科 目：
班 级：
姓 名：
学 号：
指导教师：
时 间： 人工智能之 确定性推理 人工智能_______ 计算机科学与技术 王 兴 德 1120070521 丁 红 发
1
前 言
随着科学技术的飞快发展，如今中国的人工智能已经有所发展，越来越多的人在对智能化方面的要求越来越高。但是同时也会给人们带来一些问题：人工智能是否能够提供方便快捷的服务来满足人们的需求？如今在中国的大部分地方还是用传统的方式来为人们服务的，人工智能才刚刚萌芽。这样，就给国家的发展，人们生活水平的提高带来了很大的麻烦，浪费大量的时间和资源，这样的效率怎能不叫人遗憾？所以研究人工智能，并且使其为我们服务，成了当务之急。何谓人工智能，什么是人工智能的确定性推理，未来的人工智能又向哪方面发展等等诸多问题，于是，成了我们研究人工智能的必须掌握的基本知识。在以下的叙述中，我将给读者详细的介绍有关人工智能的知识，让读者对人工智能有基本的了解。
关键词：人工智能；科技；确定性推理；正向演绎推理等。
目 录
一 何谓人工智能„„„„„„„„„„„„„„„„„„„„„„„„„„3
二 推理技术概述
三 推理的控制策略
四 基于演绎规则的推理 7
五 正向演绎推理实例 9
六 反向演绎推理 10
七 反向演绎推理实例 10
八 总结 11
九 参考文献 11
4 6
一 何谓人工智能？
人工智能是用计算机来模拟人的智能，就是用能在计算机上实现的技术和方法来模拟人的思维规律和过程。
• 1) 在确定知识表达方法后，就可以把知识表示出来并存储到计
算机中。
• 2) 然后, 利用知识进行推理以求得问题的解.
• 3）利用知识进行推理是知识利用的基础。各种人工智能应用领
域如专家系统、智能机器人、模式识别、自然语言理解等都是利用知识进行广义问题求解的智能系统.
二 推理技术概述：推理的概念与类型。
1）推理是人类求解问题的主要思维方法. ）所谓推理就是按照某种策略从已有事实和知识推出结论
的过程。推理是由程序实现的，称为推理机。
3）人类的智能活动有多种思维方式，人工智能作为对人类
智能的模拟，相应地也有多种推理方式。
1. 演绎推理、归纳推理、默认推理
• (1). 演绎推理：演绎推理是从全称判断推出特称判断或
单称判断的过程，即从一般到个别的推理。最常用的形式是三段论法。 例如：
1）所有的推理系统都是智能系统；
2）专家系统是推理系统；
3）所以，专家系统是智能系统。
• (2).归纳推理: 是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过程。
(3). 默认推理：默认推理又称缺省推理，它是在知识不完
全的情况下假设某些条件已经具备所进行的推理。
2、确定性推理、不确定性推理
• 如果按推理时所用的知识的确定性来分，推理可分为确
定性推理与不确定性推理。
• （1）确定性推理（精确推理）。如果在推理中所用的知
识都是精确的，即可以把知识表示成必然的因果关系，然后进行逻辑推理，推理的结论或者为真，或者为假，这种推理就称为确定性推理。（如归结反演、基于规则的演绎系统等）
• （2）不确定性推理(不精确推理) 。在人类知识中，有相当一部分属于人们的主观判断，是不精确的和含糊的。由这些知识归纳出来的推理规则往往是不确定的。基于这种不确定的推理规则进行推理，形成的结论也是不确定的，这种推理称为不确定推理。 (在专家系统中主要使用的方法) 。
3、单调推理、非单调推理
• 如果按推理过程中推出的结论是否单调增加，或者说推
出的结论是否越来越接近最终目标来划分，推理又可分为单调推理与非单调推理。
• （1）单调推理。是指在推理过程中随着推理的向前推
进及新知识的加入，推出的结论呈单调增加的趋势，并且越来越接近最终目标。(演绎推理是单调推理。)
• （2）非单调推理。是指在推理过程中随着推理的向前
推进及新知识的加入，不仅没有加强已推出的结论，反而要否定它，使得推理退回到前面的某一步，重新开始。(一般是在知识不完全的情况下进行的)
• 4、启发式推理、非启发式推理
• 如果按推理中是否运用与问题有关的启发性知识，推理
可分为启发式推理和非启发式推理。
• （1）启发式推理：如果在推理过程中，运用与问题有
关的启发性知识，如解决问题的策略、技巧及经验等，以加快推理过程，提高搜索效率，这种推理过程称为启发式推理。如
A 、A*等算法。
• （2）非启发式推理。如果在推理过程中，不运用启发
性知识，只按照一般的控制逻辑进行推理，这种推理过程称为非启发式推理。(推理效率较低，容易出现“组合爆炸”问题。)
三 推理的控制策略
• 主要是指推理方向的选择、推理时所用的搜索策略及冲突解决
策略等。一般推理的控制策略与知识表达方法有关 (产生式系统) .
• 1、推理方向：用于确定推理的驱动方式。分为正向推理(由已
知事实出发) 、反向推理(以某个假设目标作为出发点) 和正反向混合推理(正向推理和反向推理相结合). 系统组成: 知识库（KB ）+初始事实和中间结果的数据库（DB ）+ 推理机
• 2、搜索策略:推理时要反复用到知识库中的规则，而知识库中
的规则又很多，这样就存在着如何在知识库中寻找可用规则的问题(代价小, 解好). 可以采用各种搜索策略有效地控制规则的选取.
• 3、冲突解决策略：在推理过程中，系统要不断地用数据库中的事
实与知识库中的规则进行匹配，当有一个以上规则的条件部分和当前数据库相匹配时，就需要有一种策略来决定首先使用哪一条规则，这就是冲突解决策略。冲突解决策略实际上就是确定规则的启用顺序。
• （1）专一性排序(条件部分更具体的规则)
• （2）规则排序(规则编排顺序)
• （3）数据排序(所有条件按优先级次序编排起来)
• （4）就近排序(最近使用的规则优先)
• （5）上下文限制(在某种上下文条件下)
• （6）按匹配度排序(计算这两个模式的相似程度)
• （7）按条件个数排序(条件少的优先)
四 基于规则的演绎推理
• 许多AI 系统中所用到的知识一般是由蕴含式直接表示的，但在
归结反演中，必须首先将它们转化为子句的形式，所以这种推理是比较低效的。
• 基于规则的演绎推理则是直接的推理方法。它把有关问题的知
识和信息划分为规则与事实两种类型。规则由包含蕴含形式的表达式表示，事实由无蕴含形式的表达式表示，并画出相应的与或图，然后通过规则进行演绎推理。
• 可分为正向、反向和正反向演绎推理。在正向推理中，作为规则用的蕴含式对事实的总数据库进行操作运算，直至得到该目标公式的一个终止条件为止；在反向推理中，作为B 规则用的蕴含式对目标的总数据库进行操作运算，直至得到包含这些事实的一个终止条件为止；在双向推理中，分别从两个方向应用不同的规则（F 和B ）进行操作运算。
• 1 就正向演绎推理加以说明：
• 正向演绎推理属于正向推理，它是从已知事实出发，反复尝试
所有可利用的规则（F 规则）进行演绎推理，直到得到某个目标公式的一个终止条件为止。
• 1、事实表达式及其与或图表示
• 正向演绎要求事实用不包含蕴含符号“→”的与或形表示。把一个表达式转化为标准的与或形的步骤如下：（1）利用等价式P →Q 与⌝P ∨Q 消去蕴含符“→”。（2）把否定符号“⌝”移到每个谓词符号的前面。（3）变量标准化，即重新命名变量，使不同量词约束的变量有不同的名字。
（4）引入Skolem 函数消去存在量词。
（5）将公式化为前束形。
（6）略去全称量词（默认变量是全称量词量化的）。
（7）重新命名变量，使同一变量不出现在不同的主要合取 •
• 五 正向演绎推理实例 ：有如下的表达式
• （∃x ）（∀y ）{Q（y ，x ）∧⌝[（R （y ）∨P （y ））∧S （x ，y ）]} 可
将其转化为下面标准的与或形：Q （z ，A ）∧{[⌝R （y ）∧⌝P （y ）] ∨⌝S （A ，y ）}
• 于是, 它的标准与或形可用一棵与或树表示出来。
• 六 反向演绎推理
• 它从目标表达式出发，通过反向运用规则进行演绎推理，直到
得到包含已知事实的终止条件为止.
