Tema02 SBR

II.
Razonamiento con conocimiento preciso
Tema 2
Sistemas Basados en Reglas
Sistemas Basados en el Conocimiento
Grado en Ingeniera Informtica
Razonamiento con conocimiento preciso
Tema 2. Sistemas Basados en Reglas
Descripcin
CLIPS
Ejemplos
Tema 3. Repaso de Lgica

Tema 4. Web Semntica y Web de Datos
Referencias
Inteligencia Artificial Mtodos y Tcnicas.

D. Borrajo, N. Juristo, V. Martnez-Orga, J. Pazos.
Editorial Centro de estudios Ramn Areces. 1997
Sistemas expertos representacin e inferencia problemas resueltos.
A. Fernndez. Dykinson (URJC). 2010
Problemas resueltos de inteligencia artificial aplicada: bsqueda y
representacin.
Fernndez, S.; Gonzlez, J.; Mira, J. Addison-Wesley Iberoamericana. 1998.
Ingeniera del Conocimiento. Aspectos Metodolgicos.
A. Alonso, B. Guijarro, A. Lozano, J. T. Palma, M. J. Tabeada.
Pearson Prentice Hall. 2004
CLIPS:
Sistemas expertos: principios y programacin (3 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

DEFINICIN
conjunto de sentencias en un LRC
mecanismo de inferencia automtica
<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 solucin
Determina cmo se aplican las reglas
BASE DE REGLAS
Representa conocimientos sobre la solucin
del problema en forma de producciones
Base de Hechos
Hechos:
estructuras de datos: aserciones sobre objetos/situaciones etc.

representamos hechos como listas de smbolos
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 solucin)
cambia con el proceso de inferencia
Estado inicial: situacin inicial
Estado final: situacin final
Estado intermedio: situacin actual o en curso de resolucin
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 caractersticas que siempre se dan en el problema
Ejemplo: (bloque A) (bloque B) (clear T)
temporal: hechos variantes

cambian durante el proceso de la solucin del problema
Ejemplo: (on A B) (on B T) (clear A)
Modificacin de la BH:
aadir hechos a la BH
borrar hechos de la BH
Base de Reglas
Regla:
Representa una parte del conocimiento sobre la solucin del problema
Sintaxis: SI <Premisas> ENTONCES <Acciones>
Antecedente, LHS
Ejemplo Regla R1:
Consecuente, RHS
SI (hombre Socrates)
ENTONCES aadir(mortal Socrates)
Semntica:
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 aadir (mortal Socrates) a
la BH
Base de Reglas (BR):

conjunto de reglas: agrupa el conocimiento sobre la solucin del problema
La BH describe el problema, la BR da informacin para resolverlo
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 aadir(mortal ?x)
Regla R3: SI (padre ?x ?y) (padre ?y ?z)
ENTONCES aadir(ancestro ?x ?z)
Semntica:
Una variable puede ligarse con cualquier constante de un hecho en la
misma posicin
Una variable ha de ligarse al mismo valor en toda la regla
Ntese:
slo las reglas pueden contener variables, no los hechos
cualquier variable del consecuente ha de ligarse anteriormente en el
antecedente
8
Motor de inferencia
Mecanismo automtico 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 (ingls: forward chaining)
Soluciones
intermedias
BH inicial
Consulta
(BH final)
BR
Encadenamiento hacia atrs (ingls: 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:
Deteccin de reglas aplicables
(determinacin del conjunto conflicto)
Paso 2:
Seleccin de una regla aplicable
(resolucin del conjunto conflicto)
Paso 3:
Aplicacin de una regla y
actualizacin de la BH
(disparo de la regla)
11
Ciclo de Inferencia: Deteccin de reglas aplicables

Equiparacin:
Seleccin del conjunto de reglas candidatas para dispararse, las que son
compatibles con la BH (instancias de reglas aplicables o activadas)
BH
(enfermedad Pepe pulmn) (enfermedad ?persona corazn)
(enfermedad Juan corazn)
(enfermedad Mara corazn)
(enfermedad Juan corazn), ?persona=Juan
(edad Pepe 18)
(enfermedad Mara corazn), ?persona=Mara
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: Seleccin de una regla aplicable

