实验目的
实验原理
产生式系统用来描述若干个不同的以一个基本概念为基础的系统，这个基本概念就是产生式规则或产生式条件和操作对。在产生式系统中，论域的知识分为两部分：用事实表示静态知识；用产生式规则表示推理过程和行为。
实验内容
首先建立事实库
事实库是程序开始的时候直接选择的，根据用户的需要选择，即要求用户选择球星的特征进行识别。如果未识别出来，则提示输入有误。
球星的特征如下：
球星特征
西部第八
西部第三
东部第四
东部第一
西部第一
火箭队
雷霆队
骑士队
热火队
勇士队
35号
13号
12号
30号
3号
23号
前锋
后卫
中锋
杜兰特
哈登
霍华德
库里
韦德
詹姆斯
建立静态规则库
即建立产生式规则，采用产生中间试试的方法，便于建立和使用规则。
为了方便设计，我们把要是别的球星限制在6个，这样所需的产生式规则就比较少，本算法一共有11种规则：
R1：如果是西部第八，则球星为火箭队。
R2：如果是西部第三，则球星是雷霆队。
R3：如果是东部第一，则球星是骑士队。
R4：如果是东部第四，则球星是热火队。
R5：如果是西部第一，则球星是勇士队。
R6：如果是雷霆队，且为35号且为前锋，则球星为杜兰特。
R7：如果是火箭队，且为13号且为后卫，则球星为哈登。
R8：如果是火箭队，且为12号且为中锋，则球星为霍华德。
R9：如果是勇士队，且为30号且为后卫，则球星为库里。
R10：如果是热火队，且为3号且为后卫，则球星为韦德。
R11：如果是骑士队，且为23号且为前锋，则球星为詹姆斯。
正向推导过程
从已知事实出发，通过规则库求得结论，或者成为数据驱动方式，推理过程为：
规则集中的规则前件与事实库中的事件进行匹配，得到符合要求的规则集，将规则集的后件替换到新的事实集作为一条新的事实集，重复这个过程，知道达到最终目标。
实验结果及分析
比如：西部第八 12号 中锋。则系统推理过程如下：
事实集为 西部第八 12号 中锋。
先从规则库中匹配R1，事实集变为 火箭队 12号 中锋。
再次匹配规则集R8，获得球星霍华德。
程序运行效果及关键代码
/**
* 初始化规则库
* 每条规则为一个数组
* 数组最后一个元素为结果，其余元素为条件
**/
ArrayList mRule1 = new ArrayList() { "西部第八", "火箭队" };
ArrayList mRule2 = new ArrayList() { "西部第三", "雷霆队" };
ArrayList mRule3 = new ArrayList() { "东部第一", "骑士队" };
ArrayList mRule4 = new ArrayList() { "东部第四", "热火队" };
ArrayList mRule5 = new ArrayList() { "西部第一", "勇士队" };
ArrayList mRule6 = new ArrayList() { "雷霆队", "35号", "前锋", "杜兰特" };
ArrayList mRule7 = new ArrayList() { "火箭队", "13号", "后卫", "哈登" };
ArrayList mRule8 = new ArrayList() { "火箭队", "12号", "中锋", "霍华德" };
ArrayList mRule9 = new ArrayList() { "勇士队", "30号", "后卫", "库里" };
ArrayList mRule10 = new ArrayList() { "热火队", "3号", "后卫", "韦德" };
ArrayList mRule11 = new ArrayList() { "骑士队", "23号", "前锋", "詹姆斯" };
for (int i = 0; i <= mR.Count - 2; i++)
{
bool t = ((IList)userChoose).Contains(mR[i]);
if (t)
{
zhong.Add(mR[i]);
ruleStr = ruleStr + "evidence('" + mR[i].ToString() + "')";
}
if (t && i == mR.Count - 2)
{
for (int j = 0; j < zhong.Count; j++)
{
userChoose.Remove(zhong[j]);
}
userChoose.Add(mR[mR.Count - 1]);
if (mR[mR.Count - 1].ToString() == "火箭队" || mR[mR.Count - 1].ToString() == "雷霆队" || mR[mR.Count - 1].ToString() == "骑士队" || mR[mR.Count - 1].ToString() == "热火队" || mR[mR.Count - 1].ToString() == "勇士队")
{
ruleStr = "itIs('" + mR[mR.Count - 1].ToString() + "'):-" + ruleStr;
}
else
{
ruleStr = "starIs(" + mR[mR.Count - 1].ToString() + "):-" + ruleStr;
}
zhong.Clear();
ruleStrs = ruleStrs +"\n"+ ruleStr ;
}
if (!t)
{
zhong.Clear();
ruleStr = "";
break;
}
}
实验总结
本系统的规则库是静态的，不能很好的进行增删改操作，这使得在规则的情况下不能及时改变，但是该系统已经能基本满足，对输入的事实给出相应的回答，判断是那个球星。理解了生产式系统结构原理与实际应用。能够掌握生产式规则表示及规则库组件的实现方法。熟悉和掌握了生产式系统的运行机制，掌握了基于规则推理的基本方法。
【版权声明】本博文著作权归作者所有，任何形式的转载都请联系作者获取授权并注明出处！
【重要说明】本文为本人的学习记录，论点和观点仅代表个人而不代表当时技术的真理，目的是自我学习和有幸成为可以向他人分享的经验，因此有错误会虚心接受改正，但不代表此刻博文无误！
【Gitee地址】秦浩铖：https://gitee.com/wjw1014