人工智能之产生式系统（c++实现）
这次的人工智能实验是产生式系统——动物分类。
规则库：
R1：动物有毛发→ 哺乳类
R2：动物有奶 → 哺乳类
R3：动物有羽毛 → 鸟类
R4：动物会飞 ∧会下蛋 → 鸟类
R5：哺乳类∧动物吃肉→ 食肉动物
R6：动物有犬齿 ∧有爪 ∧眼盯前方→食肉动物
R7：哺乳类 ∧有蹄 →蹄类
R8：哺乳类 ∧反刍 → 蹄类
R9：哺乳类 ∧ 食肉动物∧ 黄褐色 ∧ 有斑点→ 金钱豹
R10：哺乳类∧ 食肉动物 ∧ 黄褐色 ∧ 有黑色条纹→虎
R11：蹄类 ∧ 长脖 ∧ 长腿 ∧ 有斑点→ 长颈鹿
R12：蹄类 ∧ 有黑色条纹→ 斑马
R13：鸟类 ∧长脖 ∧ 长腿 ∧ 不会飞∧黑白二色 →鸵鸟
R14：鸟类 ∧会游泳 ∧黑白二色 ∧ 不会飞 →企鹅
R15：鸟类 ∧善飞 →信天翁
通过这个规则库，根据用户输入的已知条件，来判断所描述的动物。
产生式系统的问题求解过程即为对解空间的搜索过程，也就是推理过程。按照搜索的方向可把产生式系统分为正向推理、逆向推理和双向推理。
正向推理：从一组表示事实的谓词或命题出发，使用一组产生式规则，用以证明该谓词公式或命题是否成立。
逆向推理：从表示目标的谓词或命题出发，使用一组产生式规则证明事实谓词或命题成立，即首先提出一批假设目标，然后逐一验证这些假设。
双向推理：双向推理的推理策略是同时从目标向事实推理和从事实向目标推理，并在推理过程中的某个步骤，实现事实与目标的匹配。
已知 有斑点、长脖子、长腿、有奶、有蹄子
正向推理：R11–>R2–>R7
反向推理：假设R1到R7的某个结论成立，逐个与现有事实匹配
正反向混合推理（双向推理）：正向推理，有斑点–>豹子或长颈鹿；根据其他事实反向推理
这里我们采用双向推理。
思路：将所有名词编号，然后用编号来组织成一条条件（规则库），遍历这些条件，根据用户给出的名词，进行比较，同时计算每个条件的符合程度，推理出的名词加入到已知的名词队列中，重新遍历条件，更新符合度，如果没有100%符合的条件，则寻找符合度最高的条件，进行逆向推理，询问可能的且没有在已知名词队列中的名词，进行判断，加入名词队列，重新遍历，更新符合度，直至找到属于结果类的名词，即是结果。
根据知识库中的知识和用户提供的事实进行推理，不断地由已知的事实推出未知的结论即中间结果，并将中间结果放到已知事实进行推理。
例
代码说明：
int change_speices(); // 对推理树中的可以直接推理的叶子节点进行推理，如有毛 --》哺乳类 将哺乳类加入名词队列中，将有毛去掉
就是对推理树中的可以推理的叶子节点进行推理，得到其父母节点，并将这些使用过的叶子节点去掉。
typedef struct{ // 存放可能的动物
int animal; // name
float confidence; //置信度 = 满足的特性数 / 所含特征数;
int site; // 在rule中的位置
int num; // 满足的特征数
}Result;
vector result;
result存放可能的结果，按照置信度从大到小进行排序。
完整实现代码如下：
#include::iterator it = result.begin();it != result.end();++it){
cout<
// 判断 -- 未询问 --正向推理 后
if(result.empty()) { // 给定特征数无法用任何一规则推理 可能没有这种动物 可能是一种动物类别 (系统中无此动物，则输出类别）
category();
}else if(result.front().confidence == 1.0){ // 可能给的特征刚好推理出 可能特征还没用完
cout<<"This animal is "<<feature[result.front().animal]<<endl;
result.clear(); // 清空
return 1;
}else // 特征描述不全 逆向推理 询问特征
r_inference();
}
//特征不足推理 进入反向推理
int r_inference(){
vector<Result>::iterator it = result.begin();
int enquire[23]; // 用来标记询问过的特征数组 0 N 1 Y 2 D（0 代表没有此特征 1 代表有 2 代表不请楚、不知道）
memset(enquire,-1,sizeof(enquire));
for(int i = 0; i< result.size();){// 从置信度最高开始询问
bool in_i = true; // i ++ 的标记
int nu = result[i].size;
for(int j = 0; j < nu; j++){ // 询问 未说明 特征
if(flag[rule[result[i].site].relation[j]] == 0){
int en = rule[result[i].site].relation[j];
char c;
if(enquire[en] == -1){ // 此特征未被询问过 则输出询问语句 否则直接判断处理
cout<<"Does this animal have this characteristic?"<<feature[rule[result[i].site].relation[j]]<<endl;
cout<<"Y(y) or N(n) or D(don't know) : ";
cin>>c;
while(c != 'Y' && c != 'y' && c != 'N' && c != 'n' && c != 'D' && c != 'd'){
cout<<"Please enter Y(y) or N(n) or D(d)!"<<endl;
cin>>c;
};
}
if(enquire[en] == 1 || c == 'Y' || c == 'y'){ //有此特征 改变置信度
result[i].num++;
enquire[en] = 1;
}else if(enquire[en] == 0 || c == 'N' || c == 'n'){ // 没有此特征 直接去掉
enquire[en] = 0;
result.erase(it+i); // erase删除后 i不自增 就能删除最后的元素（迭代器就是指向删除之前元素后的第一个元素）
in_i = false; // 如果 擦除了元素 则 i不自增
if(result.empty()) // result 为空 输出类别 退出
category();
break;
}else if(enquire[en] == 2 ||c == 'D' || c == 'd'){enquire[en] = 2;} // 不确定、不知道 置信度不改变
}
}
if(in_i)
++i;
}
if(!result.empty()){
// 改变置信度
cal_confi();
if(result.size() > 1) //重新排序
Rsort(result);
//判断 -- 询问后 -- 双向推理后
if(result.front().confidence == 1.0){
cout<<"This animal is "<<feature[result.front().animal]<<endl;
}else{
cout<<"Possible animals (confidence from big to small) :";
for(vector<Result>::iterator it = result.begin();it != result.end();++it)
cout<<setiosflags(ios::left)<<setw(10)<<feature[(*it).animal]<<" ";
cout<<endl;
}
result.clear(); // 清空
}
return 1;
}
int main(){
char q;
while(q != 'N' && q != 'n'){
menu();
input();
change_speices();
z_inference();
cout<<"\n继续？(Y/N)"<<endl;
cin>>q;
system("cls");
}
return 0;
}
运行截图:
