人工智能原理实验3——产生式推理系统

🧡🧡实验内容🧡🧡

以动物识别系统为例,用选定的编程语言建造规则库和综合数据库,开发能进行正确的正向推理或反向推理的推理机。

正向推理过程

从已知事实出发,通过规则库求得结论,或称数据驱动方式。推理过程是:

1.规则集中的规则前件与事实库中的事实进行匹配,得匹配的规则集合。

2.从匹配规则集合中选择一条规则作为使用规则。

3.执行使用规则的后件,将该使用规则的后件送入事实库中。

4.重复这个过程直至达到目标。
规则集

(1)若某动物有奶,则它是哺乳动物。

(2)若某动物有毛发,则它是哺乳动物。

(3)若某动物有羽毛,则它是鸟。

(4)若某动物会飞且生蛋,则它是鸟。

(5)若某动物是哺乳动物且有爪且有犬齿且目盯前方,则它是食肉动物。

(6)若某动物是哺乳动物且吃肉,则它是食肉动物。

(7)若某动物是哺乳动物且有蹄,则它是有蹄动物。

(8)若某动物是有蹄动物且反刍食物,则它是偶蹄动物。

(9)若某动物是食肉动物且黄褐色且有黑色条纹,则它是老虎。

(10)若某动物是食肉动物且黄褐色且有黑色斑点,则它是金钱豹。

(11)若某动物是有蹄动物且长腿且长脖子且黄褐色且有暗斑点,则它是长颈鹿。

(12)若某动物是有蹄动物且白色且有黑色条纹,则它是斑马。

(13)若某动物是鸟且不会飞且长腿且长脖子且黑白色,则它是驼鸟。

(14)若某动物是鸟且不会飞且会游泳且黑白色,则它是企鹅。

(15)若某动物是鸟且善飞且不怕风浪,则它是海燕。

🧡🧡实现🧡🧡

数据结构

python 复制代码
    def __init__(self):
        self.rule_dict = {} # 规则:key为条件,value为结论
        self.fact_list = [] # 事实
        self.process = "" # 推导过程
        self.conclusion = "" # 结论
        self.data_base = set() # 数据库
  • 规则的存储:用字典存储,规则的条件作为key值,规则的结论作为value值,例如,对于规则"若某动物有奶,则它是哺乳动物"和"若某动物会飞且生蛋,则它是鸟",则它们的存储的字典为:
    {
    ("有奶"):哺乳动物,
    ("会飞","生蛋"):鸟
    }
  • 事实的存储:列表存储,元素为字符串,例如对于事实F1:某动物有毛发、F2:吃肉、F3:黄褐色、F4:有黑色条纹,则存储为
    [ "有毛发","吃肉","黄褐色","黑色条纹"]
  • 推导过程和结论的存储:均用字符串。
  • 数据集的存储:存储推导过程中的已知的条件和已经推导出的结论,用集合存储,防止重复添加。

核心算法

python 复制代码
        self.fact_list = [fact.strip() for fact in fact_content_list] 
        self.data_base = set(self.fact_list)  # 将事实存入数据库
        self.process=""
        flag = False  # 是否能推导成功
        n = 0
        while n < 2:  # 循环两遍
            for premise, conclusion in self.rule_dict.items():
                premise=set(premise) # tuple 转 set
                if premise <= self.data_base:  # 集合运算<=  前提是否都在data_base中
                    if conclusion in self.data_base:
                        continue
                    self.data_base.add(conclusion)
                    self.conclusion = conclusion
                    self.process += "%s -----> %s\n" % (premise, conclusion)
                    flag = True
            n += 1

1.获取用户输入的事实(facts)。

2.将事实存入数据库(data_base)。

3.遍历规则字典(rule_dict),判断每条规则的前提条件是否在数据库中。

4.如果前提条件满足,将规则的结论加入数据库,并记录推导过程。

5.重复步骤3和4,直到没有新的结论被加入数据库(达到一定的循环次数)。
为什么要外套一层循环while?

