人工智能 —— 产生式推理

什么是产生式推理

通常人们把利用产生式知识表示方法所进行的推理称为产生式推理，把由此所产生的系统称为产生式系统。按照推理的控制方向，产生式推理可分为正向、逆向和混合三种方式。

---

产生式推理的基本结构

• 规则库：用于描述相应领域内知识的产生式集合。
• 综合数据库：一个用于存放问题求解过程中各种当前信息的数据结构。
• 控制系统：包括控制和推理机两个部分，由一组程序组成，负责整个产生式系统的运行，实现对问题的求解。

推理过程：先查询问题的解是否在综合数据库中，若不存在，则取出规则库中对应的规则进一步进行推理。

---

产生式的正向推理

步骤：
（1）推理开始前，把用户提供的初始证据放入综合数据库。

（2）推理开始后，检查综合数据库中是否包含了问题的解，若已包含，则求解结束，并成功退出；否则，执行下一步。

（3）检查知识库（即规则库）中是否有可用知识，若有，形成当前可用知识集，执行下一步；否则，转（5）。

（4）按照某种冲突消解策略，从当前可用知识集中选出一条知识进行推理，并将推出的新事实加入综合数据库中，然后转（2）

（5）询问用户是否可以进一步补充新的事实，若可补充，则将补充的新事实加入综合数据库中，然后转（3）；否则表示无解，失败退出。

优点和局限性（不需要有明确的目标）：

正向推理的优点是比较直观，允许用户主动提供有用的事实信息，适合于诊断、设计、预测、监控等领域的问题求解。其主要缺点是推理无明确的目标，求解问题时可能会执行许多与解无关的操作，导致推理效率较低。

---

产生式的逆向推理

步骤：

（1）将问题的初始证据和要求证的目标（称为假设）分别放入综合数据库和假设集。

（2）从假设集中选出一个假设，检查该假设是否在综合数据库中。若在，则该假设成立。此时，若假设集为空，则成功退出；否则，仍执行（2）。若该假设不在数据库中，则执行下一步。

（3）检查该假设是否可由知识库的某个知识导出。若不能由某个知识导出，则询问用户该假设是否为可由用户证实的原始事实。若是，该假设成立，并将其放入综合数据库，再重新寻找新的假设；若不是，则转（5）。若能由某个知识导出，则执行下一步。

（4）将知识库中可以导出该假设的所有知识构成一个可用知识集。

（5）检查可用知识集是否为空，若空，失败退出；否则，执行下一步。

（6）按冲突消解策略从可用知识集中取出一个知识，继续执行下一步。

（7）将该知识的前提中的每个子条件都作为新的假设放入假设集，转（2）。

优点和局限性（需要有明确的目标）：

逆向推理的主要优点是，不必寻找和使用那些与假设目标无关的信息和知识，推理过程的目标明确，也有利于向用户提供解释，在诊断性专家系统中较为有效。其主要缺点是当用户对解的情况认识不清时，由系统自主选择假设目标的盲目性比较大，若选择不好，可能需要多次提出假设，会影响系统效率。

---

产生式推理的应用

设有以下两条规则：

• $r_3$：IF 动物有羽毛 THEN 动物是鸟