Tema 2 Sistemas Basados en Reglas - Grupo de Inteligencia Artificial

Transcripción

II. Razonamiento con conocimiento preciso
Tema 2
Sistemas Basados en Reglas
Sistemas Basados en el Conocimiento
Grado en Ingeniería Informática
–1–
Razonamiento con conocimiento preciso
Tema 2. Sistemas Basados en Reglas
• 
• 
• 
Descripción
CLIPS
Ejemplos
Tema 3. Repaso de Lógica
Tema 4. Web Semántica y Web de Datos
–2–
Referencias
• 
• 
• 
• 
Inteligencia Artificial — Métodos y Técnicas.
D. Borrajo, N. Juristo, V. Martínez-Orga, J. Pazos.
Editorial Centro de estudios Ramón Areces. 1997
Sistemas expertos representación e inferencia problemas resueltos.
A. Fernández. Dykinson (URJC). 2010
Problemas resueltos de inteligencia artificial aplicada: búsqueda y
representación.
Fernández, S.; González, J.; Mira, J. Addison-Wesley Iberoamericana. 1998.
Ingeniería del Conocimiento. Aspectos Metodológicos.
A. Alonso, B. Guijarro, A. Lozano, J. T. Palma, M. J. Tabeada.
Pearson Prentice Hall. 2004
CLIPS:
•  Sistemas expertos: principios y programación (3ª ed.).
J. Giarratano, G. Riley, G. Editorial. Thompson Ed. 2001.
•  CLIPS Reference Manual (CLIPS 6.1). http://clipsrules.sourceforge.net/
•  JESS in Action: Rule-based systems in Java. Friedman-Hill, E. Manning. 2003.
–3–
DEFINICIÓN
conjunto de sentencias en un LRC
mecanismo de inferencia automática
<BH,BR,MI>
BASE DE HECHOS
MOTOR DE INFERENCIA
(Memoria de trabajo)
Representa conocimientos sobre el
problema:datos, hechos establecidos
y metas a alcanzar
Razona con el conocimiento del
problema y sobre su solución
Determina cómo se aplican las reglas
BASE DE REGLAS
Representa conocimientos sobre la solución
del problema en forma de producciones
–4–
Base de Hechos
•  Hechos:
– 
– 
– 
– 
estructuras de datos: aserciones sobre objetos/situaciones etc.
representamos hechos como listas de símbolos
pueden concebirse como relaciones entre entidades
ejemplo: (ladra perro), (on A B)
•  Base de hechos (BH):
–  representa el modelo del mundo (o el problema en curso de solución)
–  cambia con el proceso de inferencia
–  Estado inicial: situación inicial
–  Estado final: situación final
–  Estado intermedio: situación actual o en curso de resolución
–  ejemplo BH:
(bloque A)
(bloque B)
(on A B)
(on B T)
(clear A)
–5–
Base de Hechos
Partes de la BH:
•  permanente: hechos invariantes
–  describen características que siempre se dan en el problema
–  Ejemplo: (bloque A) (bloque B) (clear T)
•  temporal: hechos variantes
–  cambian durante el proceso de la solución del problema
–  Ejemplo: (on A B) (on B T) (clear A)
Modificación de la BH:
•  añadir hechos a la BH
•  borrar hechos de la BH
–6–
Base de Reglas
Regla:
•  Representa una parte del conocimiento sobre la solución del problema
•  Sintaxis: SI <Premisas> ENTONCES <Acciones>
“Antecedente, LHS”
•  Ejemplo Regla R1:
“Consecuente, RHS”
SI (hombre Socrates)
ENTONCES añadir(mortal Socrates)
•  Semántica:
–  Si todas las premisas se encuentran en la BH, se pueden ejecutar todas las acciones
sobre la BH
–  Ej.: Si (hombre Socrates) se encuentra en la BH, se puede añadir (mortal Socrates) a
la BH
Base de Reglas (BR):
•  conjunto de reglas: agrupa el conocimiento sobre la solución del problema
•  La BH describe el problema, la BR da información para resolverlo
–7–
Base de Reglas
Reglas con variables:
•  premisas y acciones pueden contener constantes (p.e. A,
ladra, on) o variables (p.e. ?x)
•  Ejemplos:
–  Regla R2: SI (hombre ?x) ENTONCES añadir(mortal ?x)
–  Regla R3: SI (padre ?x ?y) (padre ?y ?z)
ENTONCES añadir(ancestro ?x ?z)
Semántica:
•  Una variable puede ligarse con cualquier constante de un hecho en la
misma posición
•  Una variable ha de ligarse al mismo valor en toda la regla
Nótese:
•  sólo las reglas pueden contener variables, no los hechos
•  cualquier variable del consecuente ha de ligarse anteriormente en el
antecedente
–8–
Motor de inferencia
•  Mecanismo automático que permite contestar consultas a partir de una BC
basada en reglas
•  Dos posibles estrategias de inferencia para BC basadas en reglas
–  Encadenamiento hacia delante (inglés: forward chaining)
Soluciones
intermedias
BH inicial
Consulta
(BH final)
BR
–  Encadenamiento hacia atrás (inglés: backward chaining)
Objetivo
(Consulta)
Subobjetivos
BR
BH inicial
–9–
Soluciones
Motor de Inferencia
Mecanismo de encadenamiento hacia delante:
•  a partir de la BH1 se procura deducir una BHn en la que se cumple la consulta
•  “disparando” sucesivamente las reglas Ri de la BR
•  cada disparo de una regla caracteriza un ciclo de razonamiento CCk
BH1
R1
R2
...
Rm
CC1
BH2
Ri
...
