1、第第8 8章智能设计章智能设计第第8章智能设计章智能设计8.1概述概述 8.2知识表达方式及实现知识表达方式及实现 8.3基于知识的推理基于知识的推理 8.4其它知识处理技术其它知识处理技术 第第8 8章智能设计章智能设计8.1概述概述8.1.1智能设计与智能设计与CAD技术技术智能设计可以理解为计算化的人类设计智能，它是CAD的一个重要组成部分。设计问题的求解大致可分为两类：第一类是基于数学模型和数值处理的计算型；第二类是基于符号知识模型和符号处理的推理型。传统CAD技术在数值计算和图形绘制上扩展了人的能力，可以比较圆满地完成第一类工作，但对第二类工作往往难以胜任。由于产品设计使人的创造力与
2、环境条件交互作用的物化工程是一种智能行为，因此在产品设计方案的确定、分析模型的建立、主要参数的决策、几何结构设计的评价选优等设计环节中，有相当多的工作是不能建立起精确的数学模型并用数值计算方法求解的，而是需要设计人员发挥自己的创造力，应用多学科知识和实践经验分析推理、运筹决策、综合评价，才能取得合理的结果。第第8 8章智能设计章智能设计通常把提供诸如推理、知识库管理、机制查询等信息处理能力的系统定义为知识处理系统，例如专家系统。CAD系统被这种知识处理技术加强后称为智能CAD（简称ICAD）系统，它把专家系统等人工智能技术与优化设计、有限元分析、计算机绘图等各种数值计算技术结合起来，尽可能使用
3、计算机参与方案决策、结构设计、性能分析、图形处理等设计全过程。ICAD最明显的特征是：有解决设计问题的知识库，可选择知识、协调工程数据库和图形库等资源，共同完成设计任务的推理决策机制。第第8 8章智能设计章智能设计在CAD发展的不同阶段，设计活动中智能部分的承担者是不同的。传统CAD系统只能处理计算型工作，设计智能活动是由人类专家完成的。在ICAD阶段，智能活动由设计型专家系统完成，但由于采用单一领域符号推理技术的专家系统求解问题能力的局限，设计对象（产品）的规模和复杂性都受到限制，因此ICAD系统完成的产品设计主要还是常规设计，不过借助于计算机支持，设计的效率得到了大大提高，但设计质量在一定
4、程度上取决于用户的经验和知识水平。在面向计算机集成制造系统（ComputerIntegratedManufacturingSystem，CIMS）的ICAD，即I2CAD阶段，由于集成化和开放性的要求，智能活动由人机共同承担，这就是人机智能化设计系统，它不仅可以胜任常规设计，而且还可支持创造性设计。因此，人机智能化设计系统是针对大规模复杂产品设计的软件系统，它是面向集成的决策自动化，是高级的设计自动化。第第8 8章智能设计章智能设计综上可知，智能设计在CAD发展过程中有不同的代表形式。传统CAD系统中并无真正的智能成分。在ICAD阶段，智能设计是以设计型专家系统的形式出现的，它是智能设计的初级
5、阶段。在I2CAD阶段，智能设计的代表形式是人机智能化设计系统，它作为CIMS大规模集成环境下的一个子系统，是智能设计的高级阶段。在智能设计发展的不同阶段，解决的主要问题也不同。设计型专家系统解决的主要问题是模式设计，方案设计可作为其典型代表，它基本上属于常规设计的范畴，但也包含一些革新设计的问题。与设计型专家系统不同，人机智能化设计系统要解决的主要问题是创造性设计，包括创新设计和革新设计。第第8 8章智能设计章智能设计8.1.2智能设计系统的构成智能设计系统的构成智能设计系统是设计型专家系统和人机智能化设计系统的统称。这两种系统的区别主要有以下几个方面：（1）设计型专家系统主要模拟的是人类专
6、家的逻辑思维，人机智能化设计系统除了逻辑思维外，主要模拟人类专家的形象思维，甚至包括某些灵感思维。（2）设计型专家系统只处理单一领域知识的符号推理问题；人机智能化设计系统则要处理多领域知识和多种描述形式的知识，形成集成化的大规模知识处理环境。（3）设计型专家系统一般只能解决某一领域的特定问题，因此比较孤立和封闭，难以与其它知识系统集成；人机智能化设计系统则面向整个设计过程，是一种开放的体系结构。第第8 8章智能设计章智能设计（4）从知识模型角度看，设计型专家系统只是围绕具体产品设计模型或针对设计过程某些特定环节（如有限元分析或优化设计）的模型进行符号推理；人机智能化设计系统则要考虑整个设计过程