Estrategias de seleccin:
Establecer un orden de preferencia en la aplicacin de las reglas
Preferencia basada en las reglas
prioridad explcita: asignar valores de prioridad a cada regla

prioridad implcita: orden de de las reglas en la BR (Prolog)
refraccin: historia de una regla (la ms/menos disparada)
especificidad: preferir la reglas con ms/menos condiciones
Preferencia basada en las instancias de reglas

la ms antigua en el conjunto conflicto (estrategia de amplitud)
la ms nueva en el conjunto conflicto (estrategia de profundidad)
Preferencia basada en objetos

seleccin de reglas que se aplican a los objetos ms recientes
prioridad explcita: asignacin de prioridades a los patrones ms comunes
de la BH
Combinaciones de las diferentes preferencias

13
Ciclo de Inferencia: Aplicacin y actualizacin 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 aadir y
borrar elementos de la primera
La BH nueva se tomar 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 ms reglas aplicables en el conjunto conflicto
cuando el consecuente de una regla ejecuta un comando de parada
(regla de terminacin, puede codificar la consulta)
14
Ejemplo de inferencia hacia adelante en BC de reglas

CONSULTA: (perro Tucky)?
BASE DE HECHOS BH1

(animal Tucky)
(animal Pioln)
(esqueleto Pioln si)
(esqueleto Tucky si)
(ladra Tucky)
BASE DE REGLAS
Regla R1:
SI (animal ?A)
(esqueleto ?A si)
ENT aadir (vertebrado ?A)
Motor de inferencia
Regla R2:
SI
(animal ?A)
(esqueleto ?A no)
ENT aadir (invertebrado ?A)
Ciclo1
R1,?A=Tucky
R1,?A=Pioln
(animal Tucky)
(animal Pioln)
(ladra Tucky)
(vertebrado Tucky)
Regla R3:
SI
(vertebrado ?A)
(ladra ?A)
ENT aadir (perro ?A)
15

BASE DE HECHOS BH2
(animal Tucky)
(animal Pioln)
(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=Pioln
R3, ?A=Tucky
(animal Tucky)
(animal Pioln)
(ladra Tucky)
(vertebrado Tucky)
(vertebrado Pioln)
Regla R3:
SI
(vertebrado ?A)
(ladra ?A)
16

BASE DE HECHOS BH3
(animal Tucky)
(animal Pioln)
(ladra Tucky)
(vertebrado Tucky)
(vertebrado Pioln)
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=Pioln
R3, ?A=Tucky
(animal Tucky)
(animal Pioln)
(ladra Tucky)
(vertebrado Tucky)
(vertebrado Pioln)
(perro Tucky)
Regla R3:
SI
(vertebrado ?A)
(ladra ?A)
17
BASE DE HECHOS BH4
Ciclo de Inferencia: Aspectos de Implementacin

Problema:
Ineficiencia del mecanismo de inferencia debido a la fase 1
(determinacin del conjunto conflicto)
en cada ciclo se equiparan todas las reglas con todos los elementos de
la MT para construir el nuevo conjunto conflicto
Solucin: 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 ejecucin del sistema de

produccin mediante un compilador.
18
RETE (Redundancia Temporal)

Red de nodos (RETE)
En cada ciclo de funcionamiento, las acciones modifican
Memoria de Trabajo (inclusin 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 1 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 1 una c?
es 3 una d?
es 2 una b?
es 4 una e?
es 4 una f?
Nodo de unin si
3 izda = 2 dcha
Nodo de unin si
3 izda = 2 dcha
Informar de
cambios en R7
Informar de
cambios en R8
20
Diseo de BCs: Errores frecuentes

Una regla NO es una estructura if-then-else
SI condicion1
condicion2
...
ENTONCES
acciones1
EN CASO CONTRARIO
acciones2
QU HACER?
Identificar las condiciones que no se cumplen para la
ejecucin 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
QU 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 decisin
SI condicion1 , condicion2 ...
ENTONCES
acciones1
SI condicion4 ...
ENTONCES
acciones2
QU HACER?
Introducir sealizadores que provoquen la ejecucin prioritaria de
reglas con tales elementos
No olvidar borrar los sealizadores
Ri: SI condicion1 , condicion2 ...
ENTONCES acciones1
aadir 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
QU HACER?
Introducir sealizadores que provoquen la ejecucin de Rj
No olvidar borrar los sealizadores al ejecutar la regla Rj
24

BR
Regla R1:
SI (envio ?e ?origen ?destino)
(dia-entrega ?e hoy)
(coste ?e ?coste)
ENTONCES
aadir(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 envo es nico
SOLUCIN: 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)
aadir (coste ?e ?coste+10)
Motor de inferencia
Ciclo1
?e=E1
?origen=Madrid
?destino=Barcelona
?coste=7
(coste E1 7)
BH
PROBLEMA: Bucle infinito

