概率认知逻辑程序语言的研究

发布时间：2024-01-24 19:11

　　不完备知识的表示和推理是知识工程领域的重要研究课题。目前,不完备知识常常被表示为缺省知识、认知知识,或者不精确知识。回答集程序(Answer SetProgram,ASP)是一种重要的缺省知识表示和推理工具。认知逻辑程序是回答集程序与自认知逻辑的结合,在ASP的基础上引入了认知模态词,能够实现认知知识的表示和推理。LPMLN是回答集程序与马尔科夫逻辑网络(Markov Logic Network,MLN)的结合,实现了逻辑程序中的概率表示和计算。本文研究并设计一种基于结合了认知逻辑程序和LPMLN的新的逻辑程序语言PELP及其推理算法,为缺省知识、认知知识、不精确知识共存的复杂问题的表示和推理提供一个可选的方案。本文的主要成果包括:1)提出了一种概率认知逻辑程序语言PELP(Probabilistic Epistemic Logic Program),定义了该语言的语法和语义;2)提出了 PELP的基本求解算法,并且基于程序化简的思想提出了该求解算法的一种优化方法,3)实现了 PELP的推理机PelpSolver;4)给出了 PELP与认知逻辑程序语言ASPKM、EFLP、GI-log...

【文章页数】：96 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
缩略词表
第一章 绪论
    1.1 研究背景与研究动机
    1.2 相关研究现状
        1.2.1 概率逻辑程序
        1.2.2 认知逻辑程序
        1.2.3 现有认知逻辑程序的不足
    1.3 研究目标及研究内容
    1.4 研究方法和技术路线
    1.5 文章结构安排
第二章 背景知识介绍
    2.1 回答集程序
        2.1.1 回答集程序的语法
        2.1.2 回答集程序的语义
    2.2 GI-log
        2.2.1 GI-log的语法
        2.2.2 GI-log的语义
        2.2.3 GI-log中的主观字循环
        2.2.4 GI-log程序举例
    2.3 LPMLN

        2.3.1 LP^MLN的语法
        2.3.2 LP^MLN的语义
        2.3.3 LP^MLN程序举例
    2.4 本章小结
第三章 PELP语言
    3.1 PELP的语法
    3.2 PELP的语义
    3.3 PELP应用举例
        3.3.1 概率认知模态词与软规则的结合
        3.3.2 概率比较模态词与软规则的结合
    3.4 主观字的循环和约束
    3.5 本章小结
第四章 PELP与其他认知逻辑程序语言的关系
    4.1 与ASP^KM的关系
    4.2 与EFLP的关系
    4.3 与GI-log的关系
    4.4 本章小结
第五章 PELP求解算法
    5.1 求解算法介绍
        5.1.1 主观字的消除
        5.1.2 软规则的消除
        5.1.3 回答集的计算
        5.1.4 回答集的分组
        5.1.5 候选世界观的筛选
        5.1.6 PELP求解算法
    5.2 算法优化
    5.3 本章小结
第六章 PELP语言的应用
    6.1 三门问题求解
    6.2 概率一致性规划问题求解
    6.3 本章小结
第七章 总结与展望
    7.1 工作总结
    7.2 下一步工作
致谢
参考文献
附录A 定理证明
    A.1 PELP语言特性的证明
    A.2 PELP与其他认知逻辑程序间关系的证明
    A.3 PELP求解算法证明
        A.3.1 主观字消除算法的证明
        A.3.2 软规则消除算法的证明
        A.3.3 主要定理的证明
    A.4 求解优化算法的证明
    A.5 PELP应用举例的证明
攻读硕士学位期间的研究成果



本文编号：3884308