JPH0423130A - エキスパートシステムの推論方法 - Google Patents
エキスパートシステムの推論方法Info
- Publication number
- JPH0423130A JPH0423130A JP2126753A JP12675390A JPH0423130A JP H0423130 A JPH0423130 A JP H0423130A JP 2126753 A JP2126753 A JP 2126753A JP 12675390 A JP12675390 A JP 12675390A JP H0423130 A JPH0423130 A JP H0423130A
- Authority
- JP
- Japan
- Prior art keywords
- conclusion
- premise
- inference
- rule
- predicate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 17
- 238000010438 heat treatment Methods 0.000 description 18
- 238000004378 air conditioning Methods 0.000 description 12
- 238000001816 cooling Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明はエキスパートシステムの推論方法に関し、特に
推論を高速化する方法に関する。
推論を高速化する方法に関する。
エキスパートシステムの推論機構は ｉｆ〜ｔｈｅｎ〜
形式の複数の推論規則（以下、規則と記す）によって構
成されている。この規則の中から、その前提部（ｉｆ部
）の述語のすべてが成立し、かつ、解決しようとする問
題に関する命題を結論部（ｔｈｅｎ部）とする規則を探
索し、その結論部の述語論理（以下、述語と記す）をエ
キスパートシステムの推論結果とする。次に挙げる規則
は、気温に対して空調をどうするかという問題を解決す
るための規則の一例である。
形式の複数の推論規則（以下、規則と記す）によって構
成されている。この規則の中から、その前提部（ｉｆ部
）の述語のすべてが成立し、かつ、解決しようとする問
題に関する命題を結論部（ｔｈｅｎ部）とする規則を探
索し、その結論部の述語論理（以下、述語と記す）をエ
キスパートシステムの推論結果とする。次に挙げる規則
は、気温に対して空調をどうするかという問題を解決す
るための規則の一例である。
規則１：ｉｆ気温＝＋５℃以下、 ｔｈｅｎ体感＝寒い
、規則２：ｉｆ気温＝１５℃〜２０℃、 ｔｈｅｎ体感
＝少し寒い、 規則３：ｉｆ気温＝２０℃〜２５℃、ｔｈｅｎ体感快適
、 規則４：ｉｆ気温＝２５℃〜２８℃、ｔｈｅｎ体感＝暖
い、 規則５：ｉｆ気温＝２８℃以上、ｔｈｅｎ体感＝暑い、
規則６：ｉｆ体感＝寒い、ｔｈｅｎ暖房＝運転、規則７
：ｉｆ体感＝少し寒い、ｔｈｅｎ暖房＝運転、規則８：
ｉｆ体感＝快適、 ｔｈｅｎ暖房＝停止、規則９：ｉｆ
体感＝快適、ｔｈｅｎ冷房＝停止、規則１０： ｉｆ
体感＝暖い、ｔｈｅｎ冷房＝運転、規則１１： ｉｆ
体感＝暑い、ｔｈｅｎ冷房＝運転、規則１２： ｉｆ
暖房＝運転、 ｔｈｅｎ冷房＝停止、規則＋３： ｉ
ｆ冷房＝運転、 ｔｈｅｎ暖房＝停止、規則１４：
ｉｆ空調＝暖房、ｔｈｅｎ仕事＝仕事全暖房る、 規則１５： ｉｆ空調＝冷房、 ｔｈｅｎ仕事＝仕事
全冷房る、 規則１６： ｉｆ空調＝なし、ｔｈｅｎ仕事＝仕事開
窓る、 規則１７： ｉｆ暖房＝運転、ｔｈｅｎ空調＝暖房、
規則＋８： ｉｆ冷房＝運転、ｔｈｅｎ空調＝冷房、
規則１９： ｉｆ暖房＝停止、 ｔｈｅｎ空調＝なし
、規則２０： ｉｆ冷房＝停止、ｔｈｅｎ空調＝なし
。
、規則２：ｉｆ気温＝１５℃〜２０℃、 ｔｈｅｎ体感
＝少し寒い、 規則３：ｉｆ気温＝２０℃〜２５℃、ｔｈｅｎ体感快適
、 規則４：ｉｆ気温＝２５℃〜２８℃、ｔｈｅｎ体感＝暖
い、 規則５：ｉｆ気温＝２８℃以上、ｔｈｅｎ体感＝暑い、
規則６：ｉｆ体感＝寒い、ｔｈｅｎ暖房＝運転、規則７
：ｉｆ体感＝少し寒い、ｔｈｅｎ暖房＝運転、規則８：
ｉｆ体感＝快適、 ｔｈｅｎ暖房＝停止、規則９：ｉｆ
体感＝快適、ｔｈｅｎ冷房＝停止、規則１０： ｉｆ
体感＝暖い、ｔｈｅｎ冷房＝運転、規則１１： ｉｆ
体感＝暑い、ｔｈｅｎ冷房＝運転、規則１２： ｉｆ
暖房＝運転、 ｔｈｅｎ冷房＝停止、規則＋３： ｉ