1、目标表达式及其与或图表示
• 首先, 要将目标表达式转化为无蕴涵符“→”的与或形式，并用与
或图表示。要采用正向演绎中对事实表达式的变换的对偶形式: 即skolem 化全称量词量化的变量，略去存在量词（与正向演绎中对目标表达式的处理一致）。
• 七 反向演绎推理实例
有如下的目标表达式：
(∃y)(∀x) {P(x) →[Q(x,y)∧~(R(x)∧S(y))]}
可转化为如下与或形式： ~P(f(y)) ∨{Q(f(y),y) ∧[~R(f(y)) ∨~S(y)]}
• 为使析取式具有不同的变量名，重命名变量，得 ~P(f(z)) ∨{Q(f(y),y) ∧[~R(f(y)) ∨~S(y)]}
• 与或形式的目标表达式可以用与或图表示，但其表示方式与正
向演绎中事实表达式的与或图不同。它的n 连接符用来把具有合取关系的子表达式连接起来，而在正向演绎中是把事实表达式具有析取关系的子表达式连接起来。上例的目标表达式的与或图如下图所示。
• 图中根节点为目标表达式，称为目标节点，叶节点表示单个文
字。若把叶节点用它们之间的合取及析取关系连接起来，就可得到原目标表达式的三个子目标：~P(f(z)) ；Q(f(y),y)
11
∧~R(f(y))；Q(f(y),y) ∧~S(y) 合取式，其中的变量是存在量词量化的。
八．总结 随着科学技术的飞快发展，如今中国的人工智能已经有所发展，越来越多的人在对智能化方面的要求越来越高。我坚信，人工智能有一天终会来临。
九 参考文献。
1． Nils.Nilsson 著, 《人工智能》, 机械工业出版社。
2． 蔡自兴, 徐光佑著《人工智能及其应用》。
科 目：
班 级：
姓 名：
学 号：
指导教师：
时 间： 人工智能之 确定性推理 人工智能_______ 计算机科学与技术 王 兴 德 1120070521 丁 红 发
1
前 言
随着科学技术的飞快发展，如今中国的人工智能已经有所发展，越来越多的人在对智能化方面的要求越来越高。但是同时也会给人们带来一些问题：人工智能是否能够提供方便快捷的服务来满足人们的需求？如今在中国的大部分地方还是用传统的方式来为人们服务的，人工智能才刚刚萌芽。这样，就给国家的发展，人们生活水平的提高带来了很大的麻烦，浪费大量的时间和资源，这样的效率怎能不叫人遗憾？所以研究人工智能，并且使其为我们服务，成了当务之急。何谓人工智能，什么是人工智能的确定性推理，未来的人工智能又向哪方面发展等等诸多问题，于是，成了我们研究人工智能的必须掌握的基本知识。在以下的叙述中，我将给读者详细的介绍有关人工智能的知识，让读者对人工智能有基本的了解。
关键词：人工智能；科技；确定性推理；正向演绎推理等。
目 录
一 何谓人工智能„„„„„„„„„„„„„„„„„„„„„„„„„„3
二 推理技术概述
三 推理的控制策略
四 基于演绎规则的推理 7
五 正向演绎推理实例 9
六 反向演绎推理 10
七 反向演绎推理实例 10
八 总结 11
九 参考文献 11
4 6
一 何谓人工智能？
人工智能是用计算机来模拟人的智能，就是用能在计算机上实现的技术和方法来模拟人的思维规律和过程。
• 1) 在确定知识表达方法后，就可以把知识表示出来并存储到计
算机中。
• 2) 然后, 利用知识进行推理以求得问题的解.
• 3）利用知识进行推理是知识利用的基础。各种人工智能应用领
域如专家系统、智能机器人、模式识别、自然语言理解等都是利用知识进行广义问题求解的智能系统.
