Rete算法-CSDN博客

一、简介

Rete算法：是一种高效的模式匹配算法用来实现产生式规则系统

空间换时间，用内存换取匹配速度
Rete算法通过规则条件生成了一个网络，每个规则条件是网络中的一个节点
rete 分为：
- 规则编译：指根据规则集生成推理网络的过程
- 运行时执行：指将数据送入推理网络进行筛选的过程

二、规则编译

规则编译：根据规则文件推理生成网络的过程

在这里插入图片描述

1. 根节点(RootNode)

是所有对象进入网络的入口，然后进入到 TypeNode

2. TypeNode

是 fact，即规则所用到的 pojo；
- 每个 fact 是一个 TypeNode
- TypeNode 就是类型检查，引擎只让匹配 Object 类型的对象到达节点，
能够传播到 AlphaNodes、LeftInputAdapterNodes (作为betaNodes的左端输入节点)和 BetaNodes

举例：有两个fact ，Person 和cheese，则节点图如下所示
在这里插入图片描述

3. AlphaNode

首图的蓝色节点

用来评估字面条件

例如： person.age>10 就是一个 alpha node 节点
当一条规则有多条字面条件，这些字面条件被链接到一起

Drools 通过散列法优化了从 ObjectTypeNode 到 AlphaNode 的传播：

每次一个 AlphaNode 被加到一个 ObjectTypeNode 时，就以字面值作为 key ，以 AlphaNode 作为 value 加入 HashMap
当一个新的实例进入 ObjectTypeNode 时，不用传递到每一个 AlphaNode ，直接从 HashMap 中获得正确的 AlphaNode ，避免不必要的字面检查

4. Bate Node

用来对两个对象进行对比、检查

约定 BetaNode 的两个输入称为左边（Join Node）和右边（NotNode）：

左边通常是一个 a list of objects

左边的输入被称为 Beta Memory，会记住所有到达过的语义
右边通常是 a single object

右边的输入成为 Alpha Memory，会记住所有到达过的对象

5. 构建 rete 网络

创建根节点
加入一条规则
a. 取出规则中的一个模式，检查模式中的参数类型，如果是新类型(即新 fact 类型)，则加入一个类型节点

模式就是规则中的最小一个匹配项例如（如： age>10；age<20）

b. 检查模式对应的 Alpha 节点是否已存在：
- 若已存在，则记录下节点位置
- 若未存在，则将模式作为一个 Alpha 节点加入到网络中，同时根据 Alpha 节点的模式建立 Alpha 内存表
c. 重复 b 直到所有的模式处理完毕
d. 组合 Beta 节点： Beta 左输入节点为 Alpha(1)，右输入节点为 Alpha(2)

Beta(i) 左输入节点为 Beta(i-1)，右输入节点为 Alpha(i)

e. 重复 d 直到所有的 Beta 节点处理完毕
f. 将动作（Then 部分）封装成叶节点（Action 节点）作为 Beta(n) 的输出节点
重复 2) 直到所有规则处理完毕

案例

案例一：
举例：条件 Cheese (name＝”cheddar”), Person(favouriteiteCheese==”cheese.name”)
关联操作： Cheese.name == Person.favouriteiteCheese
节点图如下所示：
- 黄色 node 称为 LeftInputAdapterNode，作用是将一个 single Object 转化为一个单对象数组，传播到 JoinNode 节点

案例二：drools

rule
when
	Cheese( $cheddar : name == "cheddar" )
	$person : Person( favouriteCheese == $cheddar )
then
	System.out.println( $person.getName() + " likes cheddar" );
end

rule
when
	Cheese( $cheddar : name == "cheddar" )
	$person : Person( favouriteCheese != $cheddar )
then
	System.out.println( $person.getName() + " does not like cheddar" );
end

在这里插入图片描述

Drools 通过节点的共享来提高规则引擎的性能

三、运行时执行

WME：工作存储区元素(Working Memory Element，存储区的最小单位)，WME 是为事实建立的元素，是用于和非根结点代表的模式进行匹配的元素
Token：WME 列表，包含多个 WME

RETE 算法对于不同结点，进行 WME 或 token 和结点对应模式的匹配过程：

若 WME 的类型和根节点的后继结点 TypeNode 所指定的类型相同，则将该事实保存在该TypeNode 结点对应的 alpha 存储区，该 WME 被传到后继结点继续匹配或放弃后续匹配
TypeNode 存储：每次一个 AlphaNode 被加到一个 ObjectTypeNode 时，就以字面值作为 key，以 AlphaNode 作为 value 加入 HashMap
- 当一个新的实例进入 ObjectTypeNode 时，可以直接从 HashMap 中获得正确的 AlphaNode，避免了不必要的字面检查
若 WME 被传递到 alpha 结点，则会检测 WME 是否和该结点对应的模式相匹配：
- 若匹配，则会将该事实保存在该 alpha 结点对应的存储区中，该 WME 被传递到后继结点继续匹配
- 否则会放弃该 WME 的后续匹配
alpha 存储：检测 WME 是否和该结点对应的模式相匹配
- 若匹配，则将该事实保存在该 alpha 结点对应的存储区中，该 WME 被传递到后继结点继续匹配
若 WME 被传递到 beta 结点的右端，则会加入到该 beta 结点的 right 存储区，并和 left 存储区中的 Token 进行匹配：
- 匹配成功，则会将该 WME 加入到 Token 中，然后将 Token 传递到下一个结点
- 否则会放弃该 WME 的后续匹配
bate 存储区：每个非根结点都有一个存储区
- 1-input(alpha) 结点有 alpha 存储区和一个输入口
- 2-input(bate) 结点有 left 存储区和 right 存储区和左右两个输入口
  其中 left 存储区是 beta 存储区，right 存储区是 alpha 存储区
WME 是为事实建立的元素，是用于和非根结点代表的模式进行匹配的元素
若 Token 被传递到 beta 结点的左端，则会加入到该 beta 结点的 left 存储区，并和 right 存储区中的WME进行匹配：
- 匹配成功，则该 Token 会封装匹配到的 WME 形成新的 Token，传递到下一个结点
- 否则会放弃该 Token 的后续匹配
若 WME 被传递到 beta 结点的左端，将 WME 封装成仅有一个 WME 元素的 WME 列表做为 Token，然后按照上述所示的方法进行匹配
若 Token 传递到终结点，则和该根结点对应的规则被激活，建立相应的 Activation，并存储到Agenda 当中，等待激发
若 WME 被传递到终结点，将 WME 封装成仅有一个 WME 元素的 WME 列表做为 Token，然后按照上述所示的方法进行匹配