Rj
CC2
CC n-1
– 10 –
BHn-1
BHn
Rk
Ciclo de Inferencia
Paso 1:
Detección de reglas aplicables
(determinación del conjunto conflicto)
Paso 2:
Selección de una regla aplicable
(resolución del conjunto conflicto)
Paso 3:
Aplicación de una regla y
actualización de la BH
(disparo de la regla)
– 11 –
Ciclo de Inferencia: Detección de reglas aplicables
Equiparación:
• 
Selección del conjunto de reglas candidatas para dispararse, las que son
compatibles con la BH (instancias de reglas aplicables o activadas)
BH
(enfermedad Pepe pulmón) (enfermedad ?persona corazón)
(enfermedad Juan corazón)
(enfermedad María corazón)
(enfermedad Juan corazón), ?persona=Juan
(edad Pepe 18)
(enfermedad María corazón), ?persona=María
Conjunto conflicto:
• 
todas las (instancias de) reglas que son aplicables en el presente ciclo
• 
puede haber varias instancias de la misma regla en el conjunto conflicto
– 12 –
Ciclo de Inferencia: Selección de una regla aplicable
Estrategias de selección:
•  Establecer un orden de preferencia en la aplicación de las reglas
•  Preferencia basada en las reglas
– 
– 
– 
– 
prioridad explícita: asignar valores de prioridad a cada regla
prioridad implícita: orden de de las reglas en la BR (Prolog)
refracción: historia de una regla (la más/menos disparada)
especificidad: preferir la reglas con más/menos condiciones
•  Preferencia basada en las instancias de reglas
–  la más antigua en el conjunto conflicto (estrategia de amplitud)
–  la más nueva en el conjunto conflicto (estrategia de profundidad)
•  Preferencia basada en objetos
–  selección de reglas que se aplican a los objetos más recientes
–  prioridad explícita: asignación de prioridades a los patrones más comunes
de la BH
•  Combinaciones de las diferentes preferencias
– 13 –
Ciclo de Inferencia: Aplicación y actualización de la BH
“Disparo” de la instancia de regla seleccionada:
•  Se ejecutan todas las acciones del consecuente de la (instancia de)
regla
•  se modifica la BH actual dando lugar a una BH nueva al añadir y
borrar elementos de la primera
•  La BH nueva se tomará como punto de partida en el siguiente ciclo de
funcionamiento (por tanto es posible que algunas reglas han de
eliminarse del antiguo del conjunto conflicto!)
Parada del mecanismo de inferencia:
•  cuando no hay más reglas aplicables en el conjunto conflicto
•  cuando el consecuente de una regla ejecuta un comando de parada
(regla de terminación, puede codificar la consulta)
– 14 –
Ejemplo de inferencia hacia adelante en BC de reglas
CONSULTA: ¿(perro Tucky)?
BASE DE HECHOS BH1
(animal Tucky)
(animal Piolín)
(esqueleto Piolín si)
(esqueleto Tucky si)
(ladra Tucky)
BASE DE REGLAS
Regla R1:
SI (animal ?A)
(esqueleto ?A si)
ENT añadir (vertebrado ?A)
Motor de inferencia
Regla R2:
SI
(animal ?A)
(esqueleto ?A no)
ENT añadir (invertebrado ?A)
Ciclo1
R1,?A=Tucky
R1,?A=Piolín
(animal Tucky)
(animal Piolín)
(ladra Tucky)
(vertebrado Tucky)
Regla R3:
SI
(vertebrado ?A)
(ladra ?A)
ENT añadir (perro ?A)
– 15 –
BASE DE HECHOS BH2
(animal Tucky)
(animal Piolín)
(ladra Tucky)
(vertebrado Tucky)
BASE DE REGLAS
Regla R1:
SI (animal ?A)
(esqueleto ?A si)
Motor de inferencia
Ciclo2
Regla R2:
SI
(animal ?A)
(esqueleto ?A no)
R1,?A=Tucky
R1,?A=Piolín
R3, ?A=Tucky
(animal Tucky)
(animal Piolín)
(ladra Tucky)
(vertebrado Tucky)
(vertebrado Piolín)
Regla R3:
SI
(vertebrado ?A)
(ladra ?A)
– 16 –
BASE DE HECHOS BH3
(animal Tucky)
(animal Piolín)
(ladra Tucky)
(vertebrado Tucky)
BASE DE REGLAS
Regla R1:
SI (animal ?A)
(esqueleto ?A si)
Motor de inferencia
Ciclo3
Regla R2:
SI
(animal ?A)
(esqueleto ?A no)
R1,?A=Tucky
R1,?A=Piolín
R3, ?A=Tucky
(animal Tucky)
(animal Piolín)
(ladra Tucky)
(vertebrado Tucky)
(perro Tucky)
Regla R3:
SI
(vertebrado ?A)
(ladra ?A)
– 17 –
BASE DE HECHOS BH4
Ciclo de Inferencia: Aspectos de Implementación
Problema:
•  Ineficiencia del mecanismo de inferencia debido a la fase 1
(determinación del conjunto conflicto)
•  en cada ciclo se equiparan todas las reglas con todos los elementos de
la MT para construir el nuevo conjunto conflicto
Solución: Algoritmo de Redundancia Temporal (RETE)
•  se construye el conjunto conflicto de forma incremental
Cambios en la MT
Red RETE
Cambios en el CC
•  La red RETE se genera al principio de la ejecución del sistema de
producción mediante un compilador.
– 18 –
RETE (Redundancia Temporal)
•  Red de nodos (RETE)
•  En cada ciclo de funcionamiento, las acciones modifican
Memoria de Trabajo (inclusión o borrado)
•  En cada ciclo, no es necesario equiparar todas las reglas
con todos los elementos de la MT
•  La red RETE se genera al principio mediante un
compilador
– 19 –
RETE: Ejemplo
•  Compartir partes comunes
•  Ej.:
¿es 1º una a?
–  R7: SI (a b ?x) (c ?x d e ?y) ENT ...
–  R8: SI (a b ?x) (c ?x d f ?y) ENT ...
¿es 1º una c?
¿es 3º una d?
¿es 2º una b?
¿es 4º una e?
¿es 4º una f?
Nodo de unión si
3º izda = 2º dcha
Nodo de unión si
3º izda = 2º dcha
Informar de
cambios en R7
Informar de
cambios en R8
– 20 –
Diseño de BCs: Errores frecuentes
Una regla NO es una estructura “if-then-else”
SI condicion1
condicion2
...
ENTONCES
acciones1
EN CASO CONTRARIO
acciones2
¿QUÉ HACER?
•  Identificar las condiciones que no se cumplen para la
ejecución de las acciones2
•  Crear dos reglas, una para cada bloque de acciones
– 21 –
No pueden aparecer OR en el consecuente de la regla
SI condicion1
condicion2
...
ENTONCES
acciones1 OR acciones2
¿QUÉ HACER?
•  Crear dos reglas, una para cada bloque de acciones
–  para conservar la precedencia, p.e. establecer prioridades entre las reglas
Ri: SI condicion1
condicion2...
ENTONCES acciones1
Rj: SI condicion1
condicion2...
ENTONCES acciones2
– 22 –
En el consecuente de la regla NO hay elementos de decisión
SI condicion1 , condicion2 ...
