产生式系统

产生式系统，是构造知识型系统和建立认知模型时常用的知识表示的形式系统。1943年E.波斯特首先将他提出的一种计算形式体系命名为产生式系统。50年代末期，A.纽厄尔和H.A.西蒙在研究人类问题求解的认知模型时也使用了产生式系统这一术语。产生式系统现代已成为研制人工智能系统时采用的最典型的体系结构之一。

产生式规则

简称产生式。它是指形如α─→β或IFαTHENβ或其等价形式的一条规则,其中α称为产生式的左部或前件;β称为产生式的右部或后件。

①如果α、β分别代表需要注视的一组条件及其成立时需要采取的行动，那么称为条件-行动型产生式。

②如果α、β分别代表前提及其相应的结论,那么称为前提-结论型产生式。人工智能中的推理很多是建立在直观经验基础上的不精确推理，而产生式在表示和运用不精确知识方面具有灵活性，因此许多专家系统采用产生式系统为体系结构。

组成

一个产生式系统由下列3部分组成：

一个总数据库(global database)，它含有与具体任务有关的信息；随着应用情况的不同，这些数据库可能像数字矩阵那样简单，也可能像检索文件结构那样复杂。

一套规则，它对数据库进行操作运算。每条规则由左右两部分组成，左部鉴别规则的适用性或先决条件，右部描述规则应用时所完成的动作。应用规则来改变数据库。

一个控制策略，它确定应该采用哪一条适用规则，而且当数据库的终止条件满足时，就停止计算。

自由帕斯卡中

free pascal 中的产生式系统的组成

产生式系统由一个综合数据库、一组产生式规则和一个控制系统三个基本 要素组成。其中：综合数据库是产生式系统所用的主要数据结构，它主要用来表示问题的状态，即初始状态、中间状态和目标状态等，以及状态之间的关系。它不是固定不变的，在求解的过程中，它的内容将越来越多，状态之间的关系也越来越复杂。

目前计算机法律应用中进行法条检索或案例归纳总结的基础上,把人工智能方法和法律推理理论结合起来,提出了一种既符合我国法律规定及法律推理理论又切实可行的计算机法律推理方法。该方法改变了单独使用演绎推理或归纳推理的传统法律推理方式,结合司法实务,把演绎推理和归纳推理两种推理方式结合起来一起使用,演绎推理进行法条的检索和适用,归纳推理进行判例的归纳和学习。该方法把法条看做一个谓词逻辑,将其拆解为构成要件和适用后果两个部分,当案件符合构成要件时执行该法条的适用后果部分,最后在判例知识库中找到适用了相同法条规则的参考判例。

经常用来表示数据库的数据结构有串、集合、数组、树、表、记录、队列等。

产生式规则是对数据库进行操作的一系列规则。规则的一般形式是：

IF 条件 THEN 操作

即满足应用的先决条件后，就对数据库实行后面的操作。

控制策略规定了操作的顺序，即在任何条件下用什么规则进行操作，什么条件下停止运行，它规定了问题的求解的搜索策略和路线。控制策略一般可分为不可撤回方式和试探法两大类，试探法又包括回溯法和图搜索法两种。

工作方式

产生式是系统的单元程序，它与常规程序不同之处在于，产生式是否执行并不在事前硬性规定，各产生式之间也不能相互直接调用，而完全决定于该产生式的作用条件能否满足，即能否与全局数据库的数据条款匹配。因此在 人工智能中常将产生式称为一种守护神(demon),即“伺机而动”之意。另一方面，产生式在执行之后工作环境即发生变化，因而必须对全局数据库的条款作相应修改，以反映新的环境条件。全部工作是在控制程序作用下进行的。现代产生式系统的一个工作循环通常包含匹配、选优、行动三个阶段。匹配通过的产生式组成一个竞争集，必须根据选优策略在其中选用一条,当选的产生式除了执行规定动作外,还要修改全局数据库的有关条款。因此现代产生式系统的控制程序常按功能划分为若干程序。

推理方向

产生式系统的推理分为正向推理和逆向推理。正向推理指的是从现有条件出发，自底向上地进行推理（条件的综合），直到预期目标实现。逆向推理则从预期目标出发，自顶向下地进行推理（目标的分析），直到符合当前的条件。运用逆向推理时，后件而不是前件引导产生式的搜索工作，因此按推理方向可将产生式系统分为前件驱动和后件驱动两种类型。条件－行动型产生式系统采用前件驱动的工作方式。

优缺点

产生式系统的优点是：

①模块性,每一产生式可以相对独立地增加、删除和修改。

②均匀性，每一产生式表示整体知识的一个片段，易于为用户或系统的其他部分理解。

③自然性，能自然地表示直观知识。它的缺点是执行效率低，此外每一条产生式都是一个独立的程序单元，一般相互之间不能直接调用也不彼此包含，控制不便，因而不宜用来求解理论性强的问题。