前向链

前向链（或前向推理）是使用推理引擎时的两种主要推理方法之一，在逻辑上可以描述为反复应用模因。前向链是专家系统、商业和生产规则系统的一种流行的实施策略。与前向链式相反的是后向链式。前向链从现有的数据开始，使用推理规则来提取更多的数据（例如从最终用户那里），直到达到一个目标。使用前向链的推理引擎搜索推理规则，直到找到一个已知前因（If条款）为真的规则。当找到这样的规则时，引擎可以得出结论，或推断出结果（Then子句），从而为其数据增加新的信息。推理引擎将通过这个过程进行迭代，直到达到一个目标。

假设目标是得出一个叫Fritz的宠物的颜色，考虑到他会呱呱叫和吃苍蝇，而规则库包含以下四个规则。如果X呱呱叫，X吃苍蝇--那么X是青蛙如果X鸣叫，X唱歌--那么X是金丝雀如果X是青蛙--那么X是绿色如果X是金丝雀--那么X是蓝色让我们按照计算机评估规则的模式来说明前向链。假设有以下事实。

弗里茨吃苍蝇通过前向推理，推理引擎可以通过一系列的步骤得出弗里茨是绿色的。1.由于基本事实表明Fritz会呱呱叫，Fritz吃苍蝇，所以用Fritz代替X，就满足了规则#1的前因，推理引擎得出结论。弗里茨是一只青蛙2.然后通过用Fritz代替X来满足规则#3的前置条件，推理引擎得出结论。弗里茨是绿色的前向链的名称来自于这样一个事实：推理引擎从数据开始，通过推理得出答案，而反向链则相反。在推导过程中，规则的使用顺序与反向链相反。在这个例子中，规则2和4没有被用于确定弗里茨是绿色的。由于数据决定了哪些规则被选择和使用，这种方法被称为数据驱动，与目标驱动的后向链式推理相反。前向链式推理方法经常被专家系统采用，如CLIPS。前向链法比后向链法的优点之一是，接收新的数据可以触发新的推理，这使得引擎更适合于条件可能改变的动态情况。