ｆ冷房＝運転、 ｔｈｅｎ暖房＝停止、規則１４：
ｉｆ空調＝暖房、ｔｈｅｎ仕事＝仕事全暖房る、 規則１５： ｉｆ空調＝冷房、 ｔｈｅｎ仕事＝仕事
全冷房る、 規則１６： ｉｆ空調＝なし、ｔｈｅｎ仕事＝仕事開
窓る、 規則１７： ｉｆ暖房＝運転、ｔｈｅｎ空調＝暖房、
規則＋８： ｉｆ冷房＝運転、ｔｈｅｎ空調＝冷房、
規則１９： ｉｆ暖房＝停止、 ｔｈｅｎ空調＝なし
、規則２０： ｉｆ冷房＝停止、ｔｈｅｎ空調＝なし
。
第２図はこれらの規則の集合を木構造で表現した規則の
木である。
木である。
これらの規則をエキスパートシステムに与えると、エキ
スパートシステムは空調について答えることができる。
スパートシステムは空調について答えることができる。
例えば、「仕事」についてエキスパートシステムに質問
すると、エキスパートシステムは結論部を記述する変数
（結論部変数）が「仕事」である、規則１４、規則１５
、規則１６について前提部が真か偽かを調べるために推
論エンジンを働かせる。この時、気温が１０℃であった
とすると、推論エンジンは第２図の規則の木に従って、
気温ｌＯ℃の事実データを各規則の前提部に照合し、規
則１が真であると判断する。次に規則１の結論部を各規
則の前提部に照合し、規則６が真であると判断する。こ
のようにして推論の結果、エキスパートシステムは規則
１、規則６、規則１２、規則１７、規則１４の５つが順
次成立したと判断し、規則１４の結論部の命題「仕事は
暖房を入れる」を答えとして返す。もし、前提部がさら
に他の規則の結論部で決められているならば、その規則
の真偽を確認するために推論エンジンが働き、推論エン
ジンは規則の木の、当該結論部に該当する節点を探索し
て推論を進める。このように従来のエキスパートシステ
ムの推論方法は推論のたびに、規則の結論部の全件検査
を必要とし、いわゆる組合せの爆発的増大現象のために
、長い推論時間が必要であった。
すると、エキスパートシステムは結論部を記述する変数
（結論部変数）が「仕事」である、規則１４、規則１５
、規則１６について前提部が真か偽かを調べるために推
論エンジンを働かせる。この時、気温が１０℃であった
とすると、推論エンジンは第２図の規則の木に従って、
気温ｌＯ℃の事実データを各規則の前提部に照合し、規
則１が真であると判断する。次に規則１の結論部を各規
則の前提部に照合し、規則６が真であると判断する。こ
のようにして推論の結果、エキスパートシステムは規則
１、規則６、規則１２、規則１７、規則１４の５つが順
次成立したと判断し、規則１４の結論部の命題「仕事は
暖房を入れる」を答えとして返す。もし、前提部がさら
に他の規則の結論部で決められているならば、その規則
の真偽を確認するために推論エンジンが働き、推論エン
ジンは規則の木の、当該結論部に該当する節点を探索し
て推論を進める。このように従来のエキスパートシステ
ムの推論方法は推論のたびに、規則の結論部の全件検査
を必要とし、いわゆる組合せの爆発的増大現象のために
、長い推論時間が必要であった。
この問題を解決するための、高速推論システムが特開昭
６０−１３４３４９号公報（以下、公報記載の推論シス
テムと記す）に記載されている。このシステムは、弁別
ネット部を備え、現況知識すなわち作業用記［ＷＭの内
容がどの規則のどの条件と一致するかを弁別する。そし
て現況知識のパターンと同一形式の（パターンマツチし
た）前提部をもつ規則の結論部が新たな現況知識として
弁別ネット部に人力される。この弁別を繰り返して目標
とする結論に到達する。
６０−１３４３４９号公報（以下、公報記載の推論シス
テムと記す）に記載されている。このシステムは、弁別
ネット部を備え、現況知識すなわち作業用記［ＷＭの内
容がどの規則のどの条件と一致するかを弁別する。そし
て現況知識のパターンと同一形式の（パターンマツチし
た）前提部をもつ規則の結論部が新たな現況知識として
弁別ネット部に人力される。この弁別を繰り返して目標
とする結論に到達する。
このように、現況知識とパターンマツチした前提部をも
つ規則が一義的に定められるので、従来の推論方法のよ
うに、推論毎に複数の規則と現況知識との一致性を全件
検査する必要がなくなり、高速の推論を行うことができ
る。
つ規則が一義的に定められるので、従来の推論方法のよ
うに、推論毎に複数の規則と現況知識との一致性を全件
検査する必要がなくなり、高速の推論を行うことができ
る。
前記の、公報記載の推論システムにおいては、現況知識
