3.6.1 产生式系统的组成
1、 产生式系统的组成
产生式系统由3个部分组成，即总数据库(或全局数据库)、产生式规则和控制策略，如图3.2所示。
控制策略
产生式规则 总数据库
图3.2 产生式系统的主要组成
总数据库有时也被称作上下文，当前数据库或暂时存储器。总数据库是产生式规则的注意中心。产生式规则的左边表示在启用这一规则之前总数据库内必须准备好的条件。例如在上述例子中，在得出该动物是食肉动物的结论之前，必须在总数据库中存有“该动物是哺乳动物”和“该动物吃肉”这两个事实。执行产生式规则的操作会引起总数据库的变化，这就使其他产生式规则的条件可能被满足。
产生式规则是一个规则库，用于存放与求解问题有关的某个领域知识的规则之集合及其交换规则。规则库知识的完整性、一致性、准确性、灵活性和知识组织的合理性，将对产生式系统的运行效率和工作性能产生重要影响。
控制策略为一推理机构，由一组程序组成，用来控制产生式系统的运行，决定问题求解过程的推理线路，实现对问题的求解。产生式系统的控制策略随搜索方式的不同可分为可撤回策略、回溯策略、图搜索策略等。
2、 产生式系统的控制策略
控制策略的作用是说明下一步应该选用什么规则，也就是如何应用规则。通常从选择规则到执行操作分3步：匹配、冲突解决和操作。
（1）匹配
在这一步，把当前数据库与规则的条件部分相匹配。如果两者完全匹配，则把这条规则称为触发规则。当按规则的操作部分去执行时，称这条规则为启用规则。被触发的规则不一定总是启用规则，因为可能同时有几条规则的条件部分被满足，这就要在解决冲突步骤中来解决这个问题。在复杂的情况下，在数据库和规则的条件部分之间可能要进行近似匹配。
（2）冲突解决
当有一条以上规则的条件部分和当前数据库相匹配时，就需要决定首先使用哪一条规则，这称为冲突解决。
（3）操作
操作就是执行规则的操作部分，经过操作以后，当前数据库将被修改。然后，其他的规则有可能被使用。
3.6.2 产生式系统的推理
1、 正向推理
33
从一组表示事实的谓词或命题出发，使用一组产生式规则，用以证明该谓词公式或命题是否成立。
一般策略：先提供一批事实（数据）到总数据库中。系统利用这些事实与规则的前提相匹配，触发匹配成功的规则，把其结论作为新的事实添加到总数据库中。继续上述过程，用更新过的总数据库的所有事实再与规则库中另一条规则匹配，用其结论再次修改总数据库的内容，直到没有可匹配的新规则，不再有新的事实加到总数据库中。
2、 逆向推理
从表示目标的谓词或命题出发，使用一组产生式规则证明事实谓词或命题成立，即首先提出一批假设目标，然后逐一验证这些假设。
一般策略：首先假设一个可能的目标，然后由产生式系统试图证明此假设目标是否在总数据库中。若在总数据库中，则该假设目标成立；否则，若该假设为终叶（证据）节点，则询问用户。若不是，则再假定另一个目标，即寻找结论部分包含该假设的那些规则，把它们的前提作为新的假设，并力图证明其成立。这样反复进行推理，直到所有目标均获证明或者所有路径都得到测试为止。
3、 双向推理
双向推理的推理策略是同时从目标向事实推理和从事实向目标推理，并在推理过程中的某个步骤，实现事实与目标的匹配。
3.6.3产生式系统举例
说明：请同学们课后认真阅读本部分内容，并以此为参考进行实验准备！ 思考：规则演绎系统和产生式系统有哪几种推理方式?各自的特点为何?
