[发明专利]一种基于生成-验证的认知描述程序的求解方法

说明书

技术领域

本发明涉及一种基于生成-验证的认知描述程序的求解方法，该方法基于非单调逻辑推理理论，采用程序谓词依赖图以及启发式搜索技术，包括实例化，程序简化，生成可能解、通过测试确定最终解四个步骤。属于逻辑程序设计、知识表示和推理领域。

背景技术

回答集程序(answer set program)具有较强的非单调推理能力，并且接近自然语言，因此成为规划、诊断、知识管理、基于知识的问答、约束求解等领域一种重要的知识表示和推理的工具。随着Smodels、DLV、Clasp等高效的回答集程序推理机的出现，回答集程序的应用前景越来越广泛。但是人们发现回答集程序在不完整信息的表示及推理方面存在缺陷，因此Michael Gelfond于1991年提出了一种扩展的回答集程序——认知描述程序(Epistemic Specifications)。认知描述程序作为回答集程序的一种扩展，由一些规则组成，其中规则的形式如下：

l₁or...or l_k←g_k+1，...，g_m，not l_m+1，...，not l_n通过添加认知运算符K，能够在信念集不唯一的情况下，直观简洁地表示基于不完全信息的认知推理知识，而这种情况下，采用传统回答集程序无法正确表示和推理，M.Gelfond用下例直观地表达了提出认知描述程序的动机。

例：某学校使用下面四条规则去决定学生是否有资格获取奖学金。a)学分高的学生可以获取奖学金、b)学分中等的但是是少数民族的学生可以获取奖学金、c)学分低的学生不可以获取奖学金、d)根据上面三条规则不可以决定是否有资格获取奖学金的同学，学院需要进行面试来确定其是否有资格获取奖学金。如果给定这样一个不完整信息“Mike的学分可能为高也可能为中”。显然，依据上述四条规则，Mike是需要去面试的，因为不能确定Mike一定有资格获取奖学金和一定没有资格获取奖学金。而这个问题使用回答集程序构建一个查询系统来查询Mike是否要去面试，将不能得出正确的结论，但是使用认知描述程序却可以得到正确的结论。

M．Truszczynski于2010年进一步完善了认知描述程序，他提出了一种认知描述程序的新形式，并且证明了这种新的形式与M.Gelfond于1991年所定义的语法与语义吻合。通过新的形式，M.Truszczynski分析了该语言实现的复杂度以及使用有向图的方法去构建认知描述程序推理机。然而，该语言的语义在某些特殊程序中，存在得到不正确解的缺陷。M.Gelfond于2011年修正了认知描述程序的语义，进一步完善了认知描述程序。语义的定义如下：

假定S为认知描述程序中客观字的集合的集合，根据S约去认知描述程序中的K和-K，使得认知描述程序变为普通的逻辑程序，如果普通逻辑程序的解和S相等，则S为该认知描述程序的解。

由于语义的修改，从而更好地符合自然语言，并且确保了认知描述程序的正确性。至此认识描述程序的语义更加完善，为进一步应用于多Agent，软件测试，基于知识的问答系统等领域打下了理论基础。

此外，鉴于认识逻辑的广泛应用和需求，作为认识逻辑语言子集的认知描述程序被认为将会有效地应用于基于多Agent推理系统，问答系统，软件测试及决策系统等领域。然而，迄今为止，还未出现该程序的推理机，认知描述程序推理机的设计与实现能够使得该语言得到实际应用，认知描述程序求解是复杂度的问题，但是此求解方法效率较低且复杂。

发明内容

发明目的：针对现有技术中存在的问题与不足，本发明提供一种基于生成一验证的认知描述程序的求解方法，设计求解方法并提出和采用高效的优化方法是该发明的关键。本发明采用程序谓词依赖图以及启发式生成一验证技术实现认知描述程序的求解，包括实例化，程序简化，生成可能解、通过测试确定最终解四个步骤。通过程序依赖图减少实例化过程中的迭代次数，利用求解恒真恒假字集简化了输入程序，通过启发式搜索方法减少了搜索空间，提高推理机的效率，使得该语言能够应用到实际问题求解中，这在大规模的问题求解中尤为重要。

技术方案：一种基于生成一验证的认知描述程序的求解方法，其步骤包括：

步骤1：对词法和语法正确，规则安全的认知描述程序构建谓词依赖图，步骤包括：

11)通过Lex和Yacc生成推理机的词法和语法分析模块，检查输入程序是否为语法正确的认知描述程序；

12)规则的安全性检查