人工智能——推理基本概念

1. 推理

按某种策略由已知判断推出新判断的思维过程。人工智能系统中，目前仍由程序来完成推理，负责推理的部分叫做推理机。

图1 推理方式及分类

 

2. 推理控制策略

推理方向控制策略

1) 正向推理(Forward Reasoning)

以已知事实或条件为前提出发点，逐步推导目标成立的推理，又称事实驱动推理、数据驱动推理或前向推理。

基本思想：

从用户提供的初始已知事实出发，在知识库KB中找出当前可适用的知识，构成可适用知识集KS。

按某种冲突消解策略从KS中选出一条知识进行推理，并将推出的新事实加入到数据库中作为下一步推理的已知事实。

在知识库中选取可适用知识进行推理，直到求解所要求的解或知识库中再无可用的知识为止。

算法描述：

Procedure Forward_Chain(KnowledgeBase, Facts)

Begin

Initial: TempSet:=Facts;     //把问题已知事实加入工作数据库

GoalFlags:=0;     //目标标志置0

S:=Scan(KnowledgeBase, TempSet);     //针对当前事实，选取知识放入集合S

While(Not(S is Null) and (GoalFlags=0)) Do;     //当S并且工作数据库为空

Begin

OneKnowledge:=ConflictResolving(S);     //依据某种策略选择适用事实

NewFact:=Inferring(OneKnowledge, TempSet);     //推理产生新的事实、判断

TempSet:=TempSetNewFact;     //新的事实、判断加入工作数据库

S:=Scan(KnowledgeBase, TempSet);     //针对新的工作数据库，重新扫描

If(Goal in TempSet) Then GoalFlag:=1;     //若获取目标，置目标标志为1

End;

End

 

用户交互方式控制，即在给定的事实不足以得到目标解时，可请求用户输入新事实，继续进行推理。

If((S is Null) and (GoalFlag=0)) Then

Begin

UserInput(Facts);

Goto Initial;

End

2) 逆向推理(Reverse Reasoning)

从假设目标开始往事实方向进行的推理，又称为目标驱动推理或逆向推理。

图2 逆向推理示意图

 

3) 混合推理

把上述的正向推理与反向推理结合起来。

使用条件已知的事实不充分 由正向推理推的结论可信度不高 希望得到更多的结论

 

模式匹配与冲突消解策略

模式匹配：对两个知识模式的一致性程度进行比较与耦合的过程。包括确定性匹配和不确定性匹配。

 

冲突消解策略

常用冲突消解策略：依照条件优先级排序、依照针对性排序、依照匹配度排序、依照上下文限制或给定的环境排序、依照数据冗余限制排序、采用并行处理策略、依照条件个数排序

 

参考文献：

[1] 王永庆. 人工智能原理与方法. 西安: 西安交通大学出版社

[2] 尹朝庆. 人工智能方法与应用. 武汉: 华中科技大学出版社, 2007.

转载于:https://www.cnblogs.com/6DAN_HUST/archive/2010/07/14/1777080.html