のパターンと同一形式の前提部をもつ規則が弁別ネット
部によって一義的に決定されるので、各規則の前提部を
構成する条件のうち、共通の条件が多い場合には推論が
高速化される。しかし、各規則の前提部に共通の条件の
数が少い場合には、弁別ネット部の多進判断水の枝が多
くなって、前提部が現況知識とパターンマツチする規則
を弁別するためには長い時間が必要になる。その結果、
推論速度が従来の推論方法と大差がなくなるばかりでな
く、複雑なプログラムのために規則の変更を容易に行う
ことができないという問題点がある。
のパターンと同一形式の前提部をもつ規則が弁別ネット
部によって一義的に決定されるので、各規則の前提部を
構成する条件のうち、共通の条件が多い場合には推論が
高速化される。しかし、各規則の前提部に共通の条件の
数が少い場合には、弁別ネット部の多進判断水の枝が多
くなって、前提部が現況知識とパターンマツチする規則
を弁別するためには長い時間が必要になる。その結果、
推論速度が従来の推論方法と大差がなくなるばかりでな
く、複雑なプログラムのために規則の変更を容易に行う
ことができないという問題点がある。
本発明の目的は、推論速度が速く、かつ、規則の変更が
容易な、エキスパートシステムの推論方法を提供するこ
とにある。
容易な、エキスパートシステムの推論方法を提供するこ
とにある。
（課題を解決するための手段）
公報記載の推論方法が前記の問題点をもつのは、次の理
由による。
由による。
この推論方法においては推論を高速化するために、現況
知識とパターンマツチする規則そのものを弁別している
。言い換えれば、規則を下位概念で弁別している。した
がって、弁別処理は、現況知識のパターンが規則の前提
部と完全に一致したことが確認される迄実行されなけれ
ばならず、しかも、その処理は、推論毎に行われなけれ
ばならない。このことのために、プログラムは太きくな
り、かつ、複雑になって、規則の変更に伴うプログラム
の変更が困難になる。また、共通な条件が少い場合には
、推論時間が長くなる。
知識とパターンマツチする規則そのものを弁別している
。言い換えれば、規則を下位概念で弁別している。した
がって、弁別処理は、現況知識のパターンが規則の前提
部と完全に一致したことが確認される迄実行されなけれ
ばならず、しかも、その処理は、推論毎に行われなけれ
ばならない。このことのために、プログラムは太きくな
り、かつ、複雑になって、規則の変更に伴うプログラム
の変更が困難になる。また、共通な条件が少い場合には
、推論時間が長くなる。
本発明のエキスパートシステムの推論方法は、前提部と
結論部が含意で結合された形式の複数の推論規則の集合
中から、適用可能な推論規則を選び出し、該推論規則の
結論部を構成する述語を問題解決の結論とするエキスパ
ートシステムの推論方法であって、 前向き推論の場合には、 前提部変数または前提部変数の組を前提部項と定義し、
前提部項の集合を木構造で表現して、これを前提部項の
木と定義し、 同一の前提部項をもつ推論規則を要素とするリストを構
成し、該リストを当該前提部項に従属するリストと定義
し、 推論時には、 前記前提部項の木を探索して、推論対象の事実データを
記述する述語論理の変数または変数の組と一致する前提
部項を探し出し、これを初期前提部類と定義し、 初期萌提部類に従属するリストを探索して前提部の述語
が事実データの述語と適合する推論規則を見つけ出し、 以後の推論は、直前の、リストの探索で見つけ出された
推論規則の結論部変数または結論部変数の組と前稈部類
の木とを照合して当該結論部変数または結論部変数の組
と一致する前提部項を見つけ出す前提部項の木探索と、
前提部項の木探索によって見つけ出された前提部項に従
属するリストを探索して、前記直前のリストの探索で見
つけ出された推論規則の結論部述語と適合する前提部述
語をもつ推論規則を見つけ出すリスト探索とを経返して
行い、 リスト探索で見つけ出された推論規則の結論部変数また
は結論部変数の組が、解決すべき問題に関する変数また
は変数の組と一致するときには、当該結論部の述語を問
題解決の結論とし、後向き推論の場合には、 結論部変数または結論部変数の組を結論部項と定義し、
結論部項の集合を木構造で表現して、こわを結論部項の
木と定義し、 同一の結論部項をもつ推論規則を要素とするリストを構
成し、該リストを当該結論部項に従属するリストと定義
し、 推論時には、 前記結論部項の木を探索して、仮定された結論を記述す