7、的模型，设计专家思维、推理和决策的模型（认知模型）以及涉及对象（产品）的模型，特别是在CIMS环境下的并行设计，更鲜明地体现了智能设计的这种整体性、集成性和并行性。因此在智能设计的现阶段，对设计过程及设计对象的建模理论、方法和技术加以研究探讨是很有必要的。第第8 8章智能设计章智能设计由于智能设计的发展包括设计型专家系统和人机智能化设计系统两个阶段，特别是人机智能化设计系统正处于探索性研究之中，对它的定义和理解都有较大的柔性，因此智能设计系统包括的范围较为广泛。最简单的智能设计系统是严格意义下的设计型专家系统，它只能处理单一设计领域知识范畴的符号推理问题；最完善的智能设计系统是人机高度和谐、知
8、识高度集成的人机智能设计系统，它所具有的自组织能力、开放的体系结构和大规模的知识集成化处理环境正是智能设计追求的理想境界。大量的智能设计系统介于这两种极端模式之间，能对设计过程提供或多或少的智能支持。第第8 8章智能设计章智能设计8.2知识表达方式及实现知识表达方式及实现8.2.1对象级知识、元级知识及知识表示方法对象级知识、元级知识及知识表示方法人类专家进行设计的根本能力是对知识的掌握、处理和运用。没有知识，就无法对所获取的信息进行分析、综合、判断和决策。因此，设计自动化实质上是对知识的自动化处理。这里所说的知识，是指在特定的专门领域中进行问题求解所需要的知识。这些知识多种多样，但都可用符号
9、模型的形式加以描述，属于符号智能范畴。它们大体上分为两个层次：与问题求解有直接关系的知识称为对象级知识；与对象级知识性质和使用方法有关的知识称为元级知识，简称元知识，是关于知识的知识。元知识在复杂问题的求解过程中，起集成、协调、控制和使用对象级知识的作用。第第8 8章智能设计章智能设计例如，已知“使用便宜材料的规则比使用贵重材料的规则优先考虑为好”这一原则就是一条与推理控制方法有关的元知识。又如，凸轮的整个生产过程包括设计、制造和检验三个基本环节，包含的知识如下：（1）对象级知识：凸轮设计、制造、检验的相关知识。（2）元知识：如何使设计、制造、检验集成为一个自动化过程的知识。例如，协调管理整个
10、生产过程的知识；当生产过程中各部分出现冲突，如何解决冲突进行决策的知识等。第第8 8章智能设计章智能设计所谓表示，是指为描述世界所作的一组约定，是知识的符号化过程，是为了把人类知识转换成机器能处理的知识结构的过程。知识表示旨在研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构和控制结构的统一体，既要考虑知识的存储又要考虑知识的使用。目前经常使用的知识表示方法有4种：谓词逻辑、产生式规则、语义网络和框架。这些方法各有所长，又各有特点，并且各有一定的使用范围。第第8 8章智能设计章智能设计一个良好的知识表示方法应该具有以下性质。（1）充分表达：具备确切表达有关领域中各种知识的能力。（2）
11、有效推理：能够与高效率的推理功能密切地结合起来，支持系统的控制策略。（3）便于管理：便于实现模块化，便于监测矛盾的知识和冗余的知识，便于知识更新，便于知识库的维护。（4）易于理解：指知识的表示结构具有透明性。这一特性对于知识的输入、错误的检测以及解释功能的实现都是至关重要的。第第8 8章智能设计章智能设计8.2.2知识的产生式规则表达知识的产生式规则表达产生式规则是目前许多智能系统采用的知识表示方法。由规则表示知识构成的知识库称为规则库，由规则库构成的专家系统称为产生式系统。1.规则的三要素规则的三要素规则一般具有如下形式：IF前提1AND（OR）前提2AND（OR）前提n THEN 结论 第
12、第8 8章智能设计章智能设计前提也称为条件，结论称为动作。当前提满足时，执行某一操作。例如，以下为孔加工的一条规则。IF孔形状为圆柱体AND孔表面要求粗加工AND孔为通孔AND孔的直径50AND孔的直径/长度4THEN加工方法选用铣进给量选200切削速度50 第第8 8章智能设计章智能设计以上为确定性规则，它表示确定性知识。更一般地，规则可表示不确定或不完备的知识，这就要给前提和规则本身赋予一定的信度值。在推理的同时，该值以某种确定的方式进行传播，最后得到的结论也带有一个信度值，它表示该结论成立的可信程度，其表达形式如下：第第8 8章智能设计章智能设计IF前提1（信度1）AND（OR）前提2（
