人工智能产生式系统的分析(上)

产生式系统是一种问题求解系统,可用于人工智能的各个领域。本文从理论上详细地分析了产生式系统的三个重要组成部分,即一个综合数据库,一组产生式规则和一个控制系统;讨论了属于不同领域若干例题,如华容道游戏、皇后问题、机器人的积木世界、求最短路径问题,以及古老的梵塔问题。文章还附有用LISP语言编写的程序和在Cromemco系统Ⅲ计算机上求出的结果。     

机器人问题求解中的评价函数及矛盾和冗余的消除

本文提出了一种求解复杂的机器人问题的算法,该算法采用子问题求解与分层策略相结合,在动作规划过程中,建立了初始状态下的前指针和目标状态下的后指针,并形成一个决定动作排序优先级的评价函数,按不同的空间和时间段的差异,将全局的动作序列划分为若干子区域。本算法证明只需在子区域范围内消除冗余和矛盾,即可大大地提高系统的效率,在子区域范围内出现矛盾时,用优先级高的动作取代优先级低的动作,变矛盾为冗余,最后保留排在最前面的动作,而删除后面相同的动作,即消除了冗余。     

用PROLOG实现数据库智能检索系统DBINRES

本系统将人工智能技术与数据库技术结合起来,建立逆向演绎的推理机构,实现数据库智能检索。采用“分类树”技术组织数据库;应用最小平方估计法建立有效的启发式评价函数,在此基础上变传统的深度优先搜索为启发式图搜索,从而有效地提高了系统的效率。由于采用MICRO-PROLOG语言编制,本系统具有较强的逻辑推理与检索能力。     

基于归结反演和中间—结局分析的机器人问题求解系统(RPRAMS)

RPRAMS系统是一个有效的机器人规划生成系统,该系统集问题求解的三大技术于一体,建立了搜索、演绎、归约相结合的有效机制;采用排序技术和回归原理解决目标相互影响问题;系统具有灵活的人机接口和机器人世界的动态显示,采用Common Lisp语言编写,可适用于仓库机器人工作环境。同时,本文对AI的基本算法——中间结局分析法作了较深入的探讨,证明了用归结反演树产生差别的有效性。     

三维物体平稳堆放概念的学习

提出在机器人动作规划控制系统中，增加学习模块，通过分析各种三维物体堆放的不稳定因素，从和平稳的正面例和堆放倒塌的反面例中，学习平稳堆放Ｓｔａｂｌｅ－Ｓｔａｃｋ概念。利用抽象的Ｓｔａｂｌｅ－Ｓｔａｃｋ概念，修正和改进机器人动作规划的制定以提高机器人自动化水平。