る変数または変数の組と一致する結論部項を見つけ出し
てこれを仮定結論部項と定義し、仮定結論部項に従属す
るリストを探索して結論部の述語が、前記仮定された結
論を記述する述語に適合する推論規則を見つけ出し、 以後の推論は、直前の、リストの探索で見つけ出された
推論規則の前提部変数または前提部変数の組と結論部項
の木とを照合して当該結論部変数または前提部変数の組
と一致する結論部項を見つけ出す結論部項の木探索と、
結論部項の木探索によって見つけ出された結論部項に従
属するリストを探索して、前記直前のリストの探索で見
つけ出された推論規則の荷提部述語に適合するＭ論部述
話をもつ推論規則を見つけ出すリスト探索とを繰返して
行い、 リストＪ２索で見つけ出された推論規則の前提部の述語
が、推論対象の事実データの述語に適合する場合には、
前記仮定された結論を問題解決の結論とし、適合しない
場合には、他の結論を仮定し、問題解決の結論を得るま
で前記の結論部項の本探索とリスト探索とを繰返久す。
結論部が含意で結合された形式の複数の推論規則の集合
中から、適用可能な推論規則を選び出し、該推論規則の
結論部を構成する述語を問題解決の結論とするエキスパ
ートシステムの推論方法であって、 前向き推論の場合には、 前提部変数または前提部変数の組を前提部項と定義し、
前提部項の集合を木構造で表現して、これを前提部項の
木と定義し、 同一の前提部項をもつ推論規則を要素とするリストを構
成し、該リストを当該前提部項に従属するリストと定義
し、 推論時には、 前記前提部項の木を探索して、推論対象の事実データを
記述する述語論理の変数または変数の組と一致する前提
部項を探し出し、これを初期前提部類と定義し、 初期萌提部類に従属するリストを探索して前提部の述語
が事実データの述語と適合する推論規則を見つけ出し、 以後の推論は、直前の、リストの探索で見つけ出された
推論規則の結論部変数または結論部変数の組と前稈部類
の木とを照合して当該結論部変数または結論部変数の組
と一致する前提部項を見つけ出す前提部項の木探索と、
前提部項の木探索によって見つけ出された前提部項に従
属するリストを探索して、前記直前のリストの探索で見
つけ出された推論規則の結論部述語と適合する前提部述
語をもつ推論規則を見つけ出すリスト探索とを経返して
行い、 リスト探索で見つけ出された推論規則の結論部変数また
は結論部変数の組が、解決すべき問題に関する変数また
は変数の組と一致するときには、当該結論部の述語を問
題解決の結論とし、後向き推論の場合には、 結論部変数または結論部変数の組を結論部項と定義し、
結論部項の集合を木構造で表現して、こわを結論部項の
木と定義し、 同一の結論部項をもつ推論規則を要素とするリストを構
成し、該リストを当該結論部項に従属するリストと定義
し、 推論時には、 前記結論部項の木を探索して、仮定された結論を記述す
る変数または変数の組と一致する結論部項を見つけ出し
てこれを仮定結論部項と定義し、仮定結論部項に従属す
るリストを探索して結論部の述語が、前記仮定された結
論を記述する述語に適合する推論規則を見つけ出し、 以後の推論は、直前の、リストの探索で見つけ出された
推論規則の前提部変数または前提部変数の組と結論部項
の木とを照合して当該結論部変数または前提部変数の組
と一致する結論部項を見つけ出す結論部項の木探索と、
結論部項の木探索によって見つけ出された結論部項に従
属するリストを探索して、前記直前のリストの探索で見
つけ出された推論規則の荷提部述語に適合するＭ論部述
話をもつ推論規則を見つけ出すリスト探索とを繰返して
行い、 リストＪ２索で見つけ出された推論規則の前提部の述語
が、推論対象の事実データの述語に適合する場合には、
前記仮定された結論を問題解決の結論とし、適合しない
場合には、他の結論を仮定し、問題解決の結論を得るま
で前記の結論部項の本探索とリスト探索とを繰返久す。
このように、同一の前提部変数または同一の結論部変数
をもつ推論規則の集合を、それぞれ前提部項、結論部項
（以下、項と総称する）で包括し、状態空間を、項と各
項に従属するリストとの階層構造に構築する。
をもつ推論規則の集合を、それぞれ前提部項、結論部項
（以下、項と総称する）で包括し、状態空間を、項と各
項に従属するリストとの階層構造に構築する。
推論は、先ず、上位概念である項を探索し、次に、探索
された項に従属するリストを探索する。
された項に従属するリストを探索する。
したがって、規則を全件検査することなく、目標とする