保证推导的准确性和完整性。

例如,有规则R1、R2、R3如下:

R1:若某动物是哺乳动物且吃肉,则它是食肉动物。

R2:若某动物有毛发,则它是哺乳动物。

R3:若某动物是食肉动物且黄褐色且有黑色条纹,则它是老虎。

有事实如下:

F1:某动物有毛发

F2:吃肉

F3:黄褐色

F4:有黑色条纹

如果只遍历一轮:

对于R1:数据集中现有知识不满足前提条件"哺乳动物"。

对于R2:满足"有毛发"前提条件,将其结论"哺乳动物"加入数据集中

对于R3:数据集中现有知识不满足前提条件"食肉动物"

显然,由于遍历有先后顺序,导致后续的规则可能因为前提条件未满足而无法推导出结论,因此需要多套一层循环,再遍历一轮即可。

结果展示

输入格式说明:

我指定了输入规则的具体格式,以便程序容易识别规则的前提条件和结论。

如下图:=>前面的是条件,且用,分隔开,=>后面的是结论

利用python的tkinter库实现了简单的界面交互,这是初始界面

为方便后续增删改查的操作,这里设置了文本框不能输入的状态,只作为展示框,因此需要通过读入文件的形式展示规则。

在粉色框中,可以实现增删改的操作,例如,添加一条规则:"如果某动物能爬树,且有超高智商,则它是猴子"。同时,添加前会对规则库进行查询,若规则库已有知识,则会提示不能添加。删除同理。如果想进行修改操作,可以进行先删除后添加的操作。


输入事实,点击按钮进行分析

🧡🧡完整代码🧡🧡

需要安装tkinter库 ~

python 复制代码
import re
import tkinter as tk
from tkinter import ttk, filedialog, font
import tkinter.messagebox


class AnimalReasoningSystem:
    def __init__(self):
        self.rule_dict = {} # 规则:key为条件,value为结论
        self.fact_list = [] # 事实
        self.process = "" # 推导过程
        self.conclusion = "" # 结论
        self.data_base = set() # 数据库

        # region =======================渲染======================
        self.root_win = tk.Tk()
        self.root_win.title("动物推理系统")
        self.root_win.geometry("950x600+250+100")
        self.root_win.config(bg="DeepSkyBlue4")
        button_style = {
            'bg': '#666699',
            'fg': '#FFFFCC',
            'activebackground': '#FFF5EE',
            'activeforeground': '#2F4F4F',
            'relief': 'raised',
            'anchor': 'center',
            'font': font.Font(size=12,weight="bold")
        }
        label_font=font.Font(family="黑体", size=15, weight="bold")

        # =========左右布局框==========
        self.left_frame = tk.Frame(self.root_win, width=550, bg="lightblue")
        self.left_frame.pack(side="left", fill="y", pady=20, padx=20, ipady=10, ipadx=10)
        self.right_frame = tk.Frame(self.root_win,
                                    border=2,
                                    bg="#99CCCC")
        self.right_frame.pack(fill="both",
                              pady=20, ipady=30, padx=20, ipadx=30,
                              expand=True)

        # ========左框组件===========
        self.text_label = tk.Label(self.left_frame, text="规则",font=label_font)
        self.text_label.pack(pady=10)
        self.input_button = tk.Button(self.left_frame,
                                      text="读入文件",
                                      command=lambda: self.open_txt_file(),
                                      **button_style)
        self.input_button.pack(pady=5)
        self.input_text_frame = tk.Frame(self.left_frame,bg="lightblue")
        self.input_text_frame.pack()
        self.input_scrollbar = tk.Scrollbar(self.input_text_frame,
                                       orient="vertical",
                                       highlightbackground="blue",)
        self.input_scrollbar.pack(side="right", fill="y")
        self.input_text = tk.Text(self.input_text_frame,
                                  width=60,
                                  height=30,
                                  bg="lightblue",
                                  yscrollcommand=self.input_scrollbar.set)
        self.input_scrollbar.configure(command=self.input_text.yview)
        self.input_text.pack(pady=5)
        self.input_text.config(state="disabled")

        self.func_frame = tk.Frame(self.left_frame, bg="lightblue")
        self.func_frame.pack()

        self.add_btn = tk.Button(self.func_frame, text="添加",
                                 command=lambda: self.add_rule(),
                                 **button_style)
        self.del_btn = tk.Button(self.func_frame, text="删除",
                                 command=lambda: self.del_rule(),
                                 **button_style)
        self.add_btn.grid(row=0, column=0, padx=10)
        self.del_btn.grid(row=0, column=1, padx=10)
        self.func_text=tk.Text(self.left_frame,bg="pink",width=60)
        self.func_text.pack(pady=7)