13、信度2）AND（OR）THEN结论（信度）例如，关于汽车故障诊断的规则如下：IF汽车充电器电路上的示波器波形出现峰值（1.0）；AND不同载荷下汽车交流发动机反应正常（0.9）；THEN汽车故障原因是电压调解器发生故障（0.9）。第第8 8章智能设计章智能设计其中，前提1所述事实是确定的；前提2中0.9表示该前提成立的信度为0.9；结论中0.9为由两个前提推出结论的信度，即规则本身的信度，它并不是说“汽车故障的原因是电压调解器发生故障”这一事实具有0.9的信度。“汽车故障原因是电压调解器发生故障”这一事实的信度如按传统概率法推理则应为0.90.9=0.81。前提、结论、信度为规则的三要素。前提
14、和结论的信度一般由专家给定，并经过实践验证，它是不精确推理的依据。信度在推理过程中按某种计算方式传播，这种计算方式就是所谓的不精确的推理算法。第第8 8章智能设计章智能设计2.规则的知识结构规则的知识结构从逻辑结构来看，IFTHEN型规则实际上是逻辑运算的蕴涵关系。例如，命题“所有的合金钢都应热处理”既可用谓词逻辑表示，又可用规则表示。谓词逻辑表示：（x）（合金钢(x)方法（热处理）规则表示：IF合金钢THEN热处理从拓扑结构来看，规则的集合等价于所谓的“与/或”图，从这个意义上讲，问题求解过程就是在“与/或”图上的一个搜索过程。这种表达规则集合的“与/或”图通常称为推理网络。例如：第第8 8
15、章智能设计章智能设计规则1IF外圆加工AND淬火表面THEN用外圆磨床类机床规则2IF用外圆磨床类机床AND加工一般精度要求的零件THEN用万能外圆磨床规则3IF用外圆磨床类机床AND加工高精度要求的零件THEN用高精度外圆磨床规则4IF外圆加工THEN用车床类机床规则5IF用车床类机床AND加工一般精度要求的零件THEN用万能车床规则6IF平面加工AND车端面THEN用车床类机床 第第8 8章智能设计章智能设计图81推理网络第第8 8章智能设计章智能设计3.产生式系统的构成产生式系统的构成采用产生式规则表示知识的专家系统称为产生式系统。产生式系统的基本要素包括：规则库、推理机和工作存储空间。
16、工作存储空间通常是以数据库的形态存在的，它存放产生式系统所使用的主要数据结构，用来描述问题的状态。在问题求解中，工作存储空间记录了已知的事实、推理的中间结果和最终结论。规则库存放产生式规则，其作用是对数据库进行操作，使之发生变化。推理机的功能包括：根据数据库的当前状态查找可用的规则；在可用的规则集中选择一条当前应用的规则；执行选出的规则，规则作用于数据库，使之发生变化。推理机再根据数据库新的状态选择一条规则作用于数据库，形成一个“识别动作”循环，直至数据库的状态满足结束条件或可用规则为止。第第8 8章智能设计章智能设计8.2.3知识的逻辑表达与框架表达知识的逻辑表达与框架表达1.谓词逻辑谓词逻
17、辑用符号模型表示知识的方法按其表达特征一般可分为两大类：陈述性方法和过程性方法。在陈述性方法中，大多数知识被表示成一个稳定的集合（知识库），再配上一组控制这些知识的通用程序。过程性方法把知识与控制结合起来，将知识表示成如何应用这些知识的过程，因此容易表达过程性知识和启发性知识，这样推理效率就比较高。逻辑表示方法是一种以陈述性为主的知识表示方法，它又分为命题逻辑和谓词逻辑。谓词逻辑中的合法表达式称为合式公式（WellFormedFormula，WFF）。合式公式是由原子公式、连接词和量词组成的。第第8 8章智能设计章智能设计1)原子公式(1)个体词：表示思维对象的词，分为个体常项（简称常量）和个
18、体变项（简称变量）。变量可在一个论域的范围内任意取值，通常以小写字母x、y、z等表示。常量一般用大写字母串表示。(2)函数：表示从一个个体域到另一个个体域的映射，即思维对象与思维对象之间的关系。函数以小写字母串表示。第第8 8章智能设计章智能设计（3）谓词：表示思维对象（即个体词）的性质或多个对象之间的关系词。以大写字母P、Q、R等或大写字母串表示。谓词有谓词常项和谓词变项之分，是个体域（论域）到真、假值的映射。有n个个体词的谓词叫n元谓词。谓词逻辑中表示关系的基本单位是原子公式。通常把P（x1,x2,xn）叫做原子谓词公式（简称原子公式）。这里，P为n元谓词。原子公式是由谓词和项组成的，其中
19、，项可以是常量、变量或者函数。对于已定义的原子公式，当其对应的语句（事实）在论域内为真时，具有值T（真），否则具有值F（假）。第第8 8章智能设计章智能设计(2)复合谓词公式。原子公式是谓词逻辑的基本积木块，为了表达更为复杂的知识，需要用连接词将多个原子公式组合成为复合谓词公式，常用的逻辑连词有：连接词“”。表示合取。设 P、Q 为原子公式，则 PQ表示 P 与Q的合取，P 与Q称为合取项。当合取项P与Q均为真时，PQ取值 T，否则取值F。连接词“”。表示析取。设 P、Q为原子公式，则PQ表示P与Q的析取，P 与Q称为析取项。当析取项P和Q至少有一个为真时，PQ取值 T，否则取值F。第第8 8
