基本介紹
- 中文名：增量非單調推理
- 外文名：Incremental non monotone reasoning
- 套用：計算機套用
機器人分層任務規劃的非單調理論與實現,非單調理論以及行動語言背景,非單調理論,行動的模組化的描述方式的體現,模糊Perti網的知識推理與維護系統的設計,模糊知識推理,一致性維護算法,
機器人分層任務規劃的非單調理論與實現
與經典(命題，一階)邏輯相比，非單調推理的特點是，在推理系統中增加新的知識可以導致結論被修改。在服務機器人相關的知識表示和推理過程中，由於受到機器人硬體以及感知模組的限制，對環境信息的建模往往是不完備的，在推理過程中必須對環境做出假定，即環境中的推理是“通常情況下”的推理。在此基礎上我們才能對機器人的知識背景進行表達，並採用相應的推理技術得到一般情況下的結論，當環境發生改變時，原來的假定，以及可以得到的結論不再成立。在這種情況下，我們需要更新背景知識，並且推理出和以前不一樣的新知識。非單調推理系統能夠很方便地處理這類知識更新的問題，從而使得推理系統在一定程度上滿足elaboration tolerance的要求。
非單調理論以及行動語言背景
常識知識的表達與推理是知識表達領域的重要問題，常識知識的一個重要的特點是具有非單調性質，因此非單調推理系統和理論得到廣泛的關注和研究。主要的工作包括預設邏輯(Default Logic)、自認知邏輯(Autoepistemic Logic)以及界限(Circumscription)。這些工作主要為了解決推理中的框架問題以及默認情況下的推理等問題。非單調理論對於框架問題的解決主要依賴於“慣性性質”的表達。“框架問題”本身是指，在通過邏輯公式刻畫的規劃問題中，在每一個行動執行時，只有少量的物體的狀態被改變，而大部分物體的狀態都保持不變，如何通過不顯式表達的方式將這些不發生改變的狀態都表達出來。慣性規則表達的是，一個謂詞，如果沒有其他的行動或其他謂詞直接改變，那么在下一個狀態這些謂詞的值保持不變。在基於非單調語義的系統中，這樣的知識可以很方便的進行表達，例如基於穩定模型語義的邏輯程式以及基於非單調因果理論的行動語言C+。
行動語言是一種描述行動的改變和轉移的正式語言，其語義主要通過語言對應的轉移系統來定義。傳統上的轉移系統通過一系列狀態和轉移來定義。一個轉移，通過行動將一個狀態和在這個狀態執行某個動作之後的後繼狀態聯繫起來。在轉移系統中，一個規劃結果可以表達成一條對應長度的路徑。
非單調理論
非單調理論是指隨著信息的增加，結論可以被修改的推理。非單調理論常常用在常識知識的表達，以及自然語言理解中。首先簡要回顧非單調理論的3類主要工作一預設邏輯，自認知邏輯以及界限。之後詳細介紹表達行動語言C+語義的非單調因果理論。
行動的模組化的描述方式的體現
對於機器人現有的知識庫中的知識，向其中增加新的知識時，不需要對現有的知識進行任何更改。一般來講，由於行動描述對於環境的刻畫不完備，因此對於一個系統進行擴展時，之前的一些假定新的環境下面已經不成立了，雖然採用非單調的推理系統緩解了這種情況，但是有些時候，在擴展的同時還需要對原來的系統描述進行更改。展示了複合行動定義可以“增量式”的增加到一個行動描述中，不需要對原來的行動描述做任何改變。實際上，由於複合行動表達的是在一些特定情況之下的基本行動的連續執行，而基本行動是根據機器人的硬體系統確定的。並且由於採用複合行動的擴展是可靠並且完備的，因此任何複合行動的知識，都可以“增量式”的加入到原來的系統中。和之前的系統一起完成各種規劃任務。這樣就為機器人從上面描述的知識庫中獲取一些過程性知識提供了方便的基礎。
模糊Perti網的知識推理與維護系統的設計
隨著模糊數學的出現，提出了模糊Petri網的概念，它具有處理不精確知識的能力。以模糊Perti網(FP喲的基本數學定義為基礎，通過討論基於模糊產生式系統的模糊知識表示法，建立了模糊產生式規則與模糊Petri網之間的映射關係，提出了相應的轉換算法;為了提高模糊Perti網的表達能力，根據模糊知識表示的特點，提出了改進的模糊Petri網模型，減少了Perti網的結點數目，在一定程度上降低了網系統的複雜程度;對於基於模糊產生式規則的知識庫系統，提出了基於即N模型的正向推理算法和反向推理算法，並且在信息不完備的情況下，能夠進行默認推理;結合兩種推理策略的優點，提出了一種基於FPN模型的雙向推理算法;通過對模糊Petri網動態運行機制的分析，給出了基於FPN模型的知識庫一致性維護算法。通過修改托肯增量計算函式，對新知識進行肯定並且對舊知識在一定程度上進行保留，提供了對非單調推理的支持:最後，結合面向對象技術與可視化編程技術，用VC++6.0在Win32平台下實現了上述系統的原型系統。
模糊知識推理
在知識處理領域中，基於模糊知識的推理己經引起了人們的廣泛重視。模糊推理的目的就是從已知的事實(精確的、不太精確的或者模糊的)出發，套用模糊知識庫中所描述的知識，推導出關於結論的模糊描述。在這裡，基於經典的二值邏輯或基於多值邏輯建立起來的推理方法不再適用。模糊推理在許多方面與人類的模糊思維、決策和推理十分類似。因而研究模糊推理的一些特徵和所遵循的規律，無疑為模擬智慧型提供了一個有力的武器v31l。套用模糊Perti網來表示模糊產生式的規則，不僅可以簡化知識表示，使整個知識庫更加具有條理性，更重要的是依據Petri網的數學原理，可以提出新的推理規則，提高推理的效率。尤其在網路多主體協同推理的情況下具有極大的優勢，這方面將是進一步的研究方向。
FPN的運行過程就是一個問題的求解的過程。推理機在這一過程中將根據事實庫、規則庫中的已有知識，不斷以疊代的方式對新的事實的確信度進行計算，最後得出用戶所關心問題的答案。根據不同的套用，推理系統對推理過程可以採用不同的推理策略。常用的有數據驅動(也稱為正向推理)和目標驅動他稱為反向推理)的推理控制策略，綜合兩種推理控制策略的推理策略稱為雙向推理。
一致性維護算法
基於規則的產生式系統是套用較為廣泛的一類專家系統，其知識庫的規則可自由地增加、修改和刪除。然而隨著從領域專家處不斷獲取知識，知識庫越來越大，庫中知識單元之間的相互影響和相互聯繫隨之變得複雜，難以跟蹤和捉摸，這時知識庫的一致性，邏輯錯誤檢查顯得尤為重要。知識庫的一致性檢驗問題己受到十分關注，成對規則比較、關係圖、推理圖vsIl等的套用在一致性檢驗方面均取得了良好效果，但是正如Hnayes一Roth所指出的l叫:基於規則系統所缺少的一個重要方面是一種合適的驗證方法或技術，以測試和檢查規則集的一致性和完整性。Perti網模型能有效地表達系統的靜態和動態行為，為基於規則的系統提供了一個自然有效的分析方法。
在模糊默認推理中，沒有足夠多的信息使推理取得的結論一定正確，因為推理是基於一些簡化的假設成立的前提的，後增加的信息可能會使該系統先前得到的結論不再成立，這種情況稱為非單調推理。此時可以簡單的用新增加的信息筱蓋原來得到的信息，但這樣做使得先前為推理該結論所做出的努力付諸流水，而新信息也並不一定就完全正確。在即N模型中這個問題很好解決，依照新信息有更高的價值、舊信息在某種程度上也成立的觀念，對托肯增量函式進行修改:R(M(p)，o，β)=λ+(1一λ)xM(p)。
其中λ為新信息的置信度，M(p)即表示舊信息的置信度。
這樣得到的就是人們對信念進行修改的歷史的綜合結論，更符合人們認識世界和改造世界的一般過程。