規則を探索することができる。
規則を探索することができる。
次に、本発明の実施例について図面を参照して説明する
。
。
第１図は本発明の前提部項の木の一実施例を示す図であ
る。
る。
本実施例のエキスパートシステムの規則は、〔従来の技
術〕に記載された規則１〜２０である。
術〕に記載された規則１〜２０である。
推論対象の事実データは「気温＝１０℃」である。
また、解決すべき問題は暖房を入れるか、冷房を入れる
か、窓を開けるかの「仕事Ｊの判断である。
か、窓を開けるかの「仕事Ｊの判断である。
始めに前向き推論の場合を記す。前提部項およびそれぞ
れの前提部項に従属するリストは次のようになる。
れの前提部項に従属するリストは次のようになる。
項１＝気温：（１２３４５）
項２＝体感：（６７８９１０１１）
項３＝暖房： （１２１７１９）
類４＝冷房： （＋３ １８ ２０）
項５＝空調： （＋４ １５ １６）
項１−．５は項空間を構成し、その構造は第１図に示さ
れる前提部項の木で表現される。
れる前提部項の木で表現される。
前向き推論は次のように実行される。
先ず、事実データの述語論理の変数は気温である。気温
と前提部項の木を照合し、初期前提部項として項１を見
つけ出す。次に項１に従属するリスト（１２３４５）の
うち、「２１０℃」が成立する前提部をもつ規則を見つ
け出し規則１を得る。次に規則１の結論部変数「体感」
と前提部項の木とを照合（木探索）し、項２を見つけ出
す。さらに、項２に従属するリスト（６７８９１０１１
＞を探索して、直前のリスト探索によって得られた規則
１の結論部述語（＝寒い）を前提部述語とする規則６を
見つけ出す。次に木探索によって規則６の結論部変数（
暖房）に適合する項３を見つけ出し、項３に従属するリ
スト（＋２ １７ １９）をリスト探索して規則６の結
論部述語（＝運転）と同じ前提部述語をもつ規則１２゜
１７を見つけ出す。このように複数の規則が探索された
場合には優先度をつけて競合を解消する。本実施例では
規則１７を優先する。したがって、次の木探索では項５
が見つけ出され、リスト探索によって規則１４が見つけ
出される。規則１４の結論部変数は「仕事」であり、一
方、解決すべき問題も「仕事」に関する。したがって、
規則１４の結論部述語「暖房を入れる」が問題解決の結
論である。
と前提部項の木を照合し、初期前提部項として項１を見
つけ出す。次に項１に従属するリスト（１２３４５）の
うち、「２１０℃」が成立する前提部をもつ規則を見つ
け出し規則１を得る。次に規則１の結論部変数「体感」
と前提部項の木とを照合（木探索）し、項２を見つけ出
す。さらに、項２に従属するリスト（６７８９１０１１
＞を探索して、直前のリスト探索によって得られた規則
１の結論部述語（＝寒い）を前提部述語とする規則６を
見つけ出す。次に木探索によって規則６の結論部変数（
暖房）に適合する項３を見つけ出し、項３に従属するリ
スト（＋２ １７ １９）をリスト探索して規則６の結
論部述語（＝運転）と同じ前提部述語をもつ規則１２゜
１７を見つけ出す。このように複数の規則が探索された
場合には優先度をつけて競合を解消する。本実施例では
規則１７を優先する。したがって、次の木探索では項５
が見つけ出され、リスト探索によって規則１４が見つけ
出される。規則１４の結論部変数は「仕事」であり、一
方、解決すべき問題も「仕事」に関する。したがって、
規則１４の結論部述語「暖房を入れる」が問題解決の結
論である。
次に後向き推論の場合を記す。
結論部項およびそれぞれの結論部項に従属するリストは
次のようになる。
次のようになる。
項１一体感：（１２３４５）
項２＝暖房：（６７８１３）
項３−冷房： （９１０１１１２）
項４＝仕事： （＋４ １５ １６）
類５＝空調： （１７１８１９２０）
先ず、仕事は暖房を入れることであると仮定する。仕事
と結論部項の木（図示せず）とを照合し項４を見つけ出
す。次に項４に従属するリストの推論規則のうち、結論
部の述語が「暖房を入れる」である規則１４を見つけ出
す。次に規則１４の前提部変数（＝空調）と結論部項の
木とを照合して項５を見つけ出す。さらに、項５に従属
するリストを探索して結論部述語が「＝暖房」である規
則１７を見つけ出す。以下、同様に結論部項の木探索に
よって、直前のリスト探索によって得られた規則の前提
部変数に適合する結論部項を探索し、次に、直前の木探
索によって見つけ出された結論部項に従属するリストを
リスト探索して、前記直前のリスト探索によって得られ
