第三章确定性推理方法习题参考解答3.1 练习题3.1 什么是命题？请写出3个真值为T 及真值为F 的命题。
3.2 什么是谓词？什么是谓词个体及个体域？函数与谓词的区别是什么？3.3 谓词逻辑和命题逻辑的关系如何？有何异同？3.4 什么是谓词的项？什么是谓词的阶？请写出谓词的一般形式。
3.5 什么是谓词公式？什么是谓词公式的解释？设D= {1,2} ，试给出谓词公式（ x）（ y）（P（x,y） Q（x,y））的所有解释，并且对每一种解释指出该谓词公式的真值。
3.6对下列谓词公式分别指出哪些是约束变元？哪些是自由变元？并指出各量词的辖域。
（1）( x)(P(x, y) ( y)(Q(x, y) R(x, y)))（2）( z)( y)(P(z, y) Q(z, x)) R(u, v)（3）( x)(~ P( x, f (x )) ( z)(Q(x,z) ~ R(x,z)))（4）( z)(( y)(( t)(P(z, t) Q(y, t)) R(z, y))（5）( z)( y)(P(z, y) ( z)(( y)(P(z, y) Q(z, y) ( z)Q(z, y))))什么是谓词公式的永真性、永假性、可满足性、等价性及永真蕴含？3.7什么是置换？什么是合一？什么是最一般的合一？3.8判断以下公式对是否可合一；若可合一，则求出最一般的合一：3.9（1）P(a,b) ，P(x, y)（2）P(f(z),b) ，P(y, x)（3）P(f(x), y) ，P(y, f(a))（4）P(f(y), y,x) ，P(x, f(a), f(b))（5）P(x, y) ，P(y, x)什么是范式？请写出前束型范式与SKOLEM 范式的形式。
3.10什么是子句？什么是子句集？请写出求谓词公式子句集的步骤。
3.113.12谓词公式与它的子句集等值吗？在什么情况下它们才会等价？3.13 把下列谓词公式分别化为相应的子句集：(1)( z)( y)(P(z, y) Q(z, y))(2)( x)( y)(P(x, y) Q(x, y))(3)( x)( y)(P(x, y) (Q(x, y) R(x, y)))(4)( x)( y)( z)(P(x, y) Q(x, y) R(x, z))(5)( x)( y)( z)( u)( v)( w)(P(x, y,z,u,v,w) (Q(x, y, z,u, v, w) ~R(x, z, w)))3.14 判断下列子句集中哪些是不可满足的：(1)S {~ P Q,~ Q,P,~ P}(2)S {P Q,~ P Q,P ~ Q,~ P ~ Q}(3)S {P(y) Q(y), ~ P(f(x)) R(a)}(4)S {~ P(x) Q(x), ~ P(y) R(y), P(a),S(a),~ S(z) ~ R(z)}(5)S {~ P(x) ~ Q(y) ~ L(x, y), P(a), ~ R(z) L(a, z), R(b), Q(b)}(6)S {~ P(x) Q(f(x), a), ~ P(h(y)) Q(f(h(y)), a) ~ P(z)}(7)S {P(x) Q(x) R(x),~ P(y) R(y),~Q(a),~ R(b)}(8)S {P(x) Q(x),~ Q(y) R(y), ~ P(z) Q(z),~ R(u)}3.15 为什么要引入Herbrand 理论？什么是H 域？如何求子句集的H 域？3.16 什么是原子集？如何求子句集的原子集？3.17 什么是H 域解释？如何用域D 上的一个解释I 构造H 域上的解释I *呢？3.18 假设子句集S＝{P(z) ∨Q(z),R(f(t))} ，S 中不出现个体常量符号。
确定性与不确定性推理主要方法1.确定性推理：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。
2.不确定性推理：从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。
3.演绎推理：如：人都是会死的（大前提）李四是人（小前提）所有李四会死（结论）4.归纳推理：从个别到一般：如：检测全部产品合格，因此该厂产品合格；检测个别产品合格，该厂产品合格。
5.默认推理：知识不完全的情况下假设某些条件已经具备所进行的推理；如：制作鱼缸，想到鱼要呼吸，鱼缸不能加盖。
6.不确定性推理中的基本问题：①不确定性的表示与量度：1)知识不确定性的表示2)证据不确定性的表示3)不确定性的量度②不确定性匹配算法及阈值的选择1)不确定性匹配算法：用来计算匹配双方相似程度的算法。
2)阈值：用来指出相似的“限度”。
③组合证据不确定性的算法最大最小方法、Hamacher方法、概率方法、有界方法、Einstein方法等。
④不确定性的传递算法1)在每一步推理中，如何把证据及知识的不确定性传递给结论。
2)在多步推理中，如何把初始证据的不确定性传递给最终结论。
⑤结论不确定性的合成6.可信度方法：在确定性理论的基础上，结合概率论等提出的一种不确定性推理方法。
其优点是：直观、简单，且效果好。
可信度：根据经验对一个事物或现象为真的相信程度。
可信度带有较大的主观性和经验性，其准确性难以把握。
C－F模型：基于可信度表示的不确定性推理的基本方法。
CF（H，E）的取值范围: [-1,1]。
若由于相应证据的出现增加结论 H 为真的可信度，则 CF（H，E）> 0，证据的出现越是支持 H 为真，就使CF（H，E) 的值越大。
反之，CF（H，E）< 0，证据的出现越是支持 H 为假，CF（H，E）的值就越小。
若证据的出现与否与 H 无关，则 CF（H，E）= 0。
