人工智能的决策支持和智能决策支持系统第4章目录4.1人工智能基本原理专家系统是利用大量的专门知识解决特定领域中的实际问题的计算机程序系统；神经网络是利用神经元的信息传播模型（MP模型）进行学习和应用；遗传算法是模拟生物遗传过程的群体优化搜索方法；机器学习是让计算机模拟和实现人类的学习，获取解决问题的知识；自然语言理解是让计算机理解和处理人类进行交流的自然语言。2．智能决策支持系统结构形式1）基本结构智能决策支持系统（IDSS）＝决策支持系统（DSS）＋人工智能（AI）技术4.2.1逻辑推理4.2.1逻辑推理1）演绎推理专家系统的研究基本上属于演绎推理范畴。演绎推理的核心是假言推理。假言推理：以假言判断为前提，对该假言判断的前件或后件的推理。1）假言推理：pq，p┝q2）三段论推理：pq，qr┝pr3）假言易位推理（拒取式）：pq，q┝p符号“┝”表示推出2）归纳推理(个别→一般)（1）数学归纳法这种推导是严格的，结论是确实可靠的。（2）枚举归纳推理S1是P，S2是P，……Sn是PS1……Sn是S类事物中的部分分子，没有相反事例。所以，S类事物都是P。枚举归纳推理的结论是或然的(并非必然地)，它的可靠性和事例数量相关。枚举归纳推理实例3）类比推理它是由两个（或两类）事物在某些属性上相同，进而推断它们在另一个属性上也可能相同的推理。A事物有abcd属性,B事物有abc属性（或a,b,c相似属性）所以，B事物也可能有d属性（或d相似属性）类比推理的结论带有或然性，它的可靠性和相类比事物属性之间的联系程度有关。类比推理实例一类比推理实例二3.总结1）演绎推理的结论没有超出已知的知识范围。而归纳推理和类比推理的结论超出已知的知识范围。演绎推理只能解释一般规律中的个别现象而归纳推理和类比推理创造了新的知识，使科学得到新发展，是一种创造思维方式。2）演绎推理中由于前提和结论有必然联系，只要前提为真，结论一定为真。归纳推理和类比推理中前提和结论，不能保证有必然联系，具有或然性。这样推理的结论未必是可靠的。需要经过严格的验证和证明，使之形成新的理论。4.2.2知识表示与知识推理4.2.2.2产生式规则（ifAthenB）1.A∧B→G2.C∧D→A3.E→D4.2.2.2产生式规则G4.2.3搜索技术4.2.3搜索技术4.2.3搜索技术4.2.3搜索技术4.2.3.1广度优先搜索（宽度优先搜索）图4.7广度优先搜索示意图（2）算法广度优先搜索过程例子1(八数码难题)重排九宫问题，在3x3的方格棋盘上放置分别标有数字1、2、3、4、5、6、7、8共8个棋子，初始状态为S0，目标状态为Sg，如图1所示。可使用的算符有：空格左移，空格上移，空格右移，空格下移。即只允许把位于空格左、上、右、下的邻近棋子移入空格。要求寻找从初始状态到目标状态的路径。该路径使用的算符序列：空格上移，空格左移，空格下移，空格右移。广度优先搜索的盲目性较大，当目标节点距离初始节点较远时将会产生许多无用节点，因此搜索效率低，但是，只要问题有解，用广度优先搜索总可以得到解，而且得到的是路径最短的路径。1、深度优先搜索法思想从初始状态S开始，利用规则生成搜索树下一层任一个结点，检查是否出现目标状态G，若未出现，以此状态利用规则生成再下一层任一个结点，再检查是否为目标节点G。若未出现，继续以上操作过程，一直进行到叶节点（即不能再生成新状态节点）。当它仍不是目标状态G时，回溯到上一层结果，取另一可能扩展搜索的分支。生成新状态节点。一直进行下去，直到找到目标状态G为止。图4.8深度优先搜索示意图（2）算法开始例子2：对图1所示的重排九宫问题进行深度优先搜索，可得到图3所示的搜索树这只是搜索树的一部分，尚未到达目标节点，仍需继续往下搜索。在深度优先搜索中，搜索一旦进入某个分支，就将沿着该分支一直向下搜索。如果目标节点恰好在此分支上，则可较快地得到解。但是，如果目标节点不在此分支上，而该分支又是一个无穷分支，则就不能得到解。所以深度优先搜索是不完备的，即使问题有解，它也不一定能求得解。显然，用深度优先求得的解，也不一定是路径最短的解。4.2.3.3生成测试法4.2.3.3生成测试法4.2.3.4爬山法(生成测试法的变种)在爬山法中可能出现以下几种情况：在爬山法中可能出现以下几种情况：在爬山法中可能出现以下几种情况：4.2.3.4爬山法4.2.3.5启发式搜索4.2.3.5启发式搜索一般启发式函数法用如下公式表示：f（x）=g（x）+h（x）f（x）表示由开始状态到目标状态的总耗费g（x）表示开始状态到当前状态的耗