二 推理技术概述：推理的概念与类型。
1）推理是人类求解问题的主要思维方法. ）所谓推理就是按照某种策略从已有事实和知识推出结论
的过程。推理是由程序实现的，称为推理机。
3）人类的智能活动有多种思维方式，人工智能作为对人类
智能的模拟，相应地也有多种推理方式。
1. 演绎推理、归纳推理、默认推理
• (1). 演绎推理：演绎推理是从全称判断推出特称判断或
单称判断的过程，即从一般到个别的推理。最常用的形式是三段论法。 例如：
1）所有的推理系统都是智能系统；
2）专家系统是推理系统；
3）所以，专家系统是智能系统。
• (2).归纳推理: 是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过程。
(3). 默认推理：默认推理又称缺省推理，它是在知识不完
全的情况下假设某些条件已经具备所进行的推理。
2、确定性推理、不确定性推理
• 如果按推理时所用的知识的确定性来分，推理可分为确
定性推理与不确定性推理。
• （1）确定性推理（精确推理）。如果在推理中所用的知
识都是精确的，即可以把知识表示成必然的因果关系，然后进行逻辑推理，推理的结论或者为真，或者为假，这种推理就称为确定性推理。（如归结反演、基于规则的演绎系统等）
• （2）不确定性推理(不精确推理) 。在人类知识中，有相当一部分属于人们的主观判断，是不精确的和含糊的。由这些知识归纳出来的推理规则往往是不确定的。基于这种不确定的推理规则进行推理，形成的结论也是不确定的，这种推理称为不确定推理。 (在专家系统中主要使用的方法) 。
3、单调推理、非单调推理
• 如果按推理过程中推出的结论是否单调增加，或者说推
出的结论是否越来越接近最终目标来划分，推理又可分为单调推理与非单调推理。
• （1）单调推理。是指在推理过程中随着推理的向前推
进及新知识的加入，推出的结论呈单调增加的趋势，并且越来越接近最终目标。(演绎推理是单调推理。)
• （2）非单调推理。是指在推理过程中随着推理的向前
推进及新知识的加入，不仅没有加强已推出的结论，反而要否定它，使得推理退回到前面的某一步，重新开始。(一般是在知识不完全的情况下进行的)
• 4、启发式推理、非启发式推理
• 如果按推理中是否运用与问题有关的启发性知识，推理
可分为启发式推理和非启发式推理。
• （1）启发式推理：如果在推理过程中，运用与问题有
关的启发性知识，如解决问题的策略、技巧及经验等，以加快推理过程，提高搜索效率，这种推理过程称为启发式推理。如
A 、A*等算法。
• （2）非启发式推理。如果在推理过程中，不运用启发
性知识，只按照一般的控制逻辑进行推理，这种推理过程称为非启发式推理。(推理效率较低，容易出现“组合爆炸”问题。)
三 推理的控制策略
• 主要是指推理方向的选择、推理时所用的搜索策略及冲突解决
策略等。一般推理的控制策略与知识表达方法有关 (产生式系统) .
• 1、推理方向：用于确定推理的驱动方式。分为正向推理(由已
知事实出发) 、反向推理(以某个假设目标作为出发点) 和正反向混合推理(正向推理和反向推理相结合). 系统组成: 知识库（KB ）+初始事实和中间结果的数据库（DB ）+ 推理机
• 2、搜索策略:推理时要反复用到知识库中的规则，而知识库中
的规则又很多，这样就存在着如何在知识库中寻找可用规则的问题(代价小, 解好). 可以采用各种搜索策略有效地控制规则的选取.
