产生式系统专家系统

产生式系统产生式系统（production system）由波斯特（Post）于1943年提出的产生式规则（production rule）而得名。

人们用这种规则对符号进行置换运算。

1965年美国的纽厄尔和西蒙利用这个原理建立了一个人类的认知模型。

同年，斯坦福大学利用产生式系统结构设计出第一个专家系统DENDRAL。

产生式系统用来描述若干个不同的以一个基本概念为基础的系统。

这个基本概念就是产生式规则或产生式条件和操作对的概念。

在产生式系统中，论域的知识分为两部分：用事实表示静态知识，如事物、事件和它们之间的关系；用产生式规则表示推理过程和行为。

由于这类系统的知识库主要用于存储规则，因此有吧这类系统称为基于规则的系统（rule-based system）。

1、产生式系统的基本要素1.1产生式系统的组成产生式系统由三部分组成，即总数据库（Global Database），产生式规则库（Set of Product Rules）和控制策略（Control Strategies），各部分之间的关系如图1所示。

图1.产生式系统的主要组成1.1.1总数据库（Global Database）总数据库又称综合数据库、上下文、黑板等，用于存放求解过程中各种当前信息的数据结构，如问题的初始状态、事实或证据、中间推理结论和最后结果等，其中的数据是产生式规矩的处理对象。

数据库中的数据根据应用的问题不同，可以使常量、变量、谓词、表结构、图像等等。

例如，关于动物世界的产生式系统有如下数据库：…(Mammal Dog)(Eat Dog Meat)…从另一个角度，数据库可视为推理过程中间结果的存储池。

随着中间结果的不断加入，是数据库描述的问题状态逐步转变为目标状态。

1.1.2 规则库（Set of Product Rules）产生式规则库是某领域知识用规则形式表示的集合，其中包含将问题从初始状态转换到目标状态的所有变换规则。

当产生式规则中某条规则的前提与数据总库中的事实相匹配时，该规则库就被激活，并把其结论作为新的事实存入总数据库。

CAPP（Computer Aided Process Planning，计算机辅助工艺设计）系统的功能是指利用计算机软硬件作为辅助工具，依据产品设计所给出的信息，对产品的加工、装配等制造过程进行设计。

一般认为，CAPP包括毛坯设计、加工方法选择、工序设计、工艺路线制定和工时定额的计算等。

其中，工序设计又可包含工装夹具的选择或设计、加工余量分配、切削用量选择以及机床、刀具的选择、必要的工序图生成等。

派生式CAPP系统1、系统的基本工作原理派生式CAPP系统用GT码描述与输入零件信息。

系统要预先对现有零件进行分组，得到所谓的零件组。

每个零件组对应一个样件（可以是实际零件，也可以是虚构零件），每一个样件对应一个通用的制造过程，即样件的标准工艺规程。

派生式系统需要有零件组矩阵文件（用于对标准工艺规程的搜索和筛选）、样件的标准工艺规程文件及各种加工工程数据文件（如切削用量、设备、刀具、夹具、量具、辅具、工时定额等资料）供生成新零件时检索调用。

在工艺设计时，系统以被设计零件的GT码为依据，首先搜索到该零件所属的零件组矩阵，再通过系统预先制定的筛选逻辑，从标准工艺规程中筛选派生出当前零件的工艺规程，然后调用有关工艺数据，对工艺规程文件进行必要的补充，最后得到当前零件的工艺过程。

