确定性信息,但它需要大量的计算资源和时间,同时还需要领域专家具备逻辑方面的知识。 四、基于概率的推理 基于概率的推理是指利用概率模型来推理,它使用贝叶斯定理等概率理论来计算推理结果的概率。基于概率的推理系统通常使用概率图模型来表示知识和推理规则,并使用贝叶斯网络或马尔可夫模型等方法来进行推理。这种方法的优点是可以处理不确定性信息和随机事件,但它需要大量的计算资源和时间。 总之,人工智能推理人工智能领域的重要研究方向之一,它可以帮助我们解决许多复杂的问题。不同的推理方法适用于不同的问题领域和推理场景,我们需要根据具体情况选择合适的推理方法

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值