[发明专利]类人行为决策模型的推理算法

权利要求书

1.类人行为决策模型的推理算法，包括感知层、评估层、决策层，其特征在于在感知层中用产生式系统结构的方法进行行为认知建模，把产生式作为人工智能系统中一个基本的知识结构单元，将产生式系统当做一种基本模式，并用产生式规则表示推理过程和行为，采用产生式规则表示因果关系，表示知识之间的规则，模拟人类求解问题时的逻辑思维推理过程；

在评估层中，服务机器人根据感知层输出的历史状态和当前状态信息与事件，并且参照知识库中包含的经验和先验知识以及贝叶斯网络的结构和参数来理解、判断当前的态势信息，评估下一步出现的各种事件和态势条件的可能性（概率大小）；

在决策层中，服务机器人根据评估层评估的结果，再根据知识库中的先验知识，并以人机交互的方式以最少的交互次数获得更多的信息量完成最终的决策，从而确定最终的任务对象种类和属性，并把最终的结果反馈到感知层和评估层中，来更新综合数据库储存的信息和知识库中贝叶斯网络的结构和参数。

2.根据权利要求1所述类人行为决策模型的推理算法，其特征在于所述产生式系统包括综合数据库（Global Database）、产生式规则库（Set of Product Rules）和控制系统（Control System）；

综合数据库用于存放求解过程中各种当前任务信息的数据结构，其中的数据是产生式规则的处理对象，当规则库中某条产生式规则的前提与综合数据库中的事实相匹配时，该规则库就被激活，并把其推理的结论作为新的事实存入到综合数据库中，成为后面推理的已知事实；

产生式规则库是用于描述应用领域的常识和启发式知识，用来存放产生式规则，产生式规则库是某领域知识用规则行事表示的集合，其中包括将问题从初始的状态转换到目标状态的所有变换规则；这些规则描述了问题领域的一般性知识，规则库是产生式系统进行问题求解的基础；

控制系统是产生式系统的推理机；它是产生式规则的解释程序，利用规则库中的规则对综合数据库中的数据来进行逻辑操作；控制系统负责产生式规则前提或条件与综合数据库中的数据进行匹配，将所有匹配成功的规则按一定的逻辑运算进行推理，并在合适的时候结束产生式系统的运行，并且决定任务对象中的种类、属性的优先级推理顺序，当推理不出结论时，通过人机交互询问用户提供进一步的事实集，进行推理和判断。

3.根据权利要求1所述类人行为决策模型的推理算法，其特征在于所述产生式规则的处理对象包括任务的初始状态信息、输入的事实或证据、中间推理结论、用户回答的问题、匹配成功的规则的结论、最终推理结果。

4.根据权利要求2所述类人行为决策模型的推理算法，其特征在于存放推理时用到的先验知识、新增加的特定任务信息在综合数据库中设定任务对象的属性为三个，属性的状态表示各为两个。

5.根据权利要求2所述类人行为决策模型的推理算法，其特征在于在推理和行为认知过程中用产生式规则，其形式为：IF P THEN Q，其中P为规则使用的前提；Q为规则条件满足时所得的结论。

6.根据权利要求2所述类人行为决策模型的推理算法，其特征在于所述产生式系统中控制系统（推理机）采用正向推理的方式，按照综合数据库中给定的事实集推理出任务对象结论的方向进行的推理方式；推理过程是：

步骤一：根据用户给出的任务指令中向综合数据库提供一些初始已知事实，控制系统利用当前的数据与产生式规则库中规则的前提条件进行匹配，判断综合数据库中是否有包含问题的解，有则任务完成，否则进行步骤二；

步骤二：遍历产生式规则中的规则，如果匹配成功，被触发规则的后件将作为新的事实添加到综合数据库中，用更新过的综合数据库中的事实再与规则库中规则进行匹配，将其结论部分更新至综合数据库中，匹配失败则放弃该规则；

步骤三：重复步骤二的过程直到没有可匹配的产生式规则和不再有新的事实加入到综合数据库中为止，并将所有匹配成功的规则的后采用集合运算方法后构成一个知识集，得到匹配的规则集合，有解则表示推理得出任务目标，无解则通过人机交互询问用户提供进一步的事实集，进行推理和判断。