3.7 系统组织技术
教学内容：系统组织技术属于高级搜索推理技术，能够用于求解比较复杂的系统。本节简要介绍三种系统组织技术：议程表法、黑板法和△极小搜索法。
教学重点：系统组织技术如何实现模块之间的合作。 教学难点：无要求。 教学方法：课堂教学。
教学要求：了解系统组织技术的基本原理。
3.7.1议程表
1、 定义
议程表(agenda)是一个系统能够执行的任务表列。与每个任务有关的有两件事，即提出该任务的理由和表示对该任务是有用的证据总权的评价。
2、 模块间的合作
34
从组织大系统的观点看，议程表方法的意义在于它允许几个独立模块进行通讯。其通讯方法是每个模块可将支持(或反对)某个具体任务的证据，加到一个证明选择该任务是正确的表中。这样就使系统能够选出从各方面都有充分证据的任务。虽然各模块共同使用关于为什么要执行各项任务的证据，但一个模块并不需要了解其它模块如何工作，以及它们所包含的知识。这样，议程表方法便具有大系统中模块化的一切优点，而无相互隔离的缺点。
3.7.2黑板法
1、 定义
黑板法(the Blackboard Approach)首先是在HEARSAY-Ⅱ语音理解系统中发展起来的。它的思想比较简单。整个系统由一组称为知识资源(KS)的独立模块和一块黑板组成。这里，知识资源含有系统中专门领域的知识，而黑板则是一切KS可以访问的公用数据结构。
2、 模块间的合作
当一个KS被激发时，它检查当时黑板上的内容，并应用其知识产生一个新的假设写到黑板上，直到完成任务为止。当时间表没有发现未解决的活动记录时，系统便停止执行。
3.7.3 Δ-极小搜索法
1、定义
Δ值表示一假设的级别与参加竞争的最佳假设的级别之差，提供了一种选择最有希望假设的技术。
2、工作过程
一次接受一串输入，顺序地处理，使其形成一个关于输入的统一而相容的解释。Δ-极小法是这样来解决这类问题的：在适当的时刻，触发某KS，然后为它生成所有它认为是可能的假设，并赋给某个假设一种级别。由这些级别计算出的Δ值，表示一假设的级别与参加竞争的最佳假设的级别之差。而在该假设最后导致不相容时，再考虑参加竞争的另一假设。
3.8 不确定性推理
教学内容：本节介绍两种不确定性(uncertainty)，即关于证据的不确定性和关于结论的不确定性。
教学要点：不确定性如何表示和推理。 教学难点：不确定性的推理。 教学方法：课堂教学为主。
教学要求：了解不确定性的表示和推理方法。
3.8.1关于证据的不确定性
1、 不确定性的表示
一般通过对事实赋于一个介于0和1之间的系数来表示事实的不确定性。1代表完全确定，0代表完全不确定。这个系数被称为可信度(也有一些专家系统，如MYCIN和EXPERT等，取可信度的范围为-1到+1)。
35
2、 不确定性的处理
当规则具有一个以上的条件时，就需要根据各条件的可信度来求得总条件部分的可信度。已有的方法有两类：
（1）以模糊集理论为基础的方法 按这种方法，把所有条件中最小的可信度作为总条件的可信度。这种方法类似于当把几根绳子连接起来使用时，总的绳子强度与强度最差的绳子的相同。
（2）以概率为基础的方法
这种方法同样赋予每个证据以可信度。但当把单独条件的可信度结合起来求取总的可信度时，它取决于各可信度的乘积。
3.8.2关于结论的不确定性
1、不确定性的表示
关于结论的不确定性也叫做规则的不确定性，它表示当规则的条件被完全满足时，产生某种结论的不确定程度。它也是以赋予规则在0和1之间的系数的方法来表示的。
例：有以下规则：
如果 启动器发生刺耳的噪声 那么 这个启动器坏的可能性是0.5
以上规则表示，如果“启动器发生刺耳的噪声”这事实完全肯定的可信度为1.0，那么得出“这个启动器坏”的结论的可信度为0.8。
2、不确定性的处理
如果规则的条件部分不完全确定，即可信度不为1时，如何求得结论的可信度的方法有以下两种：
(1) 取结论可信度为条件可信度与上述系数的乘积。
(2) 按照某种概率论的解释，我们假设规则的条件部分的可信度Cin和其结论部分的可信度Cout存在某种关系，这种关系可用来代表规则的不确定性。
3.8.3多个规则支持同一事实时的不确定性
当多个规则支持同一事实时，这些规则之间的关系是析取。如何根据证据的可信度求得事实的可信度? 与关于证据的可信度类似，也有两种方法，分别基于模糊集理论和概率理论。
1、 基于模糊集理论的方法
取支持这个事实的各规则的可信度的最大值作为事实的可信度。 2、 基于概率论的方法
这里介绍的只是基于概率的方法中的一种。按这种方法由一组规则支持的事实的可信度，可用以下方法求得，首先把各个证据的可信度转换成可信性比例r。可信性比例r和可信度c之间的关系可表示为
r?c?r?,?c?? 1?c?r?1?把各证据的可信性比例简单地相乘就可以求得这些证据所支持的事实的可信性比例。然
后，再利用上述公式转换回相应的可信度。这样就求得这个事实的可信度。
36