程序性推理系统

在人工智能中，程序性推理系统（PRS）是一个构建实时推理系统的框架，可以在动态环境中执行复杂的任务。它是基于使用信念-欲望-意图软件模型的理性代理或智能代理的概念。一个用户应用的定义为主，提供给PRS系统的是一组知识领域。每个知识领域都是一段程序性知识，指定如何做某事，例如，如何沿着走廊导航，或如何规划路径（与机器人架构相反，程序员只是提供一个世界状态是什么以及代理的原始行动如何影响它们的模型）。这样的程序与PRS解释器一起，被用来控制代理。解释器负责维护关于世界状态的信念，选择下一步要尝试实现的目标，并选择在当前情况下应用哪个知识领域。

这些操作究竟如何进行，可能取决于特定领域的元级知识领域。与传统的人工智能计划系统不同，PRS在开始时就生成一个完整的计划，并在意外情况发生时重新规划，PRS将计划和在世界中的行动交织在一起。在任何时候，系统可能只有一个对未来的部分指定计划。PRS是基于智能代理的BDI或信仰-欲望-意图框架。信念包括代理对世界当前状态的真实看法，欲望包括代理的目标，而意图包括代理当前实现这些目标的计划。

SRI的PRS的系统结构包括以下部分。关于世界的信念的数据库，用一阶谓词微积分表示。系统要实现的目标，作为内部和外部状态描述（欲望）的时间间隔条件。知识领域（KA）或计划，定义了在特定情况下实现目标的低级行动序列。意图，包括那些已被选择用于当前和最终执行的KA。解释器或推理机制，管理系统。特点SRI的PRS是为动态和实时环境中的嵌入式应用开发的。因此，它特别解决了其他当代控制和推理架构的局限性，如专家系统和黑板系统。

保证反应和响应类型知识的程序性表示处理多个问题反应性和目标导向的行为关注的焦点反射推理能力连续的嵌入式操作处理不完整或不准确的数据处理瞬态建模延迟反馈操作者控制应用SRI的PRS的最初应用是NASA航天飞机上反应控制系统（RCS）的监测和故障检测系统。RCS从一组喷射推进器提供推进力，并控制航天飞机的高度。