【正文】 （使專家系統(tǒng)具有更大的靈活性，使系統(tǒng)易于修改） (3) 從處理對象來看，傳統(tǒng)程序主要是面向數(shù)值計算和數(shù)據(jù)處理，而專家系統(tǒng)則面向符號處理。 “瓶頸”，是建造和設(shè)計專家系統(tǒng)的關(guān)鍵 能根據(jù)當(dāng)前已知的事實，利用知識庫中的知識，按一定的推理方法和控制策略進(jìn)行推理，直到得出相應(yīng)的結(jié)論為止 控制級知識（元知識）：關(guān)于如何運用前兩種知識的知識 在問題求解中的搜索策略、推理方法 ②能進(jìn)行有效的推理 推理機(jī)構(gòu)——能根據(jù)用戶提供的已知事實，通過運用知識庫中的知識，進(jìn)行有效的推理，以實現(xiàn)問題的求解。domains /*領(lǐng)域段，說明程序要用到的數(shù)據(jù)類型*/s_list=symbol*predicates /*謂詞段，說明程序要用到的謂詞名和參數(shù)*/append(s_list,s_list,s_list)reverse(s_list,s_list)joined_to(symbol,symbol)linked_to(symbol,symbol)begins_with(s_list,symbol)ends_with(s_list,symbol)is_connected(s_list)route_between(s_list,s_list)clauses /*子句段，說明程序要用到的事實和規(guī)則*/append([],L,L).append([H|T],L2,[H|Tn]):append(T,L2,Tn).reverse([],[]).reverse([H|T],L):reverse(T,L1),append(L1,[H],L).joined_to(a,b).joined_to(b,a).joined_to(b,c).joined_to(c,b).joined_to(b,d).joined_to(d,b).joined_to(d,c).joined_to(c,d).joined_to(c,e).joined_to(e,c).linked_to(X,Y):joined_to(X,Y).linked_to(X,Y):joined_to(Y,X).begins_with([X|_],X).ends_with(X, Y):reverse(X,Z),begins_with(Z,Y).is_connected([_]).is_connected([X1,X2|Y]):linked_to(X1,X2),is_connected([X2|Y]).route_between(X, [Y,Z]):begins_with(X,Y),ends_with(X,Z),is_connected(X).第七章 專家系統(tǒng)：（1）專家系統(tǒng)的定義 所以我們應(yīng)該用[X1,X2|Y]來表示一般序列，而不是[X|Y]；如果X1與X2相連，并且[X2|Y]是一個連通序列，那么這就是一個連通的序列?？梢杂靡恍┰儐栠M(jìn)行試驗，例如begins_with([b, a, d,], b)等。設(shè)計方案在Prolog中可以用一個表來表示一個點序列，例如，序列 可以表示為[e, c, d, b]；一對端點也可以用一個表表示?？梢姡瑢τ谝粋€給定的點序列，要使它成為某對特定的點之間的路線，需要滿足以下三個條件：機(jī)器人必須能夠判斷連接兩個點的路線，例如，它應(yīng)該識別出 這個序列代表從e到b的一條路線。用Prolog規(guī)則表示就是legal_states(location(s, s, s, s), location(n, n, n, n), States, X)，其中States是用來記錄狀態(tài)變化過程的動態(tài)表，在問題的開始，即農(nóng)夫還沒做任何事時，States存儲的應(yīng)該是初始狀態(tài)；到最后，即農(nóng)夫擺渡結(jié)束時，States中所存儲的就是目標(biāo)動作序列所對應(yīng)的狀態(tài)變化過程。農(nóng)夫如何才能安全地將全部東西運到河對岸？：設(shè)計方案可以用farmer、wolf、goat和cabbage分別表示問題中的農(nóng)夫、狼、山羊和白菜等對象。設(shè)U和V為兩個論域，A是U上的模糊子集，B是V上的模糊子集，則規(guī)則IF A THEN B可以定義為UV上的一個模糊關(guān)系：或等價表示成：第六章 PROLOG語言：（1）目標(biāo)不成功（2）目標(biāo)不成功（3）目標(biāo)成功，x,y,z被例化為x1,y1,z1（4）目標(biāo)不成功（5）目標(biāo)不成功：poglog規(guī)則Is_mother(x):_mother(x,y)Is_father(x):_father(x,y)Is_son(x):_father(y,x),male(x)Grandpa(x,y):_father(x,y1),father(y1,y)Sibling(x,y):_diff(x,y),mother(z1,x),mother(z1,y),father(z2,x), father(z2,y),parent(x,y)：(1) 文件頭:/***************************************************************************** Copyright (c) Sabu Francis Associates******************************************************************************/class family1 open core predicates classInfo : core::classInfo. % short Class information predicate. % detail This predicate represents information predicate of this class. % end predicates run : core::runnable.end class family1(2)文件頭:/***************************************************************************** Copyright (c) Sabu Francis Associates******************************************************************************/include % privately used packagesinclude pfc\filesystem\include pfc\application\exe\include pfc\console\include pfc\exception\% private interfaces% private classes% implementationsinclude (3)文件頭:/***************************************************************************** Copyright (c) Sabu Francis Associates******************************************************************************/requires % publicly used packagesinclude pfc\% exported interfaces% exported classesinclude CF2(H)=+=：已經(jīng)出現(xiàn)但難以給出精確定義的事件中包含的不確定性稱為模糊性，是由事物的概念界限模糊和人的主觀推理與判斷產(chǎn)生的。