基于改进Rete算法的规则推理方法技术

本发明专利技术公开了基于改进Rete算法的规则推理方法，通过数据库技术和构建决策树模型混合的方式对Rete规则匹配算法进行改进，提出了基于改进Rete算法的规则推理方法。本发明专利技术针对构建Rete算法规则网络的过程中，不合理的规则条件排序会导致共享节点数量的减少，从而降低推理效率，且规则结论受较多因素影响时，强限制性条件的排序位置也会影响最终的推理效率等问题，提出了一种改进Rete算法的规则推理方法，能够简化规则推理过程，提高规则推理效率。提高规则推理效率。提高规则推理效率。

【技术实现步骤摘要】
基于改进Rete算法的规则推理方法


[0001]本专利技术属于智能制造领域，具体涉及一种基于改进Rete算法的规则推理方法。针对规则推理技术中的规则匹配部分，通过改进Rete规则匹配算法提高了其Rete规则网络的节点共享率并简化了Rete规则网络，规则推理效率能够得到有效提高。

技术介绍

[0002]规则推理是一种把某个领域专家的经验知识用计算机可识别的规则形式表示出来，计算机可通过这些规则自主解决新的问题，其求解问题的过程是一个从规则库中反复查找合适的规则并执行规则的过程。Rete规则推理算法在执行过程中会对大量的匹配状态进行保存，这一特点极大地减少了重复计算量。因此，大部分规则引擎是基于Rete算法作为核心。但是在构建Rete算法规则网络的过程中，在建立条件节点时，规则中条件的排列顺序决定了共享节点的数量，从而决定了每个条件进行连接操作的顺序，不合理的条件排序会导致共享节点数量的减少，增加推理系统的内存占用率，从而降低推理效率；并且遇到规则结论的影响因素较多的规则时，强限制性条件的排序位置也会影响最终的推理效率，若将强限制性条件放在靠后位置，会造成大量的无效匹配。
[0003]为提高Rete规则网络的节点共享率，并对规则网络结构进行优化，使规则推理效率得到有效提高，本专利技术提出了一种基于改进Rete算法的规则推理方法。