た規則の前提部述語を結論部述語とする規則を見つけ出
し、順次に、規則６．規則ｌを見つけ出す。規則１の前
提部は、事実データに適合する。したがって、規則１４
の結論部を問題解決の結論とする。
と結論部項の木（図示せず）とを照合し項４を見つけ出
す。次に項４に従属するリストの推論規則のうち、結論
部の述語が「暖房を入れる」である規則１４を見つけ出
す。次に規則１４の前提部変数（＝空調）と結論部項の
木とを照合して項５を見つけ出す。さらに、項５に従属
するリストを探索して結論部述語が「＝暖房」である規
則１７を見つけ出す。以下、同様に結論部項の木探索に
よって、直前のリスト探索によって得られた規則の前提
部変数に適合する結論部項を探索し、次に、直前の木探
索によって見つけ出された結論部項に従属するリストを
リスト探索して、前記直前のリスト探索によって得られ
た規則の前提部述語を結論部述語とする規則を見つけ出
し、順次に、規則６．規則ｌを見つけ出す。規則１の前
提部は、事実データに適合する。したがって、規則１４
の結論部を問題解決の結論とする。
もし、規則１の前提部が事実データに適合しなかフた場
合には、他の仮定から出発して事実データに適合する前
提部をもつ規則を見つけ出すまで、同様の推論を緑り返
す。
合には、他の仮定から出発して事実データに適合する前
提部をもつ規則を見つけ出すまで、同様の推論を緑り返
す。
以上の実施例は、前提部変数、結論部変数が１個の場合
であるが、前提部変数、結論部変数が複数の場合には、
複数の変数の組で項を定義する。
であるが、前提部変数、結論部変数が複数の場合には、
複数の変数の組で項を定義する。
以上説明したように本発明は、前提部項または結論部項
の木探索と、探索された前提部項または結論部項に従属
するリストのリスト探索とを交互に行うことにより、簡
単なプログラムで高速の推論を行うことができ、かつ、
推論規則の変更に伴ってプログラムを容易に変更するこ
とができる、エキスパートシステムの推論方法を提供す
ることができる効果がある。
の木探索と、探索された前提部項または結論部項に従属
するリストのリスト探索とを交互に行うことにより、簡
単なプログラムで高速の推論を行うことができ、かつ、
推論規則の変更に伴ってプログラムを容易に変更するこ
とができる、エキスパートシステムの推論方法を提供す
ることができる効果がある。
第１図は本発明のエキスパートシステムの推論方法の前
提部項の木を示す図、第２図は従来のエキスパートシス
テムの推論方法の規則の木を示す図である。
提部項の木を示す図、第２図は従来のエキスパートシス
テムの推論方法の規則の木を示す図である。
Claims (1)
- （１）前提部と結論部が含意で結合された形式の複数の
推論規則の集合中から、適用可能な推論規則を選び出し
、該推論規則の結論部を構成する述語を問題解決の結論
とするエキスパートシステムの推論方法において、 前向き推論の場合には、 前提部変数または前提部変数の組を前提部項と定義し、
前提部項の集合を木構造で表現して、これを前提部項の
木と定義し、 同一の前提部項をもつ推論規則を要素とするリストを構
成し、該リストを当該前提部項に従属するリストと定義
し、 推論時には、 前記前提部項の木を探索して、推論対象の事実データを
記述する述語論理の変数または変数の組と一致する前提
部項を探し出し、これを初期前提部項と定義し、 初期前提部項に従属するリストを探索して前提部の述語
が事実データの述語と適合する推論規則を見つけ出し、 以後の推論は、直前の、リストの探索で見つけ出された
推論規則の結論部変数または結論部変数の組と前提部項
の木とを照合して当該結論部変数または結論部変数の組
と一致する前提部項を見つけ出す前提部項の木探索と、
前提部項の木探索によって見つけ出された前提部項に従
属するリストを探索して、前記直前のリストの探索で見
つけ出された推論規則の結論部述語と適合する前提部述
語をもつ推論規則を見つけ出すリスト探索とを繰返して
行い、 リスト探索で見つけ出された推論規則の結論部変数また
は結論部変数の組が、解決すべき問題に関する変数また
は変数の組と一致するときには、当該結論部の述語を問
題解決の結論とし、 後向き推論の場合には、 結論部変数または結論部変数の組を結論部項と定義し、
結論部項の集合を木構造で表現して、これを結論部項の
木と定義し、 同一の結論部項をもつ推論規則を要素とするリストを構
成し、該リストを当該結論部項に従属するリストと定義