20、章智能设计章智能设计第第8 8章智能设计章智能设计表81蕴涵的真值表 P Q PQ T T T T F F F T T F F T 第第8 8章智能设计章智能设计(3)量化。在合式公式中出现变量的时候，前面可以加限定量词以说明变量的范围，这种说明称为量化。如果合式公式P（x）对于变量x所有可能取值都具有值 T，这个特性可有在P(x)前面加上全称量词x来表示；如果变量x至少有一个取值可使P（x）具有值 T，这个特性可由在P(x)前面加上存在量词（x）来表示。例如，命题“有的钢种是合金钢”可以表示为：)(ALLOY)(STEEL)(xxx 第第8 8章智能设计章智能设计命题“所有的合金钢都需要淬火
21、”可以表示为：)QUENCH,(NEEDED)(ALLOY)(xxx 这里，x 是经过量化的变量，称为约束变量，否则称为自由变量。在谓词逻辑中，若只允许限定量词对变量起量化作用，则为一阶谓词逻辑。如果还允许对谓词、函数进行量化，则称高阶谓词逻辑。第第8 8章智能设计章智能设计4)合式公式合式公式是谓词逻辑中的合法表达式。要判断谓词逻辑中表达式的合法性，就必须明确合式公式的内涵和外延，即（1）原子公式是合式公式。（2）若P是合式公式，则瘙綈P也是合式公式。（3）若P、Q是合式公式，则PQ、PQ、PQ也是合式公式。（4）若P是合式公式，x为任意变量，则(x)P和(x)P也是合式公式。（5）只有适合
22、以上4条的才是合式公式。第第8 8章智能设计章智能设计如果两个合式公式P和Q，无论怎样解释，它们的真值表都完全相同，则称这两个合式公式等价，记为PQ。对同一条知识，谓词逻辑的表达方式（合式公式）并不唯一。例如“张某给y一件礼物”可表示为 GIVEPRESENT（ZHANG，y）也可表示为 (x)GIVE(ZHANG,x,y)PRESENT(x)从应用角度来看，选择什么样的谓词,作哪些限定来表示对象，都需要考虑问题整体上的统一性。第第8 8章智能设计章智能设计2.知识的框架表达知识的框架表达产生式系统将知识按照规则形式逐条罗列，并未进行有序化组织，难以很好地描述知识间的关系及相互作用，因此当知识
23、之间的关系以及相互作用比较复杂时，需采用结构化的知识表示方法。模块化、层次化、数据抽象和信息隐藏等是结构化知识表示的主要特征，其明显优点是表示知识自然、直观，并且有利于提高问题求解的效率。语义网络和框架是人工智能中最常用的两种结构化知识表示方法，而框架表达法是在语义网络的基础上发展起来的，下面将予以介绍。第第8 8章智能设计章智能设计1)语义网络的概念人们对于各种“事”和“物”的知识记忆并不是简单地罗列事实，而是按照良好的组织结构存储于大脑之中。人们在对某些事情进行思考时，并不需要用到庞大的知识，而只是意识到与该问题有关的非常有限的部分知识。由于有这样的组织知识的方法，因此知识处理的效率得到了
24、大大提高。正是根据人类联想记忆的特征，提出了一种表达知识的心理学模型语义网络，认为记忆是由概念的联系实现的。如果用图来描述，则形成表示“事”和“物”相互关系的网状结构，称为语义网络。第第8 8章智能设计章智能设计2)语义网络的结构语义网路是对知识的有向图表示方法。一个语义网络由若干有向图表示的三元组（节点1、弧、节点2）连接而成。可见，语义网络是由节点和节点之间的弧组成的，一般节点用于表示物理实体、概念或状态，弧表示它们之间的相互关系。例如，事实“雪是白色的”可表示成：第第8 8章智能设计章智能设计语义网络实现了知识的深层表达，适于表示层次化的分类知识，可实现属性继承，提高了推理效率。但语义网
25、络中的局部修改已引起连锁反应，因而难以管理。第第8 8章智能设计章智能设计3)框架理论及结构框架理论是针对人们在理解情景、故事时提出的心理学模型，它论述的是思想而不是具体实现。框架理论的基本观点是：人脑已存储大量的典型情景，当人面临新的情景时，就从记忆中选择（粗匹配）一个称做框架的基本知识结构，这个框架是以前记忆的一个知识空框，而其具体内容随新的情景而改变，通过对该空框的细节进行修改和补充，形成对新情景的认识又记忆于人脑中。框架理论将框架视做知识的单位，将一组有关的框架连接起来便形成框架系统。系统中不同框架可以有共同节点，系统的行为由系统内框架的变化来表示，推理过程则由框架间的协调来完成。第第
