确定性推理方法

推理的基本概念

推理：从初始证据出发，按某种策略不断运用知识库中的已知知识，逐步推出结论的过程。

 

在人工智能系统中，推理是由程序实现的，称为推理机。

 

事实（条件）和知识是构成推理的两个基本要素。

 

推理方式及其分类

1.从推出结论的途径来划分：

 

演绎推理：从全称判断推导出单称判断的过程，即由一般性知识推出适合于某一具体情况的结论。这是一种从一般到个别的推理。

演绎推理经常用的是三段论的形式：

 

大前提：已知的一般性知识或假设。

 

小前提：关于所研究的具体情况或个别事实的判断。

 

结论：由大前提推出的适合于小前提所示的情况的新判断。

 

例：

 

大前题：足球员的身体都是强壮的。

 

小前提：xx是一名足球运动员。

 

结论：xx是强壮的。

 

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。

完全归纳推理是指在进行归纳时考察了相应事物的全部对象。

 

不完全归纳推理是指考察了相应事物的部分对象。

 

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，从而进行的推理。

2.按推理时所用的知识的确定性划分

 

确定性推理：是指推理时所用的知识与证据都是确定的，推出的结论也是确定的，其真值或者为真或者为假。

不确定性推理是指推理时所用的知识与证据不都是确定的，推出的结论也是不确定的。

3.按推理过程中推出的结论是否越来越接近目标划分

 

单调推理：在推理过程中，随着推理向前推进及新知识的加入，推出的结论越来越接近最终目标。

非单调推理：在推理过程中由于新知识的加入，不仅没有加强已推出的结论，反而要否定它，使推理退回到前面的某一步，然后重新开始。

4.按推理中是否运用与推理有关的启发性知识来划分

 

启发式推理：在推理过程中用到了启发性知识。

非启发式推理：在推理过程中没有用到启发性知识。

推理的方向

问题求解的质量与效率不仅依赖于所采用的求解方法，还依赖于求解问题的策略，即推理的控制策略。

 

推理的控制策略主要包括推理方向、搜索策略、冲突消除策略、求解策略及限制策略等。

 

推理方向分为正向推理、逆向推理、混合推理以及双向推理四种。

 

正向推理：以已知事实作为出发点的一种推理。

正向推理的基本思想：从用户提供的初始已知事实出发，在知识库中找出当前可适用的知识，构成可适用知识集，然后按某种冲突消解策略从可适用知识集中选出一条知识进行推理，并将推理出的新事实加入数据库中作为下一步推理的已知事实，此后再在知识库中选取可适用知识进行推理，如此重复这一过程，直到求得了问题的解或者知识库中再无可适用的知识为止。

 

逆向推理：以某个假设目标作为出发点的一种推理。

逆向推理的基本思想是：首先选定一个假设目标，然后寻找支持该假设的证据，若所需的证据都能找到，则说明原假设是成立的；若无论如何都找不到所需要的证据，则说明原假设是不成立的，为此需要另作新的假设。

 

混合推理：把正向推理和逆向推理结合起来，使其各自发挥自己的优势，取长补短。在混合推理中，正向推理和逆向推理不同时进行。

正向推理具有盲目、效率低的特点，推理过程中可能会推出许多与问题无关的字母表。逆向推理中，若提出的假设目标不符合实际，也会降低系统的效率。

 

双向推理：正向推理和逆向推理同时进行，且在推理过程中的某一步骤上“碰头”的一种推理。

困难在于“碰头”的判断。另外，如何权衡正向推理和逆向推理的比重，即如何确定“碰头”的时机也是一个困难问题。

 

匹配成功的情况下，如果有多个知识与已知事实匹配，则会发生冲突，此时就要进行冲突消解（排序后选择最前面的）。

 

冲突消解策略

 

按规则的针对性排序

按已知事实的新鲜性排序

按匹配度排序

按条件个数排序