し、 推論時には、 前記結論部項の木を探索して、仮定された結論を記述す
る変数または変数の組と一致する結論部項を見つけ出し
てこれを仮定結論部項と定義し、仮定結論部項に従属す
るリストを探索して結論部の述語が、前記仮定された結
論を記述する述語に適合する推論規則を見つけ出し、 以後の推論は、直前の、リストの探索で見つけ出された
推論規則の前提部変数または前提部変数の組と結論部項
の木とを照合して当該前提部変数または前提部変数の組
と一致する結論部項を見つけ出す結論部項の木探索と、
結論部項の木探索によって見つけ出された結論部項に従
属するリストを探索して、前記直前のリストの探索で見
つけ出された推論規則の前提部述語に適合する結論部述
語をもつ推論規則を見つけ出すリスト探索とを繰返して
行い、 リスト探索で見つけ出された推論規則の前提部の述語が
、推論対象の事実データの述語に適合する場合には、前
記仮定された結論を問題解決の結論とし、適合しない場
合には、他の結論を仮定し、問題解決の結論を得るまで
前記の結論部項の木探索とリスト探索とを繰返えすこと
を特徴とするエキスパートシステムの推論方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2126753A JPH0423130A (ja) | 1990-05-18 | 1990-05-18 | エキスパートシステムの推論方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2126753A JPH0423130A (ja) | 1990-05-18 | 1990-05-18 | エキスパートシステムの推論方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0423130A true JPH0423130A (ja) | 1992-01-27 |
Family
ID=14943067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2126753A Pending JPH0423130A (ja) | 1990-05-18 | 1990-05-18 | エキスパートシステムの推論方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0423130A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995003572A1 (en) * | 1993-07-23 | 1995-02-02 | Apple Computer, Inc. | Method and apparatus for fuzzy logic rule execution |
-
1990
- 1990-05-18 JP JP2126753A patent/JPH0423130A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995003572A1 (en) * | 1993-07-23 | 1995-02-02 | Apple Computer, Inc. | Method and apparatus for fuzzy logic rule execution |
| US5485550A (en) * | 1993-07-23 | 1996-01-16 | Apple Computer, Inc. | Method and apparatus for fuzzy logic rule execution |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhan et al. | Covering based multigranulation (I, T)-fuzzy rough set models and applications in multi-attribute group decision-making | |
| US5485550A (en) | Method and apparatus for fuzzy logic rule execution | |
| US5471677A (en) | Data retrieval using user evaluation of data presented to construct interference rules and calculate range of inputs needed for desired output and to formulate retrieval queries | |