SOLUCIN:
Introducir sealizadores,
Utilizar nuevo hecho (coste-final)
26
(envio E1 Madrid Barcelona)

(coste E1 7)
(coste E1 17)
Caractersticas de la Representacin del Conocimiento

Ventajas
Representacin prxima a la forma de proceder de los expertos
Sintaxis simple y homognea
Permite seguimiento del proceso de deduccin
Inconvenientes
Conocimiento procedimental y heurstico
Dificultad para verificar la consistencia de la BC
27
Descripcin
CLIPS
Ejemplos
...
28
Qu 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
implementacin eficiente del encadenamiento hacia delante
Facilidades adicionales
diferentes estrategias de resolucin de conflictos

adicin dinmica de reglas
sistema de mantenimiento de verdad
lenguaje orientado a objetos: COOL (Clips Object-Oriented Language)
Extensiones:
fcilmente embebible en aplicaciones en C, FORTRAN, Java, ...

disponible en diversas plataformas (MS-DOS/Windows, Unix)
extensiones para Lgica Borrosa (FuzzyCLIPS)
JESS: versin en Java que usa el sistema de objetos correspondiente
29

1. Descripcin
2. CLIPS
1. Base de Hechos
2. Base de Reglas
3. Motor de Inferencia
3. Ejemplos
30
CLIPS: Base de Hechos

Terminologa
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 posicin de la informacin en el hecho es relevante
informacin tipada: smbolos, 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 informacin 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 patrn deftemplate
Ejemplo:
(cliente
(cliente
(clase
(nombre Juan Prez)

(id 33435))
(id 33435)
(nombre Juan Prez))
(aula "III-002")
(profesor Alberto Fernndez)
(alumnos))
33

Hechos iniciales:
los hechos iniciales, se definen con la estructura deffacts
ejemplo1:
(deffacts hechos-600
informacin del 600
(modelo 600)
(puertas 2) )
ejemplo2:
(deffacts OtrosHechos
(cliente (nombre Juan Prez) (id 33435))
(cliente (nombre Rosa Gmez) (id 33436)) )
por defecto existe el hecho inicial (initial-fact)

los hechos iniciales se aadirn a la MT al hacer reset
34

Indices de hechos (etiquetas temporales, time-tags)
CLIPS genera para cada hecho un ndice relativo al tiempo de su creacin:
Al primer hecho creado le corresponde la etiqueta temporal 0 :
f-0 (initial-fact)
Ejemplo: Si (ladra perro) es el segundo hecho aadido 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 nica y simplificada cada hecho
Saber el tiempo que lleva un hecho en la memoria de trabajo
35

Ordenes bsicas de manejo de la MT
(facts)
Lista los hechos de la MT
(assert <hecho>) Aade (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:
Aade initial-fact
Aade el conocimiento inicial definido con deffacts
Aade las variables globales con su valor inicial
Fija como mdulo principal el mdulo 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. Descripcin
2. CLIPS
1. Base de Hechos
2. Base de Reglas
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)
Semntica
=>
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
equiparacin con hechos concretos en la MT
Ejemplos:
(defrule encontrar-dato
(dato 1 azul rojo)
=>)
(defrule encontrar-Roberto
(persona (nombre Roberto) (edad 20))
=>)
41

Equiparacin 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 equiparacin
Conjunto Conflicto={R1(f-1)}
La ejecucin 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 equiparacin
Conjunto Conflicto={R1(f-1)}
La ejecucin de la regla introduce en la MT a (CD)
42

Patrones: Comodines
patrones genricos 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

Equiparacin con comodines
cada par hecho-comodn puede dar lugar a una instanciacin
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 comodn repetido puede tener valores diferentes

44

Patrones: Variables
patrones genricos que equiparan con diferentes hechos
almacenan valores de campos para usarlos posteriormente
?x : variable de valor nico
$?x : variable multivalor (cero, uno o ms valores)
Ejemplos:
(dato ?x ?y ?z)=>)
(dato ?x $?y ?z)=>)
45

