基于格值命题逻辑系统LP(X)的多元α-归结原理的注记

进一步深入研究了基于格蕴涵代数的格值命题逻辑系统LP(X)的多元α-归结原理的基本理论,给出了基于LP(X)的多元α-归结演绎中参与多元α-归结的广义文字个数随着归结演绎的推进而动态变化的基本原则;对基于LP(X)的多元α-归结原理的有效性进行了一定分析,这为建立基于LP(X)的多元α-归结方法以及构造多元α-归结算法奠定了理论基础.     

格值一阶逻辑LF(X)中的α-语义归结方法

自动推理是人工智能的一个重要研究方向,基于归结原理的自动推理因易于在计算机上实现而得到广泛研究。语义归结是对归结原理的一种改进,它利用限制参与归结子句类型和归结文字顺序的方法来提高推理效率。为了提高基于格蕴涵代数的格值逻辑的α-归结原理的效率,将语义归结策略应用于α-归结原理。首先给出了格值一阶逻辑系统中的α-语义归结概念和α-语义归结演绎概念,接着讨论了格值一阶逻辑系统的α-语义归结方法,并证明了其可靠性和条件完备性,最后通过实例说明了其有效性。     

语言真值格值命题逻辑中的α-语义归结方法

语言值智能信息处理是人工智能的一个重要研究方向,基于归结原理的自动推理因易于在计算机上实现而得到广泛研究。为了提高基于语言真值格值逻辑的α-归结原理的效率,将语义归结策略应用于α-归结原理,研究了基于格值逻辑的归结自动推理方法。首先给出了语言真值格值命题逻辑系统的α-语义归结与L_nP(X)中相应归结水平的语义归结之间的等价性,并通过实例说明其有效性。接着,给出了语言真值格值命题逻辑系统的α-语义归结算法,并证明了该算法的可靠性和完备性。     

基于格值一阶逻辑LF（X）的自动推理算法

基于谓词逻辑的归结推理方法是目前理论上较为成熟、可以在计算机上实现的推理方法之一。针对格值一阶逻辑LF(X)中归结自动推理问题,以格值一阶逻辑LF(X)的α-归结原理为理论基础,通过对例子进行分析,提出了LF(X)中简单广义子句集的归结自动推理算法,并证明了该算法的可靠性和完备性。     

格值语义归结推理方法

归结自动推理是人工智能领域的一个重要研究方向,语义归结方法是对归结原理的一种改进,它利用限制参与归结子句类型和归结文字顺序的方法来提高推理效率。基于格蕴涵代数的格值逻辑系统的二归结原理提供了一种处理带有模糊性和不可比较性信息的工具,它能对格值逻辑系统中在一定真值水平下的不可满足逻辑公式给出反驳证明。首先研究了格值逻辑系统上一类广义子句集的性质,该类子句集在任意赋值下能分为两个非空子集,接着讨论了这类广义子句集的语义归结方法,并证明了其可靠性和完备性。     

命题逻辑中非子句α-有序线性广义归结方法

为了处理在不确定性环境下的自动演绎,重点研究了基于自动推理理论的归结方法,其自动推理理论是真值定义在格蕴涵代数（lattice implication algebra,LIA）结构上格值逻辑系统中的。在已有的确定真值水平α二元归结研究的基础上,作为其继续研究和扩展,引入了基于格值命题逻辑系统LP( X )的非子句多元α-有序线性广义归结方法和演绎,这从本质上避免了一个非子句广义归结演绎到规范子句的形式。随后,得到LP( X )中的非子句多元α-有序线性广义归结演绎是可靠和完备的。该研究工作为格值命题逻辑中基于自动推理的归结提供了一个更有效的方法。     

语言真值格值命题逻辑系统中广义文字的归结判定

自动推理是人工智能研究的一个重要内容,基于归结原理的自动推理是自动推理研究的重要分支。基于语 言真值格蕴涵代数的格值逻辑系统能处理带有可比较项和不可比较项的信息或知识,为自动推理研究提供了严格的 逻辑基础。给出了语言真值格蕴涵代数纷相似文献   

动态模糊逻辑（DFL）的归结策略

主要讨论DFL谓词描述下的归结推理方法,它是一种机器化的可在计算机上加以实现的推理方法。首先介绍DFL命题下结方法。最后介绍DFL的归结原理及方法。     

四值非链格值命题逻辑系统L4P(X)的语义归结方法*

为了提高归结方法处理带有不可比较性信息的能力,给出了四值格值命题逻辑系统上的语义归结原理,并证明了其可靠性和完备性,其上归结原理的研究为归结算法的实现提供了理论基础,从而为处理含有不可比真值的格值逻辑系统在智能推理系统中的实际应用提供了有力的支持。     

使用XML的一阶谓词逻辑归结原理

归结原理(resolution principle)是计算机自动推理的重要原理之一.将XML加入到使用归结原理的证明过程中,利用XML结构与语义自描述的特性,简化归结过程的计算机实现,并给出相应基于XML的算法.     