技术实现思路

[0004]本专利技术的目的是提供一种基于改进Rete算法的规则推理方法，利用数据库和决策树模型混合的方式对Rete规则匹配算法进行改进，以实现提高Rete规则网络的节点共享率并对网络结构进行优化，从而提高规则推理效率。
[0005]一种基于改进Rete算法的规则推理方法，包括以下步骤：
[0006]步骤1：通过数据库的方式对规则条件进行重新排序。
[0007]步骤1.1：对数据库中的每个规则库建立其对应的条件库，提取规则库中每条规则的前提条件存入条件库中。计算条件库中每个条件出现的频率，并将其按频率由高到低进行排序。
[0008]步骤1.2：将规则库每条规则中的前提条件重新排序。根据条件库中每个条件的先后顺序，对规则库每条规则中的前提条件进行重排序。条件库中排序靠前的条件，需要放在规则中的靠前位置。
[0009]步骤2：通过计算信息熵的方式构建规则决策树模型。
[0010]步骤2.1：通过步骤1的条件排序操作后，将规则库中的规则组成分为前提条件和类别两大部分。
[0011]步骤2.2：计算信息熵的原始公式表示如下：
[0012][0013]其中，p(x
i
)表示随机事件X为x
i
的概率。
[0014]首先计算类别信息熵，类别信息熵表示的是所有规则样本中各种结论类别出现的不确定性之和。后续的条件信息熵和条件的分裂信息量都由此公式计算得到。
[0015]步骤2.3：计算条件信息熵，条件属性的信息熵越大，表示这个属性中拥有的样本结论类别越不一致。
[0016]步骤2.4：计算信息增益，信息增益＝类别信息熵
‑
条件信息熵，它表示的是信息不确定性减少的程度。
[0017]步骤2.5：计算条件的分裂信息量。
[0018]步骤2.6：计算信息增益率，信息增益率＝信息增益/分裂信息量。
[0019]步骤2.7：选取信息增益率最大的条件最为强限制性条件。
[0020]步骤2.8：重复步骤2.2至2.7操作，计算判断其他条件的限制性排序。
[0021]步骤2.9：根据各条件的限制性排序构建规则决策树。
[0022]步骤3：通过决策树模型确定限制性条件对Rete规则网络的结构进行优化。
[0023]根据步骤2建立的规则决策树，优化数据库中规则的前提条件，过滤掉前提条件中的冗余条件，简化Rete规则网络，提高规则推理效率。
[0024]本专利技术的有益效果是：针对规则推理中构建Rete规则网络时，前提条件排序的不合理导致共享节点数量减少以及前提条件中的冗余条件影响推理效率等问题，利用数据库和决策树模型混合的方式对Rete算法进行改进，提出了一种基于改进Rete算法的规则推理方法，以实现提高Rete规则网络的节点共享率并对网络结构进行优化，从而提高规则推理效率。
附图说明
[0025]图1为条件排序改进前的Rete规则网络图。
[0026]图2为条件排序改进后的Rete规则网络图。
[0027]图3为浇口形式决策树。
[0028]图4为利用决策树改进前的Rete规则网络图。
[0029]图5为利用决策树改进后的Rete规则网络图。
具体实施方式
[0030]下面结合说明书附图详细描述本专利技术的技术方案：
[0031]步骤1：通过数据库的方式对规则条件进行重新排序。
[0032]步骤1.1：
[0033]建立规则条件库，统计条件库中每个条件出现的频率。采用SQL数据库的方式对规则库建立其对应的条件库，提取规则库中每条规则的前提条件存入条件库中。
[0034]当规则库中存有2条规则Rule1和Rule2，4个条件C1、C2、C3和C4，Rule1 由条件C1、C2、C3构成，Rule2由条件C1、C2、C4构成，规则条件排列顺序如下：
[0035]Rule1：IF C1∪C2∪C3 THENA1
[0036]Rule2：IF C4∪C1∪C2 THENA2
[0037]条件C1和C2出现频率最高，故条件库中条件的排序为C1、C2、C3、C4。
[0038]步骤1.2：
[0039]将规则库每条规则中的前提条件重新排序。根据条件库中每个条件的先后顺序，对规则库每条规则中的前提条件进行重排序。初始规则中Rule2 C4、C1、C2的条件排序不合理，需要将条件C1和C2放在规则中的靠前位置，即Rule2 C1、 C2、C4。
[0040]规则条件排序改进前构建Rete规则网络如图1所示，改进后构建Rete规则网络如图2所示。由图1和图2可以直观地得到，规则中条件的排列顺序会直接影响到Rete规则网络中Beta节点的数量。在图2中规则条件顺序安排合理的情况下，Beta节点得到了有效共享，减少了规则网络所占用的内存空间，最终使 Rete算法匹配更加高效。
[0041]步骤2：通过计算信息熵的方式构建规则决策树模型。
[0042]本专利技术通过构建决策树的方式进行强限制性条件的确定和简化规则的前提条件，在此基础上建立的Rete规则网络更加简化且高效。利用决策树进行强限制性条件的判断与选取，并根据强限制性条件进行规则拆分，简化Rete规则网络的结构。
[0043]以模具结构设计中的浇口形式设计为例，对构建决策树的过程进行详细介绍。浇口形式设计规则如表1所示。
[0044]表1浇口形式规则表
[0045][0046]步骤2.1：
[0047]将规则库中规则的组成分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进Rete算法的规则推理方法，其特征在于，利用数据库和决策树模型混合的方式对Rete规则匹配算法进行改进，从而达到提高规则推理效率的目的，该方法的实现包括如下3个步骤：步骤1：通过数据库的方式对规则条件进行重新排序；步骤2：通过计算信息熵的方式构建规则决策树模型；步骤3：通过决策树模型确定限制性条件对Rete规则网络的结构进行优化。2.根据权利要求1所述的基于改进Rete算法的规则推理方法，其特征在于，步骤1结合数据库技术针对规则条件排序混乱导致Rete规则网络共享节点减少的问题，通过建立规则条件库并计算条件出现频率高低的方式对规则库中的条件进行重新排序，条件库中排序靠前的条件，需要放在规则中的靠前位置，有效地提高Rete规则网络的节点共享率。3.根据权利要求1所述的基于改进Rete算法的规则推理方法，其特征在于，步骤2利用计算信息熵的方式，将规则组成分为前提条件和类别两大部分，通过计算类别信息熵、条件信息熵和条件的分裂信息量并考虑信息增益率进行构建规则决策树。4.根据权利要求1所述的基于改进Rete算法的规则推理方法，其特征在于，步骤3中利用规则决策树的方式确定规则中的强限制性条件，利用强限制性条件过滤掉规则中的初始条件信息，减少Rete规则网络中的临时匹配结果，提高Rete算法规则匹配的速率。5.根据权利要求1所述的基于改进Rete算法的规则推理方法，其特征在于，步骤1中，步骤1.1：对数据库中的每个规则库建立其对应的条件库，提取规则库...

【专利技术属性】
技术研发人员：初红艳，刘志健，李卓然，董可，东岳峰，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：