描述逻辑εLU概念及术语公理集的表达能力刻画

表达能力和推理复杂性是一个逻辑的两个重要特征,也是一对相互制约的关系.解释之间的互模拟关系是从语义的角度刻画逻辑表达能力的一个有效途径,其代表性的结果是命题模态逻辑表达能力的刻画定理——vanBenthem 刻画定理.给出了描述逻辑εLU（含构造子：原子概念、顶概念、概念交、概念并、完全存在约束）的模拟关系,建立了εLU中概念和术语公理集的表达能力刻画定理,即一阶逻辑公式与ELU中概念和术语公理集等价的充分必要条件.上述结果为寻求表达能力与推理复杂性之间的最佳平衡提供了有效的支持.     

面向语义Web语义表示的模糊描述逻辑

分析了语义Web语义表示理论的研究现状及存在的问题,提出了一种新的面向语义Web语义表示的模糊描述逻辑FSHOIQ(fuzzy SHOIQ).给出了FSHOIQ的语法和语义,提出了FSHOIQ的模糊Tableaux的概念,给出了一种基于模糊Tableaux的FSHOIQ的ABox约束下的可满足性推理算法,证明了可满足性推理算法的正确性.提出了FSHOIQ的TBox扩展和去除方法,并证明了FSHOIQ的TBox约束下的包含推理问题可以转化为ABox约束下的可满足性推理问题.FSHOIQ为语义Web表示和推理模糊知识提供了理论基础.     

描述逻辑εL混合循环术语集的LCS和MSC推理

分析了描述逻辑循环术语集的研究现状和存在的问题,在F.Baader工作的基础上进一步研究了描述逻辑εL混合循环术语集的LCS(least common subsumer)和MSC(most specific concept)推理问题.给出了εL混合循环术语集的语法和语义.针对εL混合循环术语集LCS和MSC推理的需要,提出了TBox-完全的概念,并重新定义了描述图.使用描述图和TBox-完全给出了最大不动点语义下εL混合循环术语集LCS和MSC的推理算法,证明了推理算法的正确性,并证明了推理算法是多项式时间复杂的.该推理算法为(L混合循环术语集的LCS和MSC推理提供了理论基础.     

基于扩展模糊描述逻辑的软件数值模型

表示复杂的数值关系是软件建模的难点:直接表示复杂的数值关系会导致极高的软件模型推理复杂性。提 出采用模糊函数近似表示复杂数值关系,然后将扩展模糊描述逻辑作为软件模型形式化基础的软件模型建模框架,该 框架包含3个核心问题:软件数值域模糊化、软件数值知识库构造和软件数值模型推理。在软件数值域模糊化方面提 出模糊化方法和保证充分性的近似原则;在软件数值知识库构造方面讨论在模糊概念的基础上生成截集概念、构造声 明和术语公理的步骤和过程;在软件数值模型推理方面研究算法设计优化和分割等算法实现机制。     

描述逻辑εL的二阶线性推理机制

基于描述逻辑的本体的保守扩充理论、模块抽取理论、通用模块构建理论及其相关算法是本体工程中本体构建、本体融合及重构的核心理论与工具.国际上该领域已有Lutz等人使用形式构模方法证明了ALC的保守扩充判定算法复杂度是二阶时间指数的,而轻量级的系统εL的算法复杂度是一阶时间指数的.但当前文献中的形式构模方法思路复杂,难以把握,几乎不能在实用的工程层面上实现.提出一种面向轻量级的描述逻辑系统家族（DL-Lite family）的统一的二阶线性推理机制,并给出该推理机制的完备性证明.该方法直观,思路清晰,从而在工程中容易实现.同时,该方法对εL,FL₀,FL_ε,vL等DL-Lite家族的所有系统都有效.在该线序推理系统下,可以根据“空间换时间”的原则,设计和实现关于保守扩充判定的图推理机制,其复杂性（相对于空间的大小）是多项式的.     

资源约束系统的控制与调度协同优化方法

对于一类通信约束的网络控制系统, 应用通信序列的概念和混合逻辑动态的构架, 将其建模成一类集成控制和调度的资源约束系统模型. 采用线性矩阵不等式来描述离散周期系统的周期通信序列和H_∞ 控制的协同优化问题, 并用一种递增优化序列算法来求解优化的调度策略及其相应的渐近稳定及r指数稳定的H_∞控制器. 该算法结合线性矩阵不等式凸优化问题解决了调度与控制的协同设计问题, 同时也节省了搜索优化解的计算时间.     

F-SHIQ公理体系及其OWL扩展

随着计算机和Internet的快速发展,语义网和描述逻辑在人工智能等领域扮演着越来越重要的角色。但在日常生活中,越来越多不确定的、不完整的知识需要解决,而现存的OWL只能表述确定的完整的概念和关系。为了能够表示和推理模糊知识,给出了一个基于描述逻辑SHIQ的全新的模糊描述逻辑公理体系——F-SHIQ公理体系,并以此公理体系为基础,扩展了OWL本体语言,能够描述和推理模糊知识。该文首先给出了系统详细的定义、公理、定理以及定理的证明;然后详述了如何用FSRL,即基于F-SHIQ的OWL扩展,来表示和推理模糊信息;最后通过一个例子来检验扩展语言的应用效果。     

一般术语公理下的模糊描述逻辑FALCN推理

分析了一般术语公理下推理的主要难点:在模糊解释中的隶属度不是离散值,而是区间[0,1]上的连续值.为解决该难点,提出了模糊描述逻辑FALCN下的模糊解释离散化方法,从而使解释中的隶属度都属于一个特殊的有限离散集合.基于该离散化方法,给出一般术语公理下FALCN推理问题的离散Tableau推理技术,包括离散Tableau的定义以及离散Tableau的构造算法,并证明了算法的正确性、完备性和复杂度.     

模糊描述逻辑FALNUI的tableaux推理

分析了模糊描述逻辑FALNUI与模糊ER模型的关系,即模糊ER模型可以转化为FALNUI的知识库,并且模糊ER模型的可满足性、冗余性和包含关系等推理问题可以转化为FALNUI的包含推理问题,但FALNUI缺乏相应的推理算法.提出了一种基于描述逻辑tableaux的FALNUI的可满足性推理算法,证明了该推理算法的正确性,以及提出了FALNUI的Tbox扩展和去除方法,证明了FALNUI的包含推理问题可以转化为可满足性推理问题,并给出了FALNUI的包含推理算法.FALNUI的tableaux推理算法为模糊ER模型的可满足性、冗余性和包含关系等自动推理的实现提供了理论基础.