基于行动逻辑的智能主体行为表征研究

在人工智能领域,行为是指智能主体通过感知信息控制执行过程的算法。智能主体典型的行为模型就是BDI(信念、愿望和意图)逻辑框架。BDI主体结构在一些最为重要的多主体系统中得到了广泛应用。动态认知行动逻辑也可以对智能主体的行为进行表征。将BDI逻辑与动态认知行动逻辑融合起来,发展出能够更为有效地对主体不确定性行为进行表示和推理的逻辑是完全可能的。这些研究有助于智能主体不确定性行为的表示和推理,并为分布式人工智能提供形式支持。     

模糊描述逻辑f-DLR-Lite∩的合取查询回答

分析了描述逻辑合取查询回答的研究现状及存在的不足,在描述逻辑DL-Lite和模糊集理论的基础上,提出了一种可表示和处理n元关系,并允许在包含公理左侧出现概念合取的新的模糊描述逻辑f-DLR-Lite∩,并给出其语法和语义及知识库的形式.提出了一种兼容查询阈值和用户指定权重的模糊查询语言,给出了利用这种语言在f-DLR-Lite∩知识库上进行合取查询的具体步骤和算法,并进行了算法时间复杂度分析,讨论了该合取查询过程的一阶逻辑可归约性.f-DLR-Lite∩弥补了经典描述逻辑在知识表示和推理上的不足,扩展后的查询语言对用户查询意图的表达更加精确合理.     

模糊描述逻辑的统计缺省扩展

该文对模糊描述逻辑进行统计缺省扩展,它以模糊描述逻辑为主要框架,将模糊或不精确知识的表示与推理有机地整合在一起,通过在模糊描述逻辑中引入统计缺省推理,构建了一种同时具有TBox,ABox和统计缺省规则的知识库系统.     

一种不一致本体的可废止推理系统

利用可废止逻辑的非单调知识表示和推理能力、线性的计算复杂性和易于实现等优点,整合描述逻辑和可废止逻辑,提出了一种不一致本体的可废止推理系统（简称为DeRS）.DeRS使用描述逻辑定义的本体和可废止理论对领域问题进行混合建模,将TBox划分为最大的一致公理集和最小的不一致公理集,并进行初始化;然后利用转换算法,将一致公理集的公理和不一致公理集的公理分别映射为硬性规则和可废止规则,并添加到可废止理论中;最后利用新定义的可废止推理规则进行非单调可废止推理,由此解决了不一致本体的推理问题,弥补了描述逻辑在非单调性方面的不足.结果表明DeRS具有协调性、易处理性、可判定性、可靠性等基本性质.     

基于multi-agent的分布式专家系统原理及应用

基于Intemet/Intranet松耦合环境设计分布式选矿专家系统,采用面向agent(智能体)的系统开发方法和multi-agent分布协作求解模式,采用异构异质agent,即agent可建构于广域网、局域网和单处理器紧耦合模式,且求解agent可以是基于符号系统、神经网络、遗传算法等agent的协作.此外,建立了统一的知识库标准,基于关系数据模式表征了传统的规则、框架、语义网络及谓词逻辑等知识表示方法.其中,基于数据库引导及搜索技术实现了正向推理机制及反向推理机制,易于agent之间知识的传输,大大提高了通信效率;基于DCOM技术,以C++构建框架类加速了agent的实现.以矿石可选性预测求解为例,实现了多agent协作求解的仿真系统,较好地验证了所提出的理论模型及框架.     

动态认知逻辑的一个批评

对于现代逻辑研究来说,理论计算机科学以及人工智能曾经并且正在为它提供的理论动机,在数量和范围上,已经远远超越了数学曾经和能够为它提供的理论动机。认知逻辑作为刻画关于知识和信念的推理的形式体系,可以被看作是逻辑研究应用到理论计算机科学和人工智能等领域的一个重要的形式工具。而动态认知逻辑更在认知逻辑的静态基础之上,扩展以表现各种认知动作及其相应认知变化的算子,得到一系列的形式体系。在此从探寻认知逻辑的理论动机出发。追问我们应该在什么地方应该停止对于“新”逻辑体系的创新,由此对于动态认知逻辑把认知动作纳入形式体系的做法提出了批评：从认知逻辑的应用来说,对认知行动的形式刻画是多余的。     

基于描述逻辑的语义Web服务动态复合推理和验证

描述逻辑具有良好的知识表示能力和强大的推理能力,AI规划具有良好的行为状态变化建模能力。将描述逻辑与AI规划相结合,提出一种基于描述逻辑的语义Web服务动态复合机制,并对其进行逻辑证明。     

Vague ALC(D):一种基于vague集的模糊描述逻辑

针对普通的模糊描述逻辑使用单个隶属度无法准确表示不精确知识,而且描述逻辑是在抽象层次上描述知识,对实体的数值信息缺乏强有力的表达手段的问题,提出了一种基于vague集并结合具体域的模糊描述逻辑——vague ALC(D).介绍了用隶属度区间来表示模糊知识的vague集,给出了vague ALC(D)的语法和语义,指出了它的推理问题,同时也给出了相应的tableaux算法.vague ALC(D)能够更准确地表示和推理含有数值信息的模糊知识,增强了模糊描述逻辑的表达能力和推理能力.     

OWL DL的知识表示与推理研究

语义Web的逻辑基础是描述逻辑,其出现的目的就是为了解决机器和人对知识理解的问题,因此,可以在语义Web的基础上展开推理。传统的推理系统结合语义Web可以克服知识表示方面的缺点,并且有利于知识的共享。探讨了OWL DL作为知识表示形式的优点;通过实例验证了OWL DL关于描述逻辑的推理。     

一种扩展的模糊描述逻辑

为了提高对复杂模糊信息的表示能力,提出一种扩展的模糊描述逻辑.扩展模糊描述逻辑引入模糊概念和模糊关系的截集形式作为原子概念和原子关系,继承经典描述逻辑中的概念构造器和知识库形式,建立新的知识表示逻辑体系.定义了扩展模糊描述逻辑的语法结构、语义解释、知识库形式以及基于可满足性的推理问题.通过与模糊描述逻辑的比较,阐述了模糊描述逻辑可转化为扩展模糊描述逻辑,从而例证了扩展模糊描述逻辑具有比模糊描述逻辑更强的表达能力.