26、8 8章智能设计章智能设计框架是由若干节点和关系（通称为槽）构成的网络，其一般结构如图82所示。一个框架由一个框架名和若干个槽组成，每个槽包含若干个侧面，每个侧面又包括若干个值，是一种多叉树结构。框架名中存放一个对象，如物体的名称、一个系统的名称等；框架中的各个槽存放对象的属性名，也可以是一个子框架名；框架侧面用于存放对象的属性，侧面值存放属性的值。一个框架可以通过其槽中所含下一级框架的名与下一级框架相连，因此它也可通过把它的框架名放于其上一级框架的槽中与上一级框架相连，这样相互连接的框架就组成树状结构的框架系统，如图83所示。第第8 8章智能设计章智能设计图82框架的结构 第第8 8章智能设
27、计章智能设计图83框架系统结构 第第8 8章智能设计章智能设计在框架系统中，主框架也可能有多个。无论是主框架还是子框架，每个框架都相当于框架系统的一个节点，它所描述的信息总是围绕一个对象。对于一个待求解的问题而言，它可以分解为若干个子问题，而子问题又可再分为若干子问题。主框架描述与问题相关的信息，子框架描述与子问题相关的信息，因此框架系统可用于表达任何复杂的问题。它在表示知识的过程中自然形成了一个层次，使得对知识的描述既可以很概括、抽象，又可以很具体、详细。第第8 8章智能设计章智能设计框架与语义网络在本质上是相通的，它们同属于知识的结构化表示方法。不过框架从心理学模型上讲更接近于人的认知实际
28、，也更适于表达复杂对象并且具有良好的模块性，它为知识表示提供了一种结构化的典型模式，但对过程性知识的表达能力还有待提高。第第8 8章智能设计章智能设计8.2.4面向对象的知识表达面向对象的知识表达1.设计知识类型及表达要求设计知识类型及表达要求设计知识一般可分为静态知识和动态知识。静态知识主要是关于问题领域内事物的事实、关系等，它来源于问题所在领域的信息和现行设计环境，主要包括设计规范、用户要求、对象描述以及现行设计状态，如事物的概念(如齿轮)、事物的分类（如直齿轮、斜齿轮、锥齿轮）、事物的描述（如齿轮结构的描述、参数的描述）等均属此类。这类知识一般具有较好的结构化组织形式（如层次关系等），适
29、于采用框架表达。第第8 8章智能设计章智能设计动态知识是关于问题求解的知识，主要分为两大类：一类是解决特定问题及细节设计的推理判断性知识；另一类是可用数值方法处理的原理性知识。前者通常指直觉性或经验性的知识，是设计专家长期从事该领域工作的知识和经验的总结，具有启发性，同时也必然具有不精确性，它适于采用产生式规则表达。后者反映了设计问题中的一些数学关系和机理，这类知识常常体现在程序的实现之中，也称为过程性知识，适于用各种数值处理方法表达。第第8 8章智能设计章智能设计就机械产品方案设计而言，往往涉及零部件的几何结构、装配关系、材料性能、参数计算及决策评价等诸多方面。设计知识不仅包括专家的经验，还
30、包括专家对设计对象的结构特征、功能特征、行为特征等内在性质的认识程度，以及确定各参数的计算原理和公式。设计对象知识的表达和应用是提高相应的智能设计系统性能的关键所在。在建立智能设计系统时，要求既能表达领域对象的静态属性、行为特征与设计约束，又能表达专家经验和判断决策等方面的知识，还要有较强的数值计算及过程控制能力。因此本章前面介绍的用于表达符号性知识的几种方法都不能单独担当此任，而是需要将框架、规则、方法过程等合为一体形成混合型的知识表示方法。第第8 8章智能设计章智能设计面向对象的知识表达(ObjectOrientedKnowledgeRepresentation，OOKR)方法以“对象”为
31、中心，将对象的属性、动态行为特征等相关领域知识和数据处理方法等有关知识“封装”在表达对象的结构中。这种知识表示方法既集中了各种单一知识表示方法的优点，又符合人类专家对设计对象的认知模式。第第8 8章智能设计章智能设计2面向对象的方法学面向对象的方法学1)程序设计方法的演变人工智能的根本目的是通过软件来模拟人的思维。传统的软件开发过程采用的是结构化程序设计方法，是以“过程”和“操作”为中心来构造系统、设计程序，这样思维成果的可重用性较差。若以“对象”和“数据结构”为中心来构造系统、设计程序，则思维成果的可重用性就有可能较好，这就是面向对象的程序设计方法。第第8 8章智能设计章智能设计面向对象的程