E為真時H就為假③ LS和LN的關(guān)系由于E和216。E對H沒有影響；當(dāng)LN1時，O(H|216。不精確推理就是表示和處理隨機(jī)性的推理方法。問題用謂詞公式表示如下：已知：(1) Alpine(Tony) (2) Alpine(Mike) (3) Alpine(John) (4) (x){Alpine(x)→[Skier(x)∨Alpinist(x)]} (5) (x){Alpinist(x)→~Like(x, Rain)}(6) (x){~Like(x, Snow)→~ Skier(x)} (7) (x){Like(Tony, x)→~Like(Mike, x)} (8) (x){~Like(Tony, x)→Like(Mike, x)} (9) Like(Tony, Snow) (10) Like(Tony, Rain) 目標(biāo)：(x){Alpine(x)∧Alpinist(x)∧~Skier(x)} 化子句集：(1) Alpine(Tony)(2) Alpine(Mike) (3) Alpine(John) (4)(x){Alpine(x)→[Skier(x)∨Alpinist(x)]} = (x){~Alpine(x)∨[Skier(x)∨Alpinist(x)]} =~Alpine(x)∨Skier(x)∨Alpinist(x) (5) (x){Alpinist(x)→~Like(x, Rain)} = (x){~Alpinist(x)∨~Like(x, Rain)} =~Alpinist(x)∨~Like(x, Rain)(6) (x){~Like(x, Snow)→~ Skier(x)} = (x){Like(x, Snow)∨~ Skier(x)} = Like(x, Snow)∨~ Skier(x)(7)(x){Like(Tony, x)→~Like(Mike, x)} = (x){~Like(Tony, x)∨~Like(Mike, x)} =~Like(Tony, x)∨~Like(Mike, x) (8) (x){~Like(Tony, x)→Like(Mike, x)} = (x){Like(Tony, x)∨Like(Mike, x)} = Like(Tony, x)∨Like(Mike, x)(9) Like(Tony, Snow) (10) Like(Tony, Rain) 目標(biāo)取反：~(x){Alpine(x)∧Alpinist(x)∧~Skier(x)}= (x){~Alpine(x)∨~Alpinist(x)∨Skier(x)} =~Alpine(x)∨~Alpinist(x)∨Skier(x)經(jīng)變量換名后，得到子句集： {Alpine(Tony), Alpine(Mike), Alpine(John), ~Alpine(x1)∨Skier(x1)∨Alpinist(x1), ~Alpinist(x2)∨~Like(x2, Rain), Like(x3, Snow)∨~ Skier(x3), ~Like(Tony, x4)∨~Like(Mike, x4), Like(Tony, x5)∨Like(Mike, x5), Like(Tony, Snow), Like(Tony, Rain), ~Alpine(x)∨~Alpinist(x)∨Skier(x)} 歸結(jié)樹如下：：基于規(guī)則的演繹推理可分為正向演繹推理、反向演繹推理和正反向混合演繹推理。 (2) 與正向推理相比，反向推理的主要優(yōu)點是不必使用與目標(biāo)無關(guān)的知識，目的性強(qiáng)，同時它還有利于向用戶提供解釋。(2)正向推理 正向推理（事實驅(qū)動推理）是由已知事實出發(fā)向結(jié)論方向的推理。 } if( talphaamp。 /*直接返回*/ MAX) i++ ) return beta是MIN的當(dāng)前值,depth β剪裁－若極大層的αβ(先輩層)則中止這個MAX以下的搜索 兩個主要過程的反復(fù)：自上而下的圖生長過程，并通過跟蹤有標(biāo)記的連接符尋找一個候選局部解圖自下而上的估價函數(shù)值的修正、連接符的標(biāo)記和SOLVED的標(biāo)注過程(3)：此題要求按照課中例題的方式，給出算法，以下是每個循環(huán)結(jié)束時的搜索圖。由于h滿足單調(diào)條件，所以也一定有h(n)≤h*(n)，即滿足A*條件。另外，圖中節(jié)點除了初始節(jié)點A之外，其它的節(jié)點都有可能在代價樹中多次出現(xiàn)，為了區(qū)分它們的多次出現(xiàn)，分別用下標(biāo)1,2…標(biāo)出。像改進(jìn)的A*算法中，對NEXT中的節(jié)點按g值的大小選擇待擴(kuò)展的節(jié)點，相當(dāng)于令這些節(jié)點的h＝0，就是動態(tài)修改h函數(shù)的一種方法。其中(M+C+1)的＋1表示送船回到左岸的那個人，而最后邊的＋1，表示送船到左岸時的一次擺渡。除以2是因為一個來回可以運過去2人，需要個來回，而來回數(shù)不能是小數(shù)，需要向上取整，這個用符號表示。下面我們來證明h1＝M+C2B是滿足A*條件的。利用一個位置放皇后后，消去的對角線的長度來進(jìn)行評價。廣度優(yōu)先搜索是一種完備搜索，即只要問題有解就一定能夠求出，而深度優(yōu)先搜索是不完備搜索。cons(x, L)：將x加入到表L的最前面。（2）假設(shè)基本操作為move(x,A,C,B)，表示將x個金片從A移到B上，中間可借助于C。 R3。晁蓋是人，受法律的管制（老百姓受法律的管制）；所以晁蓋劫了生辰綱，違反了宋王朝的法律，一定要受到官府的追究。190。190。S,(G可若干具體狀態(tài)，也可滿足某些性質(zhì)的路徑信息描述) 從S0結(jié)點到G結(jié)點的路徑被稱為求解路徑?！爸橇Α笔侵笇W(xué)會某種技能的能力，而不是指技能本身。：“智能”一詞源于拉丁“Le