• 3、冲突解决策略：在推理过程中，系统要不断地用数据库中的事
实与知识库中的规则进行匹配，当有一个以上规则的条件部分和当前数据库相匹配时，就需要有一种策略来决定首先使用哪一条规则，这就是冲突解决策略。冲突解决策略实际上就是确定规则的启用顺序。
• （1）专一性排序(条件部分更具体的规则)
• （2）规则排序(规则编排顺序)
• （3）数据排序(所有条件按优先级次序编排起来)
• （4）就近排序(最近使用的规则优先)
• （5）上下文限制(在某种上下文条件下)
• （6）按匹配度排序(计算这两个模式的相似程度)
• （7）按条件个数排序(条件少的优先)
四 基于规则的演绎推理
• 许多AI 系统中所用到的知识一般是由蕴含式直接表示的，但在
归结反演中，必须首先将它们转化为子句的形式，所以这种推理是比较低效的。
• 基于规则的演绎推理则是直接的推理方法。它把有关问题的知
识和信息划分为规则与事实两种类型。规则由包含蕴含形式的表达式表示，事实由无蕴含形式的表达式表示，并画出相应的与或图，然后通过规则进行演绎推理。
• 可分为正向、反向和正反向演绎推理。在正向推理中，作为规则用的蕴含式对事实的总数据库进行操作运算，直至得到该目标公式的一个终止条件为止；在反向推理中，作为B 规则用的蕴含式对目标的总数据库进行操作运算，直至得到包含这些事实的一个终止条件为止；在双向推理中，分别从两个方向应用不同的规则（F 和B ）进行操作运算。
• 1 就正向演绎推理加以说明：
• 正向演绎推理属于正向推理，它是从已知事实出发，反复尝试
所有可利用的规则（F 规则）进行演绎推理，直到得到某个目标公式的一个终止条件为止。
• 1、事实表达式及其与或图表示
• 正向演绎要求事实用不包含蕴含符号“→”的与或形表示。把一个表达式转化为标准的与或形的步骤如下：（1）利用等价式P →Q 与⌝P ∨Q 消去蕴含符“→”。（2）把否定符号“⌝”移到每个谓词符号的前面。（3）变量标准化，即重新命名变量，使不同量词约束的变量有不同的名字。
（4）引入Skolem 函数消去存在量词。
（5）将公式化为前束形。
（6）略去全称量词（默认变量是全称量词量化的）。
（7）重新命名变量，使同一变量不出现在不同的主要合取 •
• 五 正向演绎推理实例 ：有如下的表达式
• （∃x ）（∀y ）{Q（y ，x ）∧⌝[（R （y ）∨P （y ））∧S （x ，y ）]} 可
将其转化为下面标准的与或形：Q （z ，A ）∧{[⌝R （y ）∧⌝P （y ）] ∨⌝S （A ，y ）}
• 于是, 它的标准与或形可用一棵与或树表示出来。
• 六 反向演绎推理
• 它从目标表达式出发，通过反向运用规则进行演绎推理，直到
得到包含已知事实的终止条件为止.
1、目标表达式及其与或图表示
• 首先, 要将目标表达式转化为无蕴涵符“→”的与或形式，并用与
或图表示。要采用正向演绎中对事实表达式的变换的对偶形式: 即skolem 化全称量词量化的变量，略去存在量词（与正向演绎中对目标表达式的处理一致）。
• 七 反向演绎推理实例
有如下的目标表达式：
(∃y)(∀x) {P(x) →[Q(x,y)∧~(R(x)∧S(y))]}
可转化为如下与或形式： ~P(f(y)) ∨{Q(f(y),y) ∧[~R(f(y)) ∨~S(y)]}
• 为使析取式具有不同的变量名，重命名变量，得 ~P(f(z)) ∨{Q(f(y),y) ∧[~R(f(y)) ∨~S(y)]}
• 与或形式的目标表达式可以用与或图表示，但其表示方式与正
向演绎中事实表达式的与或图不同。它的n 连接符用来把具有合取关系的子表达式连接起来，而在正向演绎中是把事实表达式具有析取关系的子表达式连接起来。上例的目标表达式的与或图如下图所示。
• 图中根节点为目标表达式，称为目标节点，叶节点表示单个文
字。若把叶节点用它们之间的合取及析取关系连接起来，就可得到原目标表达式的三个子目标：~P(f(z)) ；Q(f(y),y)
11
∧~R(f(y))；Q(f(y),y) ∧~S(y) 合取式，其中的变量是存在量词量化的。
八．总结 随着科学技术的飞快发展，如今中国的人工智能已经有所发展，越来越多的人在对智能化方面的要求越来越高。我坚信，人工智能有一天终会来临。
九 参考文献。
1． Nils.Nilsson 著, 《人工智能》, 机械工业出版社。
2． 蔡自兴, 徐光佑著《人工智能及其应用》。