ENTONCES
acciones1
SI condicion4 ...
ENTONCES
acciones2
¿QUÉ HACER?
•  Introducir señalizadores que provoquen la ejecución prioritaria de
reglas con tales elementos
•  No olvidar borrar los señalizadores
Ri: SI condicion1 , condicion2 ...
ENTONCES acciones1
añadir S
– 23 –
Rj: SI S, condicion4 ...
ENTONCES acciones2
borrar S
Desde una regla nunca se puede lanzar otra regla
Ri: SI condicion1
condicion2
...
ENTONCES
Rj
¿QUÉ HACER?
•  Introducir señalizadores que provoquen la ejecución de Rj
•  No olvidar borrar los señalizadores al ejecutar la regla Rj
– 24 –
BR
Regla R1:
SI (envio ?e ?origen ?destino)
(dia-entrega ?e hoy)
(coste ?e ?coste)
ENTONCES
añadir(coste ?e ?coste+10)
BH (envio E1 Madrid Barcelona)
Motor de inferencia
Ciclo1
?e=E1
?origen=Madrid
?destino=Barcelona
?coste=7
(dia-entrega E1 hoy)
(coste E1 7)
ERROR: El coste del envío es único
SOLUCIÓN: Modificar la regla
– 25 –
(coste E1 7)
(coste E1 17)
BR
Regla R1:
SI (envio ?e ?origen ?destino)
(dia-entrega ?e hoy)
(coste ?e ?coste)
ENTONCES
borrar (coste ?e ?coste)
añadir (coste ?e ?coste+10)
Motor de inferencia
Ciclo1
?e=E1
?origen=Madrid
?destino=Barcelona
?coste=7
(coste E1 7)
BH
PROBLEMA: Bucle infinito
SOLUCIÓN:
•  Introducir señalizadores,
•  Utilizar nuevo hecho (coste-final)
– 26 –
(envio E1 Madrid Barcelona)
(coste E1 7)
(coste E1 17)
Características de la Representación del Conocimiento
•  Ventajas
–  Representación próxima a la forma de proceder de los expertos
–  Sintaxis simple y homogénea
–  Permite seguimiento del proceso de deducción
•  Inconvenientes
–  Conocimiento procedimental y heurístico
•  Dificultad para verificar la consistencia de la BC
– 27 –
• 
• 
• 
Descripción
CLIPS
Ejemplos
...
– 28 –
Qué es CLIPS
•  CLIPS (C Language Integrated Production System):
–  herramienta para desarrollar sistemas inteligentes basadas en reglas
–  desarrollada en C/ANSI por Software Technology Branch, NASA/Lyndon B.
Johnson Space Center desde 1986
–  implementación eficiente del encadenamiento hacia delante
•  Facilidades adicionales
– 
– 
– 
– 
diferentes estrategias de resolución de conflictos
adición dinámica de reglas
sistema de mantenimiento de verdad
lenguaje orientado a objetos: COOL (Clips Object-Oriented Language)
•  Extensiones:
– 
– 
– 
– 
fácilmente embebible en aplicaciones en C, FORTRAN, Java, ...
disponible en diversas plataformas (MS-DOS/Windows, Unix)
extensiones para Lógica Borrosa (FuzzyCLIPS)
JESS: versión en Java que usa el sistema de objetos correspondiente
– 29 –
1.  Descripción
2.  CLIPS
1.  Base de Hechos
2.  Base de Reglas
3.  Motor de Inferencia
3.  Ejemplos
…
– 30 –
CLIPS: Base de Hechos
Terminología
•  La BH en CLIPS se llama memoria de trabajo (MT)
•  puede contener diferentes tipos de hechos
Hechos ordenados (“ordered facts”)
•  Patrones con uno o varios campos
–  la posición de la información en el hecho es relevante
–  información tipada: símbolos, integers, real, string, etc.
–  sintaxis acostumbrada
•  Ejemplos:
(hola)
(alumnos Pepe Juan Luis)
(nombre "Juan")
(edad 14)
(pi 3.1415)
– 31 –
Patrones no-ordenados (deftemplate)
•  Permiten definir la información en forma de clases de elementos y
atributos de esas clases.
•  Permiten abstraer la estructura de un hecho asignando un nombre a
cada campo
–  campos slot: pueden tener exactamente un valor
–  campos multislot: pueden tener varios valores (de varios tipos)
•  Se permite una cadena de caracteres como comentario (opcional)
•  Ejemplo: (deftemplate clase
"Informacion sobre clases"
(slot grupo)
(slot aula)
(slot hora)
(multislot alumnos)
(multislot profesor))
– 32 –
Hechos no-ordenados (“unordered facts”, “deftemplate facts”)
• 
• 
• 
• 
• 
hechos que “instancian” los patrones deftemplate
el primer nombre del hecho no-ordenado referencia su deftemplate
el orden de los campos no tiene importancia
se pueden omitir slots del patrón deftemplate
Ejemplo:
(cliente
(cliente
(clase
(nombre Juan Pérez)
(id 33435))
(id 33435)
(nombre Juan Pérez))
(aula "III-002")
(profesor Alberto Fernández)
(alumnos))
– 33 –
Hechos iniciales:
•  los hechos iniciales, se definen con la estructura deffacts
–  ejemplo1:
(deffacts hechos-600
“información del 600”
(modelo 600)
(puertas 2) )
–  ejemplo2:
(deffacts OtrosHechos
(cliente (nombre Juan Pérez) (id 33435))
(cliente (nombre Rosa Gómez) (id 33436)) )
•  por defecto existe el hecho inicial (initial-fact)
•  los hechos iniciales se añadirán a la MT al hacer reset
– 34 –
Indices de hechos (etiquetas temporales, time-tags)
•  CLIPS genera para cada hecho un índice relativo al tiempo de su creación:
–  Al primer hecho creado le corresponde la etiqueta temporal 0 :
f-0 (initial-fact)
–  Ejemplo: Si (ladra perro) es el segundo hecho añadido a la MT, su
etiqueta temporal el f-1
–  Nunca disminuye y nunca se reasigna. Para cada nuevo hecho que se cree o
modifique se incrementa en uno
•  Sirven para
–  Identificar de forma única y simplificada cada hecho
–  Saber el tiempo que lleva un hecho en la memoria de trabajo
– 35 –
Ordenes básicas de manejo de la MT
(facts)
Lista los hechos de la MT
(assert <hecho>) Añade (si no existe) un hecho a la MT
(retract <indice-hecho>) Elimina un hecho de la MT
(modify <indice-hecho> <slot>*)
Modifica un hecho (no ordenado) de la MT
•  (duplicate <indice-hecho> <slot>*)
Como modify pero sin borrar el antiguo
•  (clear)
Elimina todos los hechos y construcciones de la MT
•  (reset)
Elimina todos los hechos de la MT, elimina las activaciones
de la agenda y restaura las condiciones iniciales:
• 
• 
• 
• 
Añade initial-fact
–  Añade el conocimiento inicial definido con deffacts
–  Añade las variables globales con su valor inicial
–  Fija como módulo principal el módulo MAIN
– 
– 36 –
Ejemplo:
CLIPS> (reset)
CLIPS> (retract 1)
CLIPS> (facts)
CLIPS> (assert (hola))
f-0 (initial fact)
<Fact-2>
For a total of 1 fact.