其系统结构如图6.7所示。

派生式CAPP系统的结构2、系统的设计过程第一步，选择或制定合适的零件分类编码系统（即GT码）。

其目的是用GT码对零件信息进行描述与输入和对零件进行分组，以得到零件组矩阵和制定相应的标准工艺规程。

第二步，进行零件分组。

为了合理制定样件，必须对零件分组。

一个零件组一般包含了若干个相似零件，可以把每个相似零件组用一个样件来代表（也可以用一个零件族矩阵来代表）。

这个样件的制造方法就是组内零件的公共制造方法，即标准工艺规程。

它除了包括样件的加工内容外，还包括了加工设备、刀具和夹具等信息。

它是集中了专家和工艺人员的集体智慧与经验，并通过对生产实践的总结制定出来的。

产生式系统的组成产生式系统是人工智能领域中一种重要的知识表示和推理方法。

它由一组产生式规则组成，每条规则由前件和后件构成，表示了一种条件-动作对。

产生式系统通过匹配规则的前件，选择合适的规则并执行相应的动作，从而实现推理和问题求解的过程。

一、产生式系统的基本组成1.1 前件：前件是规则中的条件部分，用于描述问题的特征和条件。

在问题求解过程中，产生式系统会根据输入的问题描述和已知条件，匹配规则的前件，以确定适用的规则。

1.2 后件：后件是规则中的动作部分，用于描述问题求解的结果和推理的结论。

当规则的前件与当前问题描述匹配成功时，产生式系统会执行规则的后件，得到相应的结果或结论。

1.3 规则库：规则库是产生式系统中存储规则的地方，它由一组产生式规则组成。

规则库中的规则根据具体问题的特点和需求，经过人工设计和编写，用于描述问题的解决思路和推理过程。

1.4 控制策略：控制策略是产生式系统中的重要组成部分，它决定了规则的执行顺序和方式。

控制策略可以根据不同的问题和应用需求进行调整和优化，以提高系统的推理效率和准确性。

二、产生式系统的工作原理产生式系统的工作原理可以简单描述为以下几个步骤：2.1 初始化：产生式系统在开始工作之前，需要初始化系统的状态和规则库。

初始化包括设置系统的初始状态和加载规则库。

2.2 匹配规则：产生式系统根据当前问题描述和已知条件，匹配规则库中的规则的前件。

匹配可以基于规则的特征和条件进行，也可以基于问题描述和已知条件的匹配度进行。

2.3 选择规则：当有多条规则的前件与当前问题描述匹配成功时，产生式系统需要根据一定的策略选择合适的规则。

选择规则可以基于规则的优先级、匹配度等进行。

2.4 执行规则：选择合适的规则后，产生式系统执行规则的后件，得到相应的结果或推理结论。

执行规则可以包括修改系统状态、生成新的问题描述、输出结果等。

2.5 更新状态：在执行规则后，产生式系统会更新系统的状态和问题描述。

专家系统的结构
专家系统由三个主要部分组成：
1. 推理引擎（Inference Engine）
推理引擎是专家系统的核心部分,它负责对知识库中的事实和规则进行推理和推断,并根据用户输入的问题提供相应的答案或建议。

推理引擎由推理机制（包括前向推理和后向推理）和决策机制组成。

2. 知识表示和管理系统（Knowledge Representation and Management System）
知识表示和管理系统负责存储和管理专家系统所需要的知识和规则。

它将知识存储在知识库中,并提供对知识库的查询和修改等操作。

知识表示方法包括规则表示、框架表示、语义网络表示、产生式表示等。

3. 用户界面（User Interface）
用户界面是专家系统与用户交互的接口,它向用户提供问题输入和答案输出的功能。

用户界面包括文本界面、图形界面等不同形式,以方便用户进行交互和操作。

除此之外,专家系统还可能包括解释器、调试器、学习模块、解释器等辅助工具,以提高专家系统的效率、准确性和可靠性。

描述产生式系统的基本结构产生式系统（Production System）是一种用于描述问题解决过程的形式系统，由一组产生式规则和一个控制策略组成。

它是人工智能领域中一种重要的知识表示和推理工具，被广泛应用于专家系统、自然语言处理、机器学习等领域。

一、产生式规则产生式规则（Production Rule）是产生式系统的基本组成部分，用于表示问题解决的知识和推理过程。

它由两部分组成：前件（Antecedent）和后件（Consequent）。

前件是一个条件，用于描述问题的初始状态或当前状态，后件是一个动作或结果，用于描述问题的解决方法或推理结果。

产生式规则的一般形式为：“IF 条件 THEN 动作”，其中条件部分可以是一个或多个条件语句的逻辑组合，动作部分可以是一个或多个执行语句的序列。

产生式规则可以表示问题的因果关系、逻辑关系、约束条件等，通过匹配和执行产生式规则，可以实现问题的求解和推理过程。

二、工作原理产生式系统的工作过程可以简单描述为：根据当前状态和可用的产生式规则，选择一个适用的产生式规则进行匹配，并执行相应的动作。

重复这个过程直到达到终止条件。

具体的工作流程如下：1. 初始化系统状态：设置问题的初始状态，包括问题的初始数据、知识库等。

2. 选择产生式规则：根据当前状态和可用的产生式规则，选择一个适用的产生式规则进行匹配。

3. 匹配产生式规则：将当前状态与产生式规则的前件进行匹配，判断当前状态是否满足产生式规则的条件。

4. 执行动作：如果产生式规则的前件匹配成功，则执行产生式规则的后件，即执行相应的动作或产生新的状态。

5. 更新状态：根据执行的动作或产生的新状态，更新系统的当前状态。

6. 判断终止条件：根据终止条件判断是否结束产生式系统的工作，如果不满足终止条件，则返回第2步继续执行。

三、控制策略控制策略是产生式系统的另一个重要组成部分，用于控制产生式规则的选择和执行顺序。

常见的控制策略包括前向推理、后向推理和双向推理。

高度结构化决策：如果决策的目标简单，可选行动方案少，界定并且明确决策带来的影响，则此类决策为高度结构化决策。

简答决策支持系统的设计思想：是努力实现一个具有巨大发展活力的、适应性强的开发系统，其设计方法则强调充分发挥人的经验、判断力、创造力，强调其未来的发展，努力使决策更加正确。