32、序设计方法包括3个阶段，即面向对象的分析面向对象的设计面向对象的实现。在该方法中，对象和消息传递分别是表示事物及事物间相互联系的概念，类和继承是适于人的一般思维方式的描述范式，方法是允许作用于该类对象上的各种操作。这种基于对象、类、消息和方法等概念的程序设计范式的特征在于对象的封装性和继承性(通过封装将对象的定义和对象的实现分开，通过继承体现类与类之间的关系)，以及由此带来的动态聚束和实体的多态性等。第第8 8章智能设计章智能设计2)对象面向对象方法学中讨论的“对象”至少应当具有以下特征：模块性；继承性和类比性；动态连接性；易维护性。对象是一个具有局部状态和操作集合的实体，或者说，对象是一个封
33、装数据和操作的实体。这里，数据描述对象的状态；操作可操纵私有数据，并改变对象的状态。第第8 8章智能设计章智能设计3)面向对象方法学的基本点面向对象的方法学提供了从一般到特殊的演绎手段(如继承等)，又提供了从特殊到一般的归纳形式(如对象类的表达等)，是一种很好的认知模式，在较高层次上模拟了人的思维。面向对象的思维认为：一个好的系统设计应该把系统设计成由一些不可变部分的最小集合所组成，这些不可变部分能用一种统一的、通用的框架去描述。由此形成的面向对象方法学具有以下基本点。第第8 8章智能设计章智能设计（1）抽象机制：面向对象的方法学将世界上的万事万物都抽象地认为是“对象”。（2）操作机制：所有对
34、象被分成各种对象类，每个对象类都定义了一组所谓的“方法”，它们实际上可视为允许作用于该类对象上的各种操作。（3）封装机制：对象之间除了互递消息的联系之外，不再有其它联系。一切局部于对象的信息和实现方法都被封装在相应对象类的定义之中，在外面是不可见的。封装是一种信息隐蔽(informationhiding)技术，用户只能见到对象封装界面上的信息，对象内部对用户是隐蔽的，这样就将定义模块和实现模块分开了，使得系统的可维护性、可修改性大为改善。第第8 8章智能设计章智能设计（4）继承机制：对象类按“类”、“子类”与“超类”的概念构成了一种层次结构。在这种层次结构中，上一层对象所具有的一些属性或特征可
35、被下一层对象继承，从而避免了描述中的信息冗余，这称为对象之间属性继承关系。第第8 8章智能设计章智能设计3OOKR的基本结构的基本结构OOKR以领域对象为中心组织知识库系统结构，对象是知识库的基本单元。面向对象的知识库结构将表达对象的数据(属性)与处理数据的知识作为一个有机整体对待。例如，关于某一机械零件的表达，不仅包括这个零件的参数，而且包括零件的几何特征、功能特征、公差以及关于该零件的所有设计知识，这些知识都将统一地表达在该零件对象结构中。OOKR将多种单一的知识表示方法按照面向对象的程序设计原则组合成一种混合知识表示形式。在OOKR中，对象是表达属性结构、相关领域知识、属性操作过程及知识
36、使用方法的综合实体；对象类是一类对象的抽象描述；对象的实例则是指具体的对象。对象的表达由4种集合所组成，如图84所示。第第8 8章智能设计章智能设计图84OOKR的基本结构 第第8 8章智能设计章智能设计关系集表示对象与其它对象之间的静态关系。属性集表示设计对象的数据，即静态属性。一个对象可以有多个属性来描述其各个特征。方法集用来存放对象中的方法。方法是封装在对象内的过程，对发送给对象的消息进行响应，其结构包括方法名、方法消息模式表、方法局部变量定义和方法过程体。规则集用来存放产生式规则，产生式规则按照所处理的对象不同加以分组。一个对象之中可以由不同的规则集来存放完成不同任务的规则，规则的使用
37、要借助于规则推理机。OOKR具有良好的系统化结构和模块化结构，所表达的知识可以被反复引用。与语义网络、框架相比，OOKR是最结构化的知识表示方法，同时具有多种单一知识表示方法的优点，因而其应用领域十分广泛。第第8 8章智能设计章智能设计8.3基于知识的推理基于知识的推理8.3.1推理方法推理方法1.推理的类型推理的类型按照标准的不同，推理方法主要有以下三种分类方法。(1)从方式上，推理可分为演绎推理和归纳推理。(2)从确定性上，推理可分为精确推理和不精确推理。(3)从单调性上，推理可分为单调推理与非单调推理。第第8 8章智能设计章智能设计从人类思维活动的特征来看，人们经常是在知识不完全、不精确