CLIPS> (facts)
CLIPS> (assert (hola))
f-0 (initial-fact)
<Fact-1>
f-2 hola
CLIPS> (facts)
For a total of 2 facts.
f-0 (initial-fact)
CLIPS> (clear)
f-1 hola
CLIPS> (facts)
For a total of 2 facts.
CLIPS>
– 37 –
1.  Descripción
2.  CLIPS
3.  Ejemplos
…
– 38 –
CLIPS: Base de Reglas
Sintaxis
Ejemplo
(defrule marca-del-600
(defrule <nombre_regla>
"Marca del modelo 600"
[<documentacion opcional>]
(modelo 600)
[<caracteristicas op.>]
=>
(premisa 1)
(assert (marca-es SEAT))
(premisa 2)
)
...
(premisa N)
Semántica
=>
•  Si “se cumplen” todas las premisas
(accion 1)
•  Se ejecutan todas las acciones
(accion 2)
...
(accion M)
)
– 39 –
Elementos de las premisas
•  Patrones
–  existencia / ausencia de hechos en la BH
–  pueden instanciar variables a partir de hechos
•  Restricciones
–  restricciones como premisas (tipo test)
–  restricciones de variables (conectivas)
– 40 –
•  Patrones: Constantes
–  equiparación con hechos concretos en la MT
–  Ejemplos:
(defrule encontrar-dato
(dato 1 azul rojo)
=>)
(defrule encontrar-Roberto
(persona (nombre Roberto) (edad 20))
=>)
– 41 –
Equiparación de patrones constantes
•  Caso a: Hechos ordenados
BR
(defrule R1
(A B)
=> (assert (C D))
MT
f-1
f-2
(A B)
(C D)
1 equiparación
Conjunto Conflicto={R1(f-1)}
La ejecución de la regla introduce en la MT a (CD)
•  Caso b: hechos no ordenados
BR
(defrule R1
(clase1 (nombre1 A))
=> (assert (C D))
MT
f-1(clase1
(nombre1 A))
f-2(C D)
1 equiparación
Conjunto Conflicto={R1(f-1)}
La ejecución de la regla introduce en la MT a (CD)
– 42 –
•  Patrones: Comodines
–  patrones genéricos que equiparan con diferentes hechos
–  se usan cuando no importa el valor de un campo
•  ? :
Equipara con un campo
•  $? : Equipara con cero a n campos
•  Ejemplos:
(dato ? azul rojo $?)=>)
(dato $? amarillo $?)=>)
– 43 –
•  Equiparación con comodines
–  cada par hecho-comodín puede dar lugar a una instanciación
–  Ejemplo:
BR
(defrule R1
(A $? B)
=>...
MT
f-1
f-2
f-3
3 equiparaciones de la misma regla
Eq1: $?=
Eq2: $?=3
Eq3: $?= C E B
(A B)
(A 3 B)
(A C E B B)
Conjunto Conflicto:
{R1(f-1),R1(f-2),R1(f-3)}
–  Un comodín repetido puede tener valores diferentes
– 44 –
•  Patrones: Variables
–  patrones genéricos que equiparan con diferentes hechos
–  almacenan valores de campos para usarlos posteriormente
•  ?x : variable de valor único
•  $?x : variable multivalor (cero, uno o más valores)
•  Ejemplos:
(dato ?x ?y ?z)=>)
(dato ?x $?y ?z)=>)
– 45 –
•  Equiparación con variables
–  Una variable que aparece dos o más veces en la regla debe
equipararse en todas las ocurrencias con el mismo valor
BR
(defrule R1
(animal ?x)
(piel pelo ?x)
=>
(assert (especie mamifero ?x))
MT
f-1
f-2
f-3
f-4
f-5
(animal Tucky)
(piel pelo Dolly)
(piel pelo Tucky)
(animal Dolly)
(animal Dumbo)
Eq1: ?x=Tucky : (animal Tucky) (piel pelo Tucky)
Eq2: ?x=Dolly : (animal Dolly) (piel pelo Dolly)
Dumbo no equipara por no tener (piel pelo Dumbo) en la MT
Conjunto Conflicto = { R1(f-1,f-3), R1(f-4,f-2) }
– 46 –
Patrones: Ausencia de patrones
•  Sintaxis: (not (<patron>))
•  la premisa se cumple, si no hay ningún hecho en la MT
que equipara con <patron>
•  Ejemplo:
(defrule volar
(pajaro ?x)
(not (avestruz ?x))
=>
(assert (vuela ?x))
)
•  Hipótesis del mundo cerrado:
–  todo lo que no se encuentra en la MT es “falso”
– 47 –
•  Equiparación basada en la ausencia de patrones
–  Ejemplo:
(defrule R1
(A ?x)
(not (B ?x))
=> )
MT: (A C) (B D) (A B) (A A) (B A)
Eq1: ?x=C
Eq2: ?x=B
?x=A no equipara porque en la MT está (B A)
– 48 –
Patrones: Direcciones de hechos (referencia a la MT):
•  se pueden almacenar referencias a los hechos de la MT en variables
•  dichas referencias pueden ser usadas en las acciones de consecuente
•  Ejemplo
(defrule matrimonio
?ref-soltero <- (soltero ?nombre)
=>
(retract ?ref-soltero)
(assert (casado ?nombre))
)
– 49 –
Premisas de las Reglas CLIPS: Restricciones
Restricciones de premisa:
•  premisa del tipo (test (<expresión booleana>))
•  forma más general para comprobar el cumplimiento de una condición
•  Expresiones booleanas se construyen en notación prefija sobre:
–  Funciones de comparación
•  Numérica: =, <>, <, >, >=, <=
•  Cualquier tipo: eq, neq
–  Funciones lógicas: or, not, and
–  Funciones de predicado: stringp, numberp, symbolp...