数据仓库：将大量用于事物处理的传统数据库数据进行清理、抽取和转换，并按决策主题的需要进行重新组织。

确定型决策：是指只存在一种完全确定的自然状态的决策。

风险型决策：也称随机决策，是决策者根据几种不同的自然状态可能发生的概率所进行的决策。

不确定型决策：对这类事件的决策只能在不肯定情况作出，即在知道可能出现的各种自然状态，但又无法确定各种自然状态发生概率的情况下作出，这类决策问题就是不确定型决策。

目标准则体系：在多目标决策问题中，其目标或者经过逐层分解，或者依据决策主体要求和实际情况需要，形成多层次结构的子目标系统，使得在最低一层子目标可以用单一准则进行评价，称之为目标准则体系。

多阶段决策过程：把一个问题看作是一个前后关联的具有链状结构的多阶段过程就称为多阶段决策过程。

定性方法：是指决策者在占有一定的事实资料、实践经验、理论知识的基础上，利用其直观判断能力和逻辑推理能力对决策问题进行定性分析的方法。

定量方法：是指决策者在占有历史数据和统计资料的基础上，运用数学和其他分析技术建立起可以表现数理关系的数学模型，并利用它进行决策的方法。

信息管理科学：是以信息为主要研究对象，以信息处理的规律和应用方法为主要研究内容，以计算机等技术为主要研究工具，以模拟和扩展人类的信息处理和知识处理功能为主要目标的综合性学科。

简答信息处理技术：是指信息本质与信息收集，信息组织与数据仓库，信息分析与数据挖掘。

联机分析处理：是决策者和高层管理人员对数据仓库的多维信息分析处理。

数据挖掘：是从大量数据中提取或挖掘深层信息或知识的过程。

解决问题的灵活性：是指提供给最终用户的灵活性，称为解决问题的灵活性。

产生式系统推理产生式系统推理是一种基于逻辑推理的计算机算法，它通过一系列的规则和事实来推导出新的结论。

这种推理方法常用于人工智能领域的知识表示和推理系统中。

一、产生式系统的基本概念1.1 产生式规则产生式规则是产生式系统推理的基本单元。

它由一个条件部分和一个结论部分组成，形式可以表示为“如果条件则结论”。

条件部分是由一系列事实和规则组成的逻辑表达式，用来描述问题的已知信息。

结论部分是由新的事实或规则组成，它是根据条件部分的逻辑关系推导出来的。

1.2 事实事实是产生式系统推理过程中的基本元素，它是描述问题现实情况的逻辑表达式。

事实可以是已知的，也可以是通过推理推导出来的。

在产生式系统中，事实可以用来匹配产生式规则的条件部分，从而触发规则的推导过程。

1.3 推理过程产生式系统的推理过程是基于规则的匹配和推导的。

当一个或多个事实与规则的条件部分匹配时，就会触发规则的推导过程，推导出新的事实或规则。

这个推导过程会不断迭代，直到没有新的事实或规则可以推导出为止。

二、产生式系统推理的应用2.1 专家系统专家系统是一种基于产生式系统推理的人工智能应用。

它利用专家的知识和经验，通过产生式规则来模拟专家的思维过程，从而解决特定领域的问题。

专家系统可以应用于医疗诊断、工程设计、金融分析等领域，帮助人们做出决策和解决问题。

2.2 自然语言处理自然语言处理是指计算机对自然语言的理解和处理。

产生式系统推理在自然语言处理中起到了重要的作用。

通过产生式规则，可以将自然语言的句子转换为逻辑表达式，并进行推理和推导。

这样可以实现机器对自然语言的理解和回答问题的能力。

2.3 智能游戏智能游戏是一种利用人工智能技术实现智能对战的游戏。

产生式系统推理在智能游戏中被广泛应用。

通过产生式规则，智能游戏可以模拟玩家的思维过程，根据当前状态和规则进行推理和决策，从而实现自动对战和智能对手的功能。

三、产生式系统推理的优势和局限3.1 优势产生式系统推理具有以下优势：（1）灵活性：产生式系统推理可以根据具体问题和需求灵活定义规则和事实，适应不同领域和情境的推理需求。