使用XML的一阶谓词逻辑归结原理

归结原理（resolution principle)是计算机自动推理的重要原理之一。将XML加入到使用归结原理的证明过程中，利用XML结构与语义自描述的特性，简化归结过程的计算机实现，并给出相应基于XML的算法。     

直觉模糊逻辑的（α,β）-广义锁归结方法

归结方法是定理自动证明的重要工具。为了简化直觉模糊命题逻辑的归结过程,基于直觉模糊命题逻辑归结原理的一般形式,提出了子句(αβ)-可满足和(αβ)-归结式的概念。研究了广义子句与其归结式的可满足性。在直觉模糊命题逻辑系统中给广义子句配锁,规定在做归结时各子句中被消去文字在该子句中的序号最小,由此建立了(αβ)-广义锁归结方法,并证明了该方法的可靠性和完备性。给出了直觉模糊逻辑的广义锁归结算法步骤,并通过实例说明了该方法的有效性。     

格值命题逻辑系统中广义文字的正规性

基于格蕴涵代数的格值命题逻辑系统能定性地刻画不可比较性和不精确性。广义文字是该系统中α-归结自动推理的核心概念,是α-归结中的最基本单元。公式的正规性是α-归结原理中保持完备性的重要条件,其语义性质是公式形式的重要反映。从语义角度研究了广义文字的正规性,给出了两种典型正规公式F1→F2和(F1→F2)'的真值情况。为讨论广义文字的形式及其α-可归结性提供了理论基础。     

中介谓词逻辑一种改进的语义解释及λ-归结

潘给出的中介谓词逻辑系统MF的无穷值语义解释,不同于MF的其他任何语义解释。但在该无穷值语义解释下,“当A fuz时~A真”这种情况并未得到反映,并且该解释在模糊知识推理中必须作适当的修改才能更符合客观思维。给出了中介谓词逻辑系统MF一种真值域为（0,1－λ）[∪]（1－λ,λ）[∪]（λ,1）（λ[∈]（0.5,1））的无穷值语义解释,重新定义了MF的文字,提出了一种新的MF的λ-归结原理,证明了其完备性。该解释进一步表明用中介逻辑作为模糊知识的表示与推理的工具是可行的。     

一阶逻辑知识库的检测

本文提出的方法是以Loveland的MESON一阶逻辑定理证明过程为基础,用于一阶逻辑规则知识库的冗余性和不一致性的检测.知识库的规则可包含非真、或及if-and-only-if规则.系统以交互形式从正、反向推理研究知识库规则增加时的变化.     

基于一阶逻辑的非否认协议模型

为了将密码协议的非否认性和公平性统一在一个框架之下更好地进行分析，提出了一套适用于分析非否认性和公平性的一阶逻辑语法和语义。在此基础上建立了一个用于分析非否认性和公平性的一阶逻辑模型，并以Fair ZG非否认协议为例进行了分析，发现了该协议的一个已知攻击，证明了模型的有效性和正确性。     

命题逻辑提升到一阶逻辑上的子句消去方法

在基于命题逻辑的可满足性问题（SAT）求解器和基于一阶逻辑的定理证明器上，子句集简化一直是必不可少的步骤，而其中子句消去方法在这些子句集简化方法中是非常重要的组成部分。将命题逻辑中的子句消去方法归结隐藏恒真消去方法（RHTE）和归结隐藏包含消去方法（RHSE）提升到一阶逻辑上，并且利用蕴含模归结原则（IMR）证明了这种提升方式在一阶逻辑上具有可靠性（Soundness），即依据这两种子句消去方法删除一阶逻辑公式集中的子句，并不会改变公式集的可满足性或者不可满足性。此外，将这两个方法与一阶逻辑子句消去方法锁子句消去方法（BCE）和归结包含消去方法（RSE）进行组合推广，发展得到一阶逻辑上新型子句消去方法（BC+RHS）E、（RS+RHT）E和（RHS+RHT）E，并且证明了这3种子句消去方法在一阶逻辑上的可靠性。最后，分析比较了这些子句消去方法的有效性，并且证明了这3种新型子句消去方法比组成它们的原始子句消去方法均具有更高的有效性。     

基于一阶逻辑的GIService服务发现

针对GIService服务发现,提出了基于一阶逻辑的GIService服务描述与匹配方法。使用一阶逻辑工具描述服务接口、运行条件和程序逻辑等GIService特征,提出基于描述逻辑与霍尔规则相似度计算的GIService服务匹配方法。实验案例证明,基于一阶逻辑的GIService服务发现可以全面表达GIService特征,得到更加准确的服务匹配结果。     

基于一阶逻辑的RDF模型的研究

XML为互联网应用提供了语法互操作性统一标准,而资源描述框架RDF定义了支持语义互操作的框架模型。作为RDF数据模型的类型系统,资源描述框架模式RDFS定义了一套扩充新的建模原语及其语义约束的机制。由于整个互联网语义化过程都以RDF模型为底层的模型支持,RDF数据模型及其类型系统的形式化程度直接影响和制约着更高层次上的语言和模型的形式化能力和推理能力。文章首先对RDFS类型系统做了非形式化分析,然后基于一阶逻辑定义了一套RDFS类型系统中对应类层次模型、类-实例模型和核心概念约束模型的事实-规则集。