38、的情况下进行多方位的思考及推理的。因此，要使计算机能模拟人类的思维活动，就必须使它具有不精确推理的能力。所谓推理的单调性，是指随着推理的向前推进及新知识的加入，推出的结论是否越来越接近最终目标。非单调推理在其推理过程中，随着新知识的加入，有时不但不会增强已推出的结论，反而要撤销某些不正确假设所推出的结论，所以它是非单调的。第第8 8章智能设计章智能设计2.归纳推理归纳推理归纳推理是由一类事物的大量事例推出该类事物普遍规律的一种推理方法。其基本思想是：先从已知事实中猜测一个结论，然后对这一结论的正确性加以证明和确认，数学归纳法是归纳推理的典型例子。常见的归纳推理方法有枚举法、类比法、统计法、差异
39、法等。第第8 8章智能设计章智能设计在归纳推理中，结论所断定的是在前提的内容中所没有包含的事实。正因为如此，即使前提是真的，结论也不一定为真。从这个意义上讲，断定与前提有归纳关系的结论就是断定了新的内容。如果把新的结论的内容看做知识，那么归纳推理就是增殖新知识的过程。演绎推理是在已知领域内一般性知识的前提下，通过推导求解一个具体问题或者证明一个结论的正确性，它所得的结论实际上早就隐含在公理与前提之中，所以演绎推理只不过是将已有的事实揭露出来。也就是说，演绎推理可以看做是从已知真理中抽出其所包含的真理，即把包含在前提及公理中的内容作为结论抽取出来。因此，如果前提是真的，那么作为其中一部分的结论当
40、然也应该是真的，但这并不意味着结论是显而易见的。第第8 8章智能设计章智能设计3不精确推理不精确推理不确定性是智能问题的本质特征，在研制和开发智能系统的实际过程中，它会有多种表现形式，这就使得我们处理的知识往往是不肯定的、不精确的、不完全知道的，甚至是模糊的、不完备的、彼此不一致的和时变的，所以要用不精确推理方法。不精确推理方法分为数值方法（包括确定性理论、主观Bayes方法等）和非数值方法。第第8 8章智能设计章智能设计1)不精确推理模型的基本结构不精确推理模型包括三部分：知识不确定性的描述；证据不确定性的描述；不确定性的更新算法。这三部分就是不精确推理模型的三要素。以产生式系统为例，在产生
41、式系统中，知识是用规则形式描述的，其不精确推理的基本思想是：先为每个公理（原始证据和规则本身）赋予一个不确定性度量，再给出一组算法，据此可通过这组算法，由公理的不确定性求出定理（规则中的结论部分）的不确定性。第第8 8章智能设计章智能设计在不精确推理模型中，知识不确定性的描述是指证据和结论间关系的不确定性程度，或者说是前提对结论的影响程度。证据不确定性的描述就是要把命题为真的程度与某种度量标准对应起来。同样也要明确定义三个主要的度量，即命题为真、为假和对命题一无所知这三个值。我们称最后一个度量为证据的单位元。对同一命题，不同的模型可以采用不同的度量标准。例如，在概率论中，这三个度量分别为1、0
42、和该命题的先验概率。更新命题不确定性值的算法是推理的核心部分，它使得证据和规则的不确定性恰当地反映在结论的不确定性中。根据规则的结构，更新命题不确定性值的算法一般应包含如下5个函数。第第8 8章智能设计章智能设计第第8 8章智能设计章智能设计2)确定性理论(1)知识不确定性的描述。确定性理论一般采用确定性因子来描述规则强度，确定性因子(CertaintyFactor，CF)定义为 HPEHPHPHPEHPHpEHPHPEHPHPHPEHPEHCF,1,0,1(|)(|)(|)CF H EMB H EMD H E第第8 8章智能设计章智能设计(2)证据不确定性的描述。确定性理论采用确定性因子来描
43、述证据的不确定性，记为CF(E)，表达式为 肯定为假一无所知对肯定为真E，E，EECF10,1式中，CF(E)0即为证据的单位元，当证据E以某种程度为真时，则0CF(E)1；反之，-1CF(E)0。第第8 8章智能设计章智能设计(3)不确定性的更新算法。组成确定性理论中更新算法的5个函数的表达式如下：单一证据支持某一结论：(|)(|)max0,(|)CF H ECF H ECF E E两个独立证据支持同一结论：21212121212121210,00,0&EHCFEHCFEHCFEHCFEHCFEHCFEHCFEHCFEHCFEHCFEHCFEHCFEHCFEHCFEEHCF第第8 8章智能设
44、计章智能设计(3)证据是多个命题的合取 CF(1E2EnEE)minCF(1EE)，CF(2EE)，CF(nEE)(4)证据是多个命题的析取 CF(1E2EnEE)maxCF(1EE)，CF(2EE)，CF(nEE)(5)证据是命题的否定 CF(EE)CF(EE)第第8 8章智能设计章智能设计至此，就能根据原始证据的不确定性值、规则强度和每个命题的单位元求出顶层结论的不确定性值。其推理过程是：首先由领域专家给出每条规则的规则强度，并且将推理网络中每个命题的不确定性值(单位元)均设置为0，然后把用户提供的原始证据的不确定性值沿推理网络传播给非原始证据，从而求出顶层结论的不确定性值。第第8 8章智
