基于模型诊断学习3

今天老师讲的基于一致性的极小诊断，首先讲述了问题形式化问题，把实际问题符号化，从而把具体的事物用特定的语言符号表示，定义一个系统为三元组（SD，COMPS，OBS）。其中，SD是系统描述，是一阶谓词公式的集合。COMPS为系统组成部件集，是一个有限的常量集。OBS为一观测集，是一阶谓词公式的有限集。其中SD中包含结构描述和行为描述，结构描述包括部件特性和部件的拓扑连接关系，行为描述指的是正常的行为描述。基于一致性诊断（CBD）（Reiter）不要求能推出，只要求基CBD能解释当前的系统观测即可，基于一致性的极小诊断在集合的真包含关系上，如果集合C是基于一致性诊断，且C的任意真子集都不是基于一致性诊断，则C就是基于一致性的极小诊断。CBD对应于冲突部件集，MCBD对应于极小冲突部件集。de Kleer的基于一致性诊断和Reiter的相似，只是换了一种表示方法，Reiter的方法求得基于一致性诊断是部件集合的形式，而de Kleer是用D({{M1，...,Mk}，{Mk+1,...,Mn}})表示前一个集合是异常的部件，后一个集合是正常的部件。其实是一样的思想，只是表示方法不同。计算冲突部件集的三种方法：使用一定理证明器直接推倒（结果是AB子句的形式）；使用瑞出空子句的演绎反驳方法（在过程中添加部件的~AB，最后推出空子句，冲突部件集就是添加的~AB子句的部件的集合）；de Kleer在GDE系统中利用求本原蕴涵式的算法来计算极小冲突（传播值的同时又传播假设，当同一个部件值不同时，它的假设的合取就是极小冲突部件集）。候选产生的过程就是极小冲突部件集合中求碰集的过程，其中用到求碰集的方法，求一个集合簇的碰集就是求能覆盖集合簇中所有集合的集合，可能是多个，我们更加关心极小碰集，假如一个集合是给定集合簇的碰集，而它的任意真子集都不是集合簇的碰集，则该集合为集合簇的一个极小碰集，极小碰集也可能不唯一。碰集的计算方法下节见。