        # ========右框组件===========
        self.right_top = tk.Frame(self.right_frame, width=400, height=150, bg="#99CCCC")
        self.right_top.pack(padx=10, pady=10)
        self.right_middle = tk.Frame(self.right_frame, width=400, height=300, bg="#99CCCC")
        self.right_middle.pack(padx=10, pady=20)
        self.right_bottom = tk.Frame(self.right_frame, width=400, height=50, bg="#99CCCC")
        self.right_bottom.pack(padx=10, pady=20)

        self.top_label = tk.Label(self.right_top, text="事实",font=label_font)
        self.top_label.pack()
        self.top_text = tk.Text(self.right_top, height=8, width=60,bg="#FFFFCC")
        self.top_text.pack(padx=5)
        self.analyse_button = tk.Button(self.right_top,
                                        text="分析",
                                        command=lambda: self.analyse(),
                                        **button_style)
        self.analyse_button.pack(padx=10)

        self.middle_label = tk.Label(self.right_middle, text="推导过程",font=label_font)
        self.middle_label.pack()
        self.middle_text = tk.Text(self.right_middle, height=16, width=60,bg="#FFFFCC")
        self.middle_text.pack(padx=5)

        self.bottom_label = tk.Label(self.right_bottom, text="结论",font=label_font)
        self.bottom_label.pack()
        self.bottom_text = tk.Text(self.right_bottom, height=5, width=30,bg="#FFFFCC")
        self.bottom_text.pack(padx=5)

        # ==========保持主循环===========
        self.root_win.mainloop()
        # endregion

    def show_rule(self): # 展示规则
        self.input_text.config(state="normal")
        text_content=""
        for premises,conclusion in self.rule_dict.items():
            for idx,p in enumerate(premises):
                text_content+=p
                if idx==len(premises)-1:
                    continue
                text_content+=","
            text_content += "=>"+conclusion+"\n"
        self.input_text.delete(1.0, tk.END)
        self.input_text.insert(tk.END,text_content)
        self.input_text.config(state="disabled") #

    def open_txt_file(self): # 使用文件对话框选择要打开的文件
        filepath = filedialog.askopenfilename(filetypes=[('Text Files', '*.txt')])
        if filepath:
            # 读取文件内容
            with open(filepath, 'r', encoding='utf-8') as file:
                txt_content = file.read()

            # 存入rule_dict中
            txt_content = txt_content.split("\n")
            # print(txt_content)
            for line in txt_content:
                line = line.strip()
                if not line:  # 忽略空行
                    continue
                if "=>" not in line:  # 如果该行不包含"=>"
                    print(f"error: {line}")
                    tkinter.messagebox.showerror("错误", "规则格式错误!")
                    return

                premise, conclusion = line.split("=>")  # 解析条件和结论
                premise = [p.strip() for p in premise.split(",")]  # 将条件用逗号分隔成列表
                conclusion = conclusion.strip()

                self.rule_dict[tuple(premise)] = conclusion
            # print(self.rule_dict)
            self.show_rule()

    def analyse(self): # 根据事实和规则进行推导
        fact_content = self.top_text.get("1.0", tk.END)
        fact_content_list = fact_content.split("\n")
        fact_content_list.pop()  # 去除\n分割出的最后一行空白""
        self.fact_list = [fact.strip() for fact in fact_content_list]  # 去除每行的前后空格
        # print(self.fact_list)

        self.data_base = set(self.fact_list)  # 将事实存入数据库
        self.process=""
        flag = False  # 是否能推导成功
        n = 0
        while n < 2:  # 循环两遍
            for premise, conclusion in self.rule_dict.items():
                premise=set(premise) # tuple 转 set
                if premise <= self.data_base:  # 集合运算<=  前提是否都在data_base中
                    if conclusion in self.data_base:
                        continue
                    self.data_base.add(conclusion)
                    self.conclusion = conclusion
                    self.process += "%s -----> %s\n" % (premise, conclusion)
                    flag = True
            n += 1
        if flag:
            self.middle_text.delete("1.0", tk.END) # 清空
            self.bottom_text.delete("1.0", tk.END)
            self.middle_text.insert(tk.END, self.process) # 添加
            self.bottom_text.insert(tk.END, self.conclusion)
        else:
            tkinter.messagebox.showerror("错误", "推导失败!请再完善规则或检查事实!")