Equiparacin con variables
Una variable que aparece dos o ms 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 ningn hecho en la MT
que equipara con <patron>
Ejemplo:
(defrule volar
(pajaro ?x)
(not (avestruz ?x))
=>
(assert (vuela ?x))
)
Hiptesis del mundo cerrado:

todo lo que no se encuentra en la MT es falso
47
Equiparacin 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 est (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 (<expresin booleana>))
forma ms general para comprobar el cumplimiento de una condicin
Expresiones booleanas se construyen en notacin prefija sobre:
Funciones de comparacin
Numrica: =, <>, <, >, >=, <=
Cualquier tipo: eq, neq
Funciones lgicas: 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 equiparacin de variables
restricciones conectivas con constantes:
Sintaxis: ?x&<valor>
Semntica:?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>)
Semntica:
?x equipara slo 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>)
Semntica:
?x equipara con cualquier valor si slo si <expr.booleana> es true
<expr.booleana> tambin 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 matemticas
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 ms 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. Descripcin
2. CLIPS
1. Base de Hechos
2. Base de Reglas
3. Ejemplos
56
CLIPS: Motor de inferencia

Algoritmo de seleccin de reglas aplicables en CLIPS
1. elegir la regla aplicable con mxima prioridad
2. elegir regla segn estrategia de resolucin 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)))
recomendacin: minimizar el uso de prioridades de reglas

57
Motor de inferencia: Estrategias de resolucin del CC

Estrategias de resolucin de conflictos (I):
Depth Strategy (estrategia por defecto)
Una activacin ms reciente se sita por encima de las activaciones con
igual o mayor antigedad
Breadth Strategy
Una activacin ms reciente se sita por debajo de las activaciones con
igual o mayor antigedad
Complexity Strategy
Las nuevas activaciones se sitan por encima de las activaciones con
igual o menor especificidad
Simplicity Strategy
Las nuevas activaciones se sitan por encima de las activaciones con
igual o mayor especificidad
58
Motor de inferencia: Estrategias de resolucin del CC

Especificidad en CLIPS
nmero de comparaciones que deben realizarse en el antecedente de la
regla
Se suma uno a la especificidad por cada:
Comparacin con una constante
Comparacin con una variable previamente asignada (ligada a un valor)
Llamada a funcin que forme parte de una premisa de test o de una
utilizacin del valor de retorno de una funcin (:,=), 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 resolucin 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 nmero de time-tag se aaden
ceros al final
Si igual entonces se elige la ms especfica
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 slo el primer patrn que equipara en la
regla (si es el mismo se usa LEX)
Ejemplo: R1
Random Strategy
A cada activacin se le asigna un nmero aleatorio para determinar su
orden en la agenda.
60
Descripcin
CLIPS
Ejemplos
61
Diseo de BCs
Proceso:
Definir el modelo:
conceptualizar el mundo: qu es importante?
p.e.: bloques, mesas, posicin vertical relativa de los bloques
Definir la ontologa:
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 descripcin del caso especfico (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
and2
or1
and1
Circuito C
63
El mundo de los circuitos

Definir el modelo:
caractersticas relevantes
circuitos, puertas binarias, tipos de puertas binarias (and, or, xor), terminales de
puertas/circuitos, conexiones entre terminales, seales, seales en las terminales, ...
caractersticas irrelevantes
rutas de las lneas, posicin de las puertas, tamao de las puertas etc.
Definir la ontologa:
Puertas: patrn no ordenado puerta
Identificacin puerta: slot id-puerta
Tipo de puertas: slot tipo
Terminales: slots id-entrada-1, id-entrada-2, id-salida
Circuito: patrn circuito

Identificacin circuito: slot id-circuito
Terminales: multislots id-entradas, id-salidas
Conexiones entre terminales: patrn ordenado conexin/4

Seales: valores booleanos TRUE y FALSE
Seales en las terminales: patrn no ordenado estado-terminal
64
Declaracin parcial de la Ontologa

Declaracin 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 seales 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 seales 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 seales 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 tambin que todos los hechos sobre conexiones se encuentran ya
en la MT, y que se han ledo ya los seales 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. Qu se escribira en

en pantalla? Cul es la funcionalidad del circuito C?
75
Modelar acciones
Para modelar la funcin 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 accin
al disparar todas las reglas activadas por un estado, se obtienen los estados
sucesores
Implementacin 1 (destructiva):
la regla borra el estado que la activaba, y slo 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 atrs
76
Modelar acciones
Implementacin 2:
se mantienen todos los estados en la memoria (rbol de bsqueda)
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 estn vacas, 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 medicin 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
Representacin de acciones con reglas:

Aunque el nmero de estados para el problema de las
jarras el relativamente pequeo, existen muchos ciclos,
por lo que se genera un rbol de bsqueda bastante
grande
Cmo se podran modificar las reglas para evitar ciclos
simples?
Cmo se podran modificar las reglas para evitar todos
los ciclos?
83
Modelar cambio
Cmo representar acciones en el mundo de los bloques ?
C
A B
B
C A
C A B
A
B
C
Problema:
estados parcialmente caracterizados
slo algunas propiedades del estado son relevantes
no se puede definir de antemano un deftemplate para estados
Solucin:
hechos ordenados: asignar un nombre a cada estado, y aadirlo 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 qu propiedades son relevantes para una accin
el antecedente describe las precondiciones para que se pueda realizar la
accin
el consecuente describe las nuevas propiedades (las que no se cumplen en
el estado actual S1, pero s 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 slo cambian algunas propiedades
la mayora de las propiedades no es afectada por una accin
de momento no se puede deducir que despus de poner C de A
sobre T en el estado s0, se cumple (on A T S1)
Solucin:
describir qu propiedades no cambian con una accin
Reglas de marco:
reglas que indican qu propiedades no cambian
aqu: una reglas de marco para cada par propiedad/accin
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 ejecucin (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 ejecucin: ciclo 1

Se ejecuta la regla efecto: cambios producidos por move(C,A,T)
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)
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 despus de move(C,A,T)
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)
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 despus de move(C,A,T)
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)
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

move(C,T,A) en gen1

Se ejecuta la regla efecto: on(A,B) persiste despus de move(C,A,T)
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)
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(C,T,A) en gen1
move(A,B,C) en gen1
move(A,B,T) en gen1

Se ejecuta la regla efecto: cambios producidos por move(C,T,A)
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)
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
...

Tema02 SBR

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Tema02 SBR

Caricato da

Copyright:

Formati disponibili

II.

Razonamiento con conocimiento preciso

Razonamiento con conocimiento preciso

Tema 2. Sistemas Basados en Reglas

Tema 3. Repaso de Lgica

Inteligencia Artificial Mtodos y Tcnicas.

Sistemas Basados en Reglas

mecanismo de inferencia automtica

Razona con el conocimiento del

estructuras de datos: aserciones sobre objetos/situaciones etc.

Base de hechos (BH):

temporal: hechos variantes

Ejemplo Regla R1:

Base de Reglas (BR):

Ciclo de Inferencia: Deteccin de reglas aplicables

puede haber varias instancias de la misma regla en el conjunto conflicto

Ciclo de Inferencia: Seleccin de una regla aplicable

prioridad explcita: asignar valores de prioridad a cada regla

Preferencia basada en las instancias de reglas

Preferencia basada en objetos

Combinaciones de las diferentes preferencias

Ciclo de Inferencia: Aplicacin y actualizacin de la BH

Parada del mecanismo de inferencia:

Ejemplo de inferencia hacia adelante en BC de reglas

BASE DE HECHOS BH1

Ejemplo de inferencia hacia adelante en BC de reglas

CONSULTA: (perro Tucky)?

Ejemplo de inferencia hacia adelante en BC de reglas

CONSULTA: (perro Tucky)?

BASE DE HECHOS BH4

Ciclo de Inferencia: Aspectos de Implementacin

La red RETE se genera al principio de la ejecucin del sistema de

RETE (Redundancia Temporal)

Compartir partes comunes

R7: SI (a b ?x) (c ?x d e ?y) ENT ...

Diseo de BCs: Errores frecuentes

Diseo de BCs: Errores frecuentes

Diseo de BCs: Errores frecuentes

Rj: SI S, condicion4 ...

Diseo de BCs: Errores frecuentes

Diseo de BCs: Errores frecuentes

BH (envio E1 Madrid Barcelona)

BH (envio E1 Madrid Barcelona)

Diseo de BCs: Errores frecuentes

BH (envio E1 Madrid Barcelona)

PROBLEMA: Bucle infinito

(envio E1 Madrid Barcelona)

Caractersticas de la Representacin del Conocimiento

Sistemas Basados en Reglas

Tema 2. Sistemas Basados en Reglas

diferentes estrategias de resolucin de conflictos

fcilmente embebible en aplicaciones en C, FORTRAN, Java, ...

Sistemas Basados en Reglas

Tema 2. Sistemas Basados en Reglas

CLIPS: Base de Hechos

Hechos ordenados (ordered facts)

CLIPS: Base de Hechos

Se permite una cadena de caracteres como comentario (opcional)

CLIPS: Base de Hechos

hechos que instancian los patrones deftemplate

(nombre Juan Prez)

CLIPS: Base de Hechos

por defecto existe el hecho inicial (initial-fact)