•  Ejemplo: (defrule mes-valido
(entrada ?mes)
(test (and (>= ?mes 1)
(<= ?mes 12) ) )
=>)
– 50 –
Restricciones conectivas (connective constraints) :
•  limitan la posibilidad de equiparación de variables
•  restricciones conectivas con constantes:
–  Sintaxis: ?x&˜<valor>
–  Semántica:?x equipara con cualquier valor menos <valor>
–  ejemplos
(defrule no-rojo-ni-verde
(color ?x&~rojo&~verde)
=>)
(defrule no-rojo-ni-verde-test
(color ?x)
(test (neq ?x rojo verde))
=>)
(defrule datos-distintos
(dato ?x ?y&~?x)
=>)
(defrule datos-distintos-test
(dato ?x ?y)
(test (neq ?x ?y))
=>)
– 51 –
Restricciones conectivas de resultado (return value constraints)
•  Sintaxis: ?x&=(<expresion>)
•  Semántica:
–  ?x equipara sólo con el valor que resulta de evaluar <expresion>
–  <expresion> puede ser de cualquier tipo (i.e. se aplica eq)
•  Ejemplos:
(defrule mas-una
(dato ?x ?y&=(+ ?x 1))
=>)
(defrule mas-una-test
(dato ?x ?y)
(test (= ?y (+ ?x 1)))
=>)
(defrule segundo-elemento
(lista $?l)
(valor ?x&=(nth$ 2 $?l))
=>)
(defrule segundo-elemento-test
(lista $?l)
(valor ?x)
(test (eq ?x (nth$ 2 $?l)))
=>)
– 52 –
Restricciones conectivas de predicado (predicate constraints)
•  Sintaxis: ?x&:(<expr.booleana>)
•  Semántica:
–  ?x equipara con cualquier valor si sólo si <expr.booleana> es true
–  <expr.booleana> también suele contener variables
•  Ejemplos:
(defrule valor-numerico
(valor ?x&:(numberp ?x))
=>)
(defrule valor-numerico-test
(valor ?x)
(test (numberp ?x))
=>)
(defrule dos-o-mas
(lista $?y&:(> (length$ ?y) 2))
=>)
(defrule dos-o-mas-test
(lista $?y)
(test (> (length$ ?y) 2))
=>)
– 53 –
Acciones de las Reglas CLIPS
• 
• 
• 
• 
• 
Modificar MT: assert, retract, modify, duplicate
Entrada/Salida: printout, read, readline, open, close
Parada del proceso de inferencia: halt
Asignar valores a variables (en el consecuente): bind
Ejemplo:
(defrule coste-del-envio
(envio ?paquete ?origen ?destino)
(dia-entrega ?paquete hoy)
?coste-inicial<-(coste ?paquete ?precio)
=>
(retract ?coste-inicial)
(bind ?suplemento (read))
(bind ?nuevo-precio (+ ?precio ?suplemento))
(assert (coste-final ?paquete ?nuevo-precio))
(printout t "Coste final es " ?nuevo-precio crlf)
(halt)
)
– 54 –
Funciones predefinidas en CLIPS
Funciones de predicado
Funciones campos multislot Funciones matemáticas
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
numberp
floatp
integerp
lexmep
stringp
symbolp
evenp
oddp
multifieldp
eq
neq
=, <>, >, >=, <, <=
or, not, and
create$
nth$
member$
subsetp
delete$
explode$
implode$
subseq$
replace$
insert$
first$
rest$
– 55 –
• 
• 
• 
• 
• 
+, -, *, /, div
max, min
abs
float
integer
Se pueden definir más funciones al
estilo LISP con deffunction
(ver manual)
(deffunction aplicar (?op ?e1 ?e2)
(switch ?op
(case + then (+ ?e1 ?e2))
(case - then (- ?e1 ?e2))
(case * then (* ?e1 ?e2))
(case / then (/ ?e1 ?e2))
(default error)
)
)
1.  Descripción
2.  CLIPS
3.  Ejemplos
…
– 56 –
CLIPS: Motor de inferencia
•  Algoritmo de selección de reglas aplicables en CLIPS
1. elegir la regla aplicable con máxima prioridad
2. elegir regla según estrategia de resolución de conflictos
3. elegir de forma arbitraria
•  Definir prioridades en CLIPS
–  asignar un valor de prioridad (entero positivo o negativo) a cada regla
–  se definen como propiedades de reglas
–  por defecto su valor es 0
(defrule marca-del-600
"Marca del modelo 600"
(declare (salience 10))
(modelo 600)=> (assert (marca-es SEAT)))
–  recomendación: minimizar el uso de prioridades de reglas
– 57 –
Motor de inferencia: Estrategias de resolución del CC
Estrategias de resolución de conflictos (I):
•  Depth Strategy (estrategia por defecto)
–  Una activación más reciente se sitúa por encima de las activaciones con
igual o mayor antigüedad
•  Breadth Strategy
–  Una activación más reciente se sitúa por debajo de las activaciones con
igual o mayor antigüedad
•  Complexity Strategy
–  Las nuevas activaciones se sitúan por encima de las activaciones con
igual o menor especificidad
•  Simplicity Strategy
–  Las nuevas activaciones se sitúan por encima de las activaciones con
igual o mayor especificidad
– 58 –
Motor de inferencia: Estrategias de resolución del CC
•  Especificidad en CLIPS
–  número de comparaciones que deben realizarse en el antecedente de la
regla
–  Se suma uno a la especificidad por cada:
•  Comparación con una constante
•  Comparación con una variable previamente asignada (ligada a un valor)
•  Llamada a función que forme parte de una premisa de test o de una
utilización del valor de retorno de una función (:,=), exceptuando
–  Llamadas a funciones booleanas (and, or, not)
–  Llamadas a funciones anidadas
–  Ejemplo:
Especificidad=5
(defrule ejemplo
(item ?x ?y ?x)
(test (and (numberp ?x) (> ?x (+10 ?y)) (< ?x 100))) =>)
– 59 –
CLIPS: Motor de inferencia
Estrategias de resolución de conflictos (II):
•  LEX Strategy
–  Se ordenan los time-tag en orden decreciente y se comparan uno
a uno, hasta encontrar uno mayor que otro
–  En caso de que no haya el mismo número de time-tag se añaden
ceros al final
–  Si igual entonces se elige la más específica
–  Ejemplo:
•  Conjunto Conflicto= {R1(f-4), R2(f-2,f-4)}
•  Para R1: 4, 0 / para R2: 4, 2 / por tanto LEX elige R2
•  MEA Strategy
–  parecido a LEX, pero mirando sólo el primer patrón que equipara en la
regla (si es el mismo se usa LEX)
–  Ejemplo: R1
•  Random Strategy
–  A cada activación se le asigna un número aleatorio para determinar su
orden en la agenda.
