一种算子模糊逻辑系统及其Petri网推理算法

定义一种只带模糊文字以及模糊算子的模糊逻辑，讨论了该逻辑的λ-归结的相容性、完备性及其若干逻辑性质。为了实现算子模糊逻辑的归结推理，给出了算子模糊逻辑的Petri网模型：Horn型，进一步讨论了推理算法：T-不变量算法，得到了算法的完备性定理，最后用实例进行了验证。     

LP(X)中MP归结推理

首先讨论格值命题逻辑系统LP(X)中子句的规则型范式以及极简规则型子句集的形式,然后定义MP归结式以及(A,α)-归结演绎、α-逻辑推理以及α-不可满足,讨论了它们的一系列逻辑性质,最后证明了MP归结推理的可靠性以及弱完备性.     

格值命题逻辑系统中基于滤子的MP归结演绎

给出了格值命题逻辑系统中子句的极简规则型范式,定义了MP归结.结合格蕴涵代数中滤子的性质,对格值命题逻辑系统中基于滤予的MP归结演绎及其语义与语法性质进行了研究,证明了归结演绎的可靠性与完备性定理.为进一步研究格值逻辑的自动归结推理奠定了理论基础.     

格值命题逻辑系统L_(2n+1)P(X)中基于半正则广义文字的自动推理算法

在格值命题逻辑系统L2n+1P(X)上,提出了半正则的正广义文字和半正则的负广义文字的概念,进一步给出了半正则广义子句和半正则广义子句集的定义,详细地讨论了L2n+1P(X)上以中界元M为归结水平的半正则广义文字之间的M-归结性,最后,给出了L2n+1P(X)上基于半正则广义文字的归结水平为M的归结自动推理算法,并验证了其可靠性和完备性.     

子句集的神经网络归结

给出基于神经网络的归结方法。首先将子句集S表示为δ形式，并且用算子对(⊙， )引入两种类型的神经元；然后用这两种神经元构造子句集S的神经网络结构；而后给出基于子句集的神经网络的归结算法；最后证明了该算法的完备性，并用实例进行了验证。     

格值一阶逻辑LF(X)中α-广义语义归结方法的相容性

自动推理是人工智能的一个重要研究方向,基于归结原理的自动推理由于其易于在计算机上实现而受到广泛研究。为了提高基于格值逻辑的α-广义归结原理的效率,将删除策略应用于α-广义语义归结方法,研究了格值逻辑中删除策略和α-广义语义归结的相容性。首先证明了带有删除策略的α-广义语义归结的完备性;接着,给出了带有删除策略的α-广义语义归结算法,并证明了该算法的可靠性和完备性。     

一种矩阵归结方法

提出了一种新的归结方法一矩阵归结。结合归结原理的单文字、纯文字、分裂规则以及Petri网的T-不变量归结的思想，给出了几种矩阵归结策略，证明了它们的完备性。方法简单易行，大大降低了归结的复杂性，提高了归结效率。     

模糊命题逻辑系统的计量化

在模糊命题逻辑系统中提出了公式的随机真度的概念,证明了模糊命题逻辑系统中有效推理的随机真度关系定理。运用随机真度关系定理证明了逻辑算子,→的连续性,给出了公式间距离的计算方法。最后,在系统L*中提出了三种近似推理模式,并讨论了它们之间的关系。     

