命題邏輯假說擴充生成算法及其應(yīng)用研究.pdf

1、在人工智能被提出之初，就將實現(xiàn)常識推理作為人工智能研究的一個長期目標。在日常中，常識推理可以幫助在不完全信息的情況下，根據(jù)常識做出合理的假設(shè)來進行有效的推理。目前，信念修正方法作為處理常識推理中非單調(diào)性的問題被廣泛的研究。這種方法通過引入一個修正算子，將信息調(diào)整納入已有知識庫。然而在信念修正的過程中不可避免的出現(xiàn)期望信息的丟失。不同于信念修正的方法，信念非修正的方法在不改變原有知識庫的基礎(chǔ)上，通過限制推理的過程來獲得一致的擴充，實現(xiàn)有效

2、的推理。
　　在命題邏輯下，假說的擴充已經(jīng)被證明具有良好的數(shù)學(xué)性質(zhì)。但是在現(xiàn)有的研究中，對于有限個子句構(gòu)成的假說，其擴充一般會是一個無限的集合。為了將非修正的方法更易于實際應(yīng)用，本文做出如下研究:
　　(1)定義了命題邏輯下假說的擴充。在這種定義下的有限個子句構(gòu)成的假說的擴充仍然為一個有限的子句的集合，并且保持與已有的假說的擴充是邏輯等價的。本文對等價性進行了證明。
　　(2)提出了命題邏輯下假說的擴充的生成算法。在算