– 60 –
• 
• 
• 
Descripción
CLIPS
Ejemplos
…
– 61 –
Diseño de BCs
Proceso:
•  Definir el modelo:
–  conceptualizar el mundo: ¿qué es importante?
–  p.e.: bloques, mesas, posición vertical relativa de los bloques
•  Definir la ontología:
–  Escoger vocabulario
–  p.e.: block1, clear, on, encima...
•  Definir conocimiento del dominio:
–  Codificar el conocimiento general sobre el dominio
–  p.e.: (defrule R (on ?x ?y) => (assert (encima ?x ?y)))
•  Definir conocimiento del caso:
–  Codificar una descripción del caso específico (p.e.: estado actual)
–  p.e.: (deffacts ((On A B) (On B T)))
•  Hacer consultas
– 62 –
Ejemplo: El mundo de los circuitos
•  Construir una BC que permita contestar preguntas acerca del
comportamiento del siguiente circuito
1
2
xor1
xor2
3
1
and2
or1
and1
Circuito C
– 63 –
2
El mundo de los circuitos
•  Definir el modelo:
–  características relevantes
•  circuitos, puertas binarias, tipos de puertas binarias (and, or, xor), terminales de
puertas/circuitos, conexiones entre terminales, señales, señales en las terminales, ...
–  características irrelevantes
•  rutas de las líneas, posición de las puertas, tamaño de las puertas etc.
•  Definir la ontología:
–  Puertas: patrón no ordenado puerta
•  Identificación puerta: slot id-puerta
•  Tipo de puertas: slot tipo
•  Terminales: slots id-entrada-1, id-entrada-2, id-salida
–  Circuito: patrón circuito
•  Identificación circuito: slot id-circuito
•  Terminales: multislots id-entradas, id-salidas
–  Conexiones entre terminales: patrón ordenado conexión/4
–  Señales: valores booleanos TRUE y FALSE
–  Señales en las terminales: patrón no ordenado estado-terminal
– 64 –
Declaración parcial de la Ontología
•  Declaración de la estructura de patrones no-ordenados:
(deftemplate puerta
"Puertas logicas binarias"
(slot id-puerta)
(slot tipo (allowed-symbols
(slot id-entrada-1 (default
(slot id-entrada-2 (default
(slot id-salida-1 (default
AND OR XOR))
e1))
e2))
s1)) )
(deftemplate circuito
"Circuito con multiples entradas y salidas"
(slot
id-circuito)
(multislot id-entradas)
(multislot id-salidas ) )
(deftemplate estado-terminal
"Senyal en terminales de una puerta o circuito"
(slot id-elemento)
(slot id-terminal)
(slot senyal (allowed-symbols TRUE FALSE)) )
– 65 –
Conocimiento del dominio
•  Regla para modelar el comportamiento de una puerta AND:
(defrule logica-AND
(puerta
(id-puerta ?p)
(tipo AND)
(id-entrada-1 ?e1)
(id-entrada-2 ?e2)
(id-salida-1 ?s1) )
(estado-terminal
(id-elemento ?p)
(id-terminal ?e1)
(senyal ?senyal-e1) )
(estado-terminal
(id-elemento ?p)
(id-terminal ?e2)
=>
(assert (estado-terminal
(id-elemento ?p)
(id-terminal ?s1)
(senyal (and ?senyal-e1 ?senyal-e2)) ) ) )
– 66 –
•  Regla para modelar el comportamiento de una puerta OR:
(defrule logica-OR
(puerta
(id-puerta ?p)
(tipo OR)
(id-entrada-1 ?e1)
(id-entrada-2 ?e2)
(id-salida-1 ?s1) )
(estado-terminal
(id-elemento ?p)
(id-terminal ?e1)
(estado-terminal
(id-elemento ?p)
(id-terminal ?e2)
=>
(id-elemento ?p)
(id-terminal ?s1)
(senyal (or ?senyal-e1 ?senyal-e2)) ) ) )
– 67 –
•  Regla para modelar el comportamiento de una puerta XOR:
(defrule logica-XOR
(puerta
(id-puerta ?p)
(tipo XOR)
(id-entrada-1 ?e1)
(id-entrada-2 ?e2)
(id-salida-1 ?s1) )
(estado-terminal
(id-elemento ?p)
(id-terminal ?e1)
(estado-terminal
(id-elemento ?p)
(id-terminal ?e2)
=>
(id-elemento ?p)
(id-terminal ?s1)
(senyal (not (eq ?senyal-e1 ?senyal-e2))) ) ) )
– 68 –
•  Regla para propagar señales por conexiones:
(defrule logica-conexion
"Si dos terminales estan conectados, entonces
tienen la misma senyal"
(estado-terminal
(id-elemento ?elemento-A)
(id-terminal ?terminal-A)
(senyal ?senyal))
(conexion ?elemento-A ?terminal-A
?elemento-B ?terminal-B)
=>
(id-elemento ?elemento-B)
(id-terminal ?terminal-B)
(senyal ?senyal))))
– 69 –
Conocimiento del caso
•  Hechos iniciales para definir los elementos de un circuito concreto:
(deffacts lista-de-elementos
(circuito (id-circuito C)
(id-entradas e1 e2 e3)
(id-salidas s1 s2)
)
(puerta
(id-puerta X1)
(tipo XOR))
(puerta
(id-puerta X2)
(tipo XOR))
(puerta
(id-puerta A1)
(tipo AND))
(puerta
(id-puerta A2)
(tipo AND))
(puerta
(id-puerta O1)
(tipo OR )) )
– 70 –
•  Hechos iniciales para definir las conexiones concretas entre elementos:
(deffacts lista-de-conexiones
(conexion C e1 X1 e1)
(conexion C e1 A1 e1)
(conexion X1 s1 X2 e1)
(conexion X1 s1 A2 e2)
(conexion A1 s1 O1 e2)
(conexion A2 s1 O1 e1)
(conexion X2 s1 C s1)
(conexion O1 s1 C s2) )
•  Regla para completar conexiones:
(defrule conexion
"La conexion es conmutativa"
(conexion ?p1 ?t1 ?p2 ?t2)
=>
(assert (conexion ?p2 ?t2 ?p1 ?t1)) )
– 71 –
•  Regla para leer las señales iniciales en las entradas:
(defrule leer-entradas
(circuito (id-circuito ?c)
(id-entradas $? ?t $?))