45、能设计章智能设计4非单调推理非单调推理在人们的思维活动中，有时需要在知识不完全的情况下进行推理。为了使推理能够进行，就要对那些不完全的知识引入假设，并以此假设为前提进行推理，从而推出某些结论。但当推理继续进行时，可能会出现由于新事实的出现而使原先的假设被否定的情况，此时就需撤销这些假设以及由这些假设推出的结论，然后再按新情况进行推理。由此可以看出，新事实的加入不但没有加强已推出的结论，反而要撤销一些原先推出的结论，即出现了“非单调性”，这种推理称为非单调推理。第第8 8章智能设计章智能设计在日常生活及科学研究中，关于非单调推理的例子很多。例如，当人们骑自行车外出时，一般都只是看一下车胎是否有气
46、，从而决定自行车是否可骑。这实际上就是做了一个证据不完全的推理，因为一般情况下，除车胎容易发生漏气的情况外，其它部件发生故障的次数较少。因此骑车人根据自己的经验就做了一些假设：脚蹬灵活，车闸灵敏，螺丝不松动，内胎无孔等，从而填补了证据的不完全。在这些假设之下，他得出了“该自行车可骑”的结论。但是当他骑了一段路程后，突然发现脚蹬掉下来了或者链条断了，自行车不能再骑。此时他就必须撤销原先推出的“该自行车可骑”的结论，并根据新出现的事实，重新进行推理，得出新的结论，例如，“该自行车需要修理”。在这一过程中，新事实的出现不但没有加强原先推出的结论，反而要撤销它，这就是非单调推理。第第8 8章智能设计章
47、智能设计由于传统逻辑推理(单调推理)难以处理诸如例外、两义性、常识性等日常生活中遇到的推理现象，因而引发了关于各种非单调推理的研究。这些推理的共同特点是：公理集合中的公理增加时，公理系统中定理既可能增加，也可能减少。目前，非单调性推理研究的代表性理论或系统主要有：Reiter的缺省理论、McDermott的非单调逻辑、McCarthy的界限理论和Doyle的真值保持系统。这些形成了非单调推理的主要方面，其它工作大多是以它们为基础进行的。第第8 8章智能设计章智能设计8.3.2推理控制策略推理控制策略从知识工程的角度来看，控制策略是指导对象级知识使用的有关元知识。从人工智能角度来看，求解问题可以
48、形式化地表示为某种状态空间的搜索，即将所涉及的对象的所有可能组态定义为一种状态空间，把描述问题求解过程的最初状态定义为初始状态，把问题的解定义为目标状态，再定义一组规则作为改变各种状态的操作或算子。这样就把问题求解的过程转换为初始状态到目标状态的搜索，因此控制策略就是指导进行搜索的策略，而利用元知识来指导搜索也就是所谓的启发式搜索。因为人工智能要解决的问题大都是有难度的复杂问题，它的状态空间一般很大，搜索所需时间往往都是呈指数型增长的(即所谓的组合爆炸)。控制策略的采用是为了系统更有效、更灵活地使用对象级知识，或者从问题求解的角度说，是为了限制和缩小搜索的空间，在一定意义上是利用问题领域的知识
49、，使原来的求解时间呈指数型增长的困难问题能在多项式时间内求解。第第8 8章智能设计章智能设计1.推理策略推理策略推理策略要解决的主要问题包括推理的方向及路线、推理的效果及效率等。1)正向推理正向推理是产生式系统所采用的主要推理方式之一。在正向推理中，用户事先提供一批事实并放入事实库中。正向推理将这些事实与规则的前提条件进行匹配，把匹配成功的规则的结论作为新事实加入事实库，并继续上述过程，将更新的事实库中所有事实再与规则相匹配，直到没有可匹配的规则为止，所以它通常又称为事实驱动或数据驱动推理。正向推理过程如图86所示。第第8 8章智能设计章智能设计图86正向推理过程第第8 8章智能设计章智能设计
50、正向推理的基本算法如下：（1）把所有的事实加入到事实库中；（2）若规则集合为空，则结束，否则，取出规则与事实库中事实相匹配；（3）规则没有触发，转向（2），否则，执行规则，并把结论加入到事实库中，继续（2）。正向推理的优点是比较直观，允许用户主动提供有用的事实信息，适合于诸如设计、预测、监控等类型问题的求解；主要缺点是推理时无明确的目标，求解问题时可能要执行许多与解无关的操作，导致推理的效率较低。第第8 8章智能设计章智能设计2)反向推理反向推理又称为目标驱动或假设驱动推理，其基本思想是：首先提出目标或假设，然后试图通过检查事实库中的已知事实或向用户索取证据来支持假设。如果事实库中的事实不支持