| Narasimhan | Goal programming in a fuzzy environment | |
| Yen | Fuzzy logic-a modern perspective | |
| Marín-Blázquez et al. | From approximative to descriptive fuzzy classifiers | |
| JP2741715B2 (ja) | Ｒｅｔｅネットワーク組織化方法 | |
| US5720009A (en) | Method of rule execution in an expert system using equivalence classes to group database objects | |
| Whalen et al. | Issues in fuzzy production systems | |
| Pan et al. | FuzzyShell: a large-scale expert system shell using fuzzy logic for uncertainty reasoning | |
| Soldano et al. | Hub-authority cores and attributed directed network mining | |
| US5263127A (en) | Method for fast rule execution of expert systems | |
| Kellogg et al. | Deductive planning and pathfinding for relational data bases | |
| Mahmoudinazlou et al. | An improved hybrid ICA-SA metaheuristic for order acceptance and scheduling with time windows and sequence-dependent setup times | |
| JPH0423130A (ja) | エキスパートシステムの推論方法 | |
| Casillas et al. | Improving the Wang and Mendel’s fuzzy rule learning method by inducing cooperation among rules | |
| JPH07319704A (ja) | 多数のファジイ論理推論規則の並列処理法及びその回路構成 | |
| Polat et al. | A method for decision making problems by using graph representation of soft set relations | |
| Coppin et al. | Human-centered processes: Individual and distributed decision support | |
| JPH05341999A (ja) | 実時間で状態を表わす網状判断回路網 | |
| Rosyida et al. | On construction of fuzzy chromatic number of cartesian product of path and other fuzzy graphs | |
| Wu et al. | Dependency analysis for knowledge validation in rule-based expert systems | |
| Knobloch et al. | PROBABILISTIC ANALYSIS OF THE CONVERGENCE OF THE DIFFERENTIAL EVOLUTION ALGORITHM. | |
| SCARPELLI et al. | High level fuzzy Petri nets and backward reasoning | |
| Zhang et al. | A general class of combinatorial filters that can be minimized efficiently |