=>
(printout t "Circuito: " ?c
" Entrada: " ?t
" Senyal: " )
(bind ?senyal (read))
(id-elemento ?c)
(id-terminal ?t)
(senyal ?senyal)) ) )
– 72 –
•  Regla para escribir las señales deducidas en las salidas:
(defrule imprimir-salidas
(estado-terminal
(id-elemento ?c)
(id-terminal ?t)
(senyal ?senyal))
(circuito (id-circuito ?c)
(id-salidas $? ?t $?))
=>
(printout t "Circuito: " ?c
"
Salida: " ?t
"
Senyal: " ?senyal crlf) )
– 73 –
Realizar Consultas
•  Preguntar por las salidas que producen ciertas entradas:
–  Consulta a la BC
CLIPS> (reset)
CLIPS> (run)
Circuito: C Entrada: e1
Senyal: TRUE
Senyal: TRUE
Senyal: FALSE
–  Respuesta:
Circuito: C
Circuito: C
Senyal: FALSE
Senyal: TRUE
Salida: 11
Entrada: e2
– 74 –
Ejercicio
Suponga que se ha cargado la anterior Base de Conocimiento en CLIPS, y
que se ha configurado para que aplique la estrategia breadth (amplitud).
Suponga también que todos los hechos sobre conexiones se encuentran ya
en la MT, y que se han leído ya los señales en los terminales de entradas,
dando lugar a estos hechos
(estado-terminal
(estado-terminal
(estado-terminal
(estado-terminal
(estado-terminal
(estado-terminal
(id-elemento
(id-elemento
(id-elemento
(id-elemento
(id-elemento
(id-elemento
A2)
X2)
X1)
A1)
X1)
A1)
(id-terminal
(id-terminal
(id-terminal
(id-terminal
(id-terminal
(id-terminal
e1)
e2)
e2)
e2)
e1)
e1)
(senyal
(senyal
(senyal
(senyal
(senyal
(senyal
TRUE)
TRUE)
FALSE)
FALSE)
TRUE)
TRUE)
Simule algunos ciclos de razonamiento de CLIPS. ¿Qué se escribiría en
en pantalla? ¿Cuál es la funcionalidad del circuito C?
– 75 –
Modelar acciones
Para modelar la función expandir:
•  un estado se caracteriza por un hecho en la memoria de trabajo
•  reglas modelan acciones:
–  el antecedente representa las precondiciones
–  el consecuente modela el resultado de la acción
•  al disparar todas las reglas activadas por un estado, se obtienen los estados
sucesores
Implementación 1 (destructiva):
•  la regla borra el estado que la activaba, y sólo deja el estado actual en la
memoria
•  Problema:
–  no queda traza de los estados visitados
–  al no mantener los estados hermanos en la MT, no se puede dar marcha atrás
– 76 –
Modelar acciones
Implementación 2:
•  se mantienen todos los estados en la memoria (“árbol de búsqueda”)
•  las reglas aplicables en cada momento se encuentran en la agenda
(conjunto conflicto)
•  completo con estrategia “breadth” (amplitud)
Ejemplo:
•  dos jarras, con una capacidad de 3 litros (llamada Tres), y 4 litros (llamada Cuatro).
•  inicialmente Tres y Cuatro están vacías, y se intenta que haya 2l de agua en Cuatro
•  cualquiera de ellas puede llenarse con el agua de un grifo G.
•  el contenido tanto de Tres como de Cuatro puede vaciarse en una pila P.
•  es posible echar todo el agua de una jarra a la otra., pero no se dispone de
dispositivos de medición adicionales.
– 77 –
Modelar acciones
•  Llenar jarras del grifo
(defrule llenar-cuatro-del-grifo
?nodo <- (situacion
(litros-en-cuatro ?cuatro)
(litros-en-tres ?tres) )
(test (< ?cuatro 4))
=>
(assert (situacion (padre ?nodo)
(litros-en-cuatro 4)
(litros-en-tres ?tres))) )
(defrule llenar-tres-del-grifo
?nodo <- (situacion
(test (< ?tres 3))
=>
(duplicate ?nodo (padre ?nodo)
(litros-en-tres 3)) )
– 78 –
Modelar acciones
•  Vaciar jarras en la pila
(defrule vaciar-cuatro-en-pila
?nodo <- (situacion
(litros-en-cuatro ?cuatro) )
(test (> ?cuatro 0))
=>
(litros-en-cuatro 0)) )
(defrule vaciar-tres-en-pila
?nodo <- (situacion
(test (> ?tres 0))
=>
(litros-en-tres 0)) )
– 79 –
Modelar acciones
•  Llenar una jarra de la otra
(defrule llenar-cuatro-desde-tres
?nodo <- (situacion
(test (> (+ ?cuatro ?tres) 4))
(test (< ?cuatro 4))
=>
(litros-en-tres (- ?tres (- 4 ?cuatro))))) )
– 80 –
Modelar acciones
•  Llenar una jarra de la otra
(defrule llenar-tres-desde-cuatro
?nodo <- (situacion
(test (> (+ ?cuatro ?tres) 3))
(test (< ?tres 3))
=>
(bind ?nuevo-cuatro (- ?cuatro (- 3 ?tres)))
(litros-en-cuatro ?nuevo-cuatro)
(litros-en-tres 3))) )
– 81 –
Modelar acciones
•  Vaciar una jarra en la otra:
(defrule vaciar-tres-en-cuatro
?nodo <- (situacion
(test (<= (+ ?cuatro ?tres) 4))
(test (> ?tres 0))
=> (assert (situacion (padre ?nodo)
(litros-en-cuatro (+ ?tres ?cuatro))
(litros-en-tres 0)) ) )
(defrule vaciar-cuatro-en-tres
?nodo <- (situacion
(test (<= (+ ?cuatro ?tres) 3))
(test (> ?cuatro 0))
=> (assert (situacion (padre ?nodo)
(litros-en-tres (+ ?tres ?cuatro)) ) ) )
– 82 –
Ejercicio
Representación de acciones con reglas:
Aunque el número de estados para el problema de las
jarras el relativamente pequeño, existen muchos ciclos,
por lo que se genera un árbol de búsqueda bastante
grande
–  ¿Cómo se podrían modificar las reglas para evitar ciclos
simples?