    def find_rule(self, premise_list): # 查找规则
        flag = False
        for premises in self.rule_dict.keys():
            if tuple(premise_list) == premises:
                flag = True
                break
        return flag

    def add_rule(self): # 添加规则
        text_content=self.func_text.get("1.0",tk.END) # str
        text_content.strip()
        print(text_content)
        if "=>" not in text_content:
            return
        premise, conclusion = text_content.split("=>")  # 解析条件和结论
        premise_list = [p.strip() for p in premise.split(",")]  # 将条件用逗号分隔成列表
        if not self.find_rule(premise_list):
            self.rule_dict[tuple(premise_list)]=conclusion
            self.show_rule()
            tk.messagebox.showinfo("提示","添加成功!")
        else:
            tk.messagebox.showerror("错误", "规则已经存在!请勿重复添加!")

    def del_rule(self): # 删除规则
        text_content=self.func_text.get("1.0",tk.END) # str
        text_content.strip()
        if "=>" not in text_content:
            return
        premise, conclusion = text_content.split("=>")  # 解析条件和结论
        premise_list = [p.strip() for p in premise.split(",")]  # 将条件用逗号分隔成列表
        if self.find_rule(premise_list):
            del self.rule_dict[tuple(premise_list)]
            self.show_rule()
            tk.messagebox.showinfo("提示", "删除成功!")
        else:
            tk.messagebox.showerror("错误", "要删除的规则不存在!")

if __name__ == '__main__':
    AnimalReasoningSystem()

🧡🧡总结🧡🧡

心得体会
从知识的理论层面 :这个产生式推导实验主要模拟了正向推理,熟悉和掌握了产生式系统的运行机制,掌握了基于规则推理的基本方法,实现了动物分类系统,更加了解了人工智能领域的知识表示和推理方法。
从实践代码的角度:实验本身的正向推理的实现逻辑并不复杂,但是关键是要选好合适的数据结构,以及合适的语言实现,对于这个实验,python的便捷性就显现出来了,一来python有强大的数据处理能力,如列表、字典、集合等数据结构,以及灵活的迭代器,使得我可以方便的存储和操作大量的规则和事实,并进行高效的规则查询和推理。此外,我再次练习了tkiner GUI库的组件方法,增强了代码的交互性,方便规则的增上改查。

相关推荐
YSGZJJ42 分钟前
股指期货的套保策略如何精准选择和规避风险?
人工智能·区块链
无脑敲代码,bug漫天飞1 小时前
COR 损失函数
人工智能·机器学习
幽兰的天空1 小时前
Python 中的模式匹配:深入了解 match 语句
开发语言·python
HPC_fac130520678162 小时前
以科学计算为切入点:剖析英伟达服务器过热难题
服务器·人工智能·深度学习·机器学习·计算机视觉·数据挖掘·gpu算力
网易独家音乐人Mike Zhou4 小时前
【卡尔曼滤波】数据预测Prediction观测器的理论推导及应用 C语言、Python实现(Kalman Filter)
c语言·python·单片机·物联网·算法·嵌入式·iot
安静读书4 小时前
Python解析视频FPS(帧率)、分辨率信息
python·opencv·音视频
小陈phd4 小时前
OpenCV从入门到精通实战(九)——基于dlib的疲劳监测 ear计算
人工智能·opencv·计算机视觉
Guofu_Liao5 小时前
大语言模型---LoRA简介;LoRA的优势;LoRA训练步骤;总结
人工智能·语言模型·自然语言处理·矩阵·llama
小二·6 小时前
java基础面试题笔记(基础篇)
java·笔记·python
小喵要摸鱼7 小时前
Python 神经网络项目常用语法
python