–  ¿Cómo se podrían modificar las reglas para evitar todos
los ciclos?
– 83 –
Modelar cambio
¿Cómo representar acciones en el mundo de los bloques ?
C
A B
B
C A
C A B
A
B
C
Problema:
•  estados parcialmente caracterizados
–  sólo algunas propiedades del estado son relevantes
–  no se puede definir de antemano un deftemplate para estados
•  Solución:
–  hechos ordenados: asignar un nombre a cada estado, y añadirlo como
argumento a cada propiedad
–  p.e.: (on C A S0), (on A T S0), (on B T S0), (clear C S0),
(clear B S0),(clear T S0)
– 84 –
Modelar cambio: Axiomas de efecto
Reglas de efecto:
•  describir qué propiedades son relevantes para una acción
–  el antecedente describe las precondiciones para que se pueda realizar la
acción
–  el consecuente describe las nuevas propiedades (las que no se cumplen en
el estado actual S1, pero sí en el estado resultante S2)
(defrule efecto-move
(clear ?x ?s1)
(clear ?z&~?x ?s1)
(on ?x ?y&~?z ?s1)
=>
(bind ?s2 (gensym*))
(assert (on ?x ?z ?s2))
(assert (clear ?y ?s2))
(assert (clear T ?s2))
(assert (move ?s1 ?s2 ?x ?y ?z)) )
– 85 –
Modelar cambio: Axiomas de marco
Reglas de marco:
•  Problema:
–  las acciones sólo cambian algunas propiedades
–  la mayoría de las propiedades no es afectada por una acción
–  de momento no se puede deducir que después de poner C de A
sobre T en el estado s0, se cumple (on A T S1)
•  Solución:
–  describir qué propiedades no cambian con una acción
•  Reglas de marco:
–  reglas que indican qué propiedades no cambian
–  aquí: una reglas de marco para cada par propiedad/acción
– 86 –
Modelar cambio: Axiomas de marco
•  Regla de marco para clear:
(defrule marco-move-1
(move ?s1 ?s2 ?x ?y ?z)
(clear ?u&~?z ?s1)
=>
(assert (clear ?u ?s2)) )
•  Regla de marco para on:
(defrule marco-move-2
(move ?s1 ?s2 ?u ?v ?z)
(on ?x&~?u ?y ?s1)
=>
(assert (on ?x ?y ?s2)) )
– 87 –
Ejemplo de ejecución (Breadth): ciclo 0
•  Memoria de Trabajo
f-0
f-1
f-2
f-3
f-4
f-5
(initial-fact)
(on B T S0)
(on A B S0)
(on C A S0)
(clear C S0)
(clear T S0)
C
A
B
•  Agenda:
0 efecto-move: f-4,f-5,f-3
– 88 –
“move(C,A,T)”
Ejemplo de ejecución: ciclo 1
Se ejecuta la regla efecto: “cambios producidos por move(C,A,T) ”
f-0
f-1
f-2
f-3
f-4
f-5
(initial-fact)
(on B T S0)
(on A B S0)
(on C A S0)
(clear C S0)
(clear T S0)
f-6
f-7
f-8
f-9
(on C T gen1)
(clear A gen1)
(clear T gen1)
(move S0 gen1 C A T)
•  Agenda:
0 marco-move-1: f-9,f-4
– 89 –
“clear(C) persiste en gen1”
“on(B,T) persiste en gen1”
“on(A,B) persiste en gen1”
Se ejecuta la regla marco: “clear(C) persiste después de move(C,A,T) ”
f-0
f-1
f-2
f-3
f-4
f-5
(initial-fact)
(on B T S0)
(on A B S0)
(on C A S0)
(clear C S0)
(clear T S0)
f-6 (on C T gen1)
f-7 (clear A gen1)
f-8 (clear T gen1)
f-9 (move S0 gen1 C A T)
f-10 (clear C gen1)
•  Agenda:
– 90 –
“move(C,T,A) en gen1”
Se ejecuta la regla efecto: “on(B,T) persiste después de move(C,A,T) ”
f-0
f-1
f-2
f-3
f-4
f-5
(initial-fact)
(on B T S0)
(on A B S0)
(on C A S0)
(clear C S0)
(clear T S0)
f-6 (on C T gen1)
f-7 (clear A gen1)
f-8 (clear T gen1)
f-10 (clear C gen1)
f-11 (on B T gen1)
•  Agenda:
– 91 –
Se ejecuta la regla efecto: “on(A,B) persiste después de move(C,A,T)”
f-0
f-1
f-2
f-3
f-4
f-5
(initial-fact)
(on B T S0)
(on A B S0)
(on C A S0)
(clear C S0)
(clear T S0)
f-6 (on C T gen1)
f-7 (clear A gen1)
f-8 (clear T gen1)
f-10 (clear C gen1)
f-11 (on B T gen1)
f-12 (on A B gen1)
•  Agenda:
...
– 92 –
“move(A,B,C) en gen1”
“move(A,B,T) en gen1”
Se ejecuta la regla efecto: “cambios producidos por move(C,T,A)”
f-0
f-1
f-2
f-3
f-4
f-5
(initial-fact)
(on B T S0)
(on A B S0)
(on C A S0)
(clear C S0)
(clear T S0)
f-6 (on C T gen1)
f-13 (on C A gen2)
f-7 (clear A gen1)
f-14 (clear T gen2)
f-8 (clear T gen1)
f-15 (move gen1 gen2
C T A)
f-10 (clear C gen1)
f-11 (on B T gen1)
f-12 (on A B gen1)
•  Agenda:
0
0
0
0
0
0
efecto-move: f-7,f-10,f-12
efecto-move: f-7,f-8,f-12
marco-move-1: f-15,f-8
– 93 –
“move(A,B,C) en gen1”
“move(A,B,T) en gen1”
“clear(T) persiste en gen1”
“clear(C) persiste en gen1”
...

Tema 2 Sistemas Basados en Reglas - Grupo de Inteligencia Artificial

Transcripción

Documentos relacionados

DRL en RS4 de MXL - Audisport Ibérica

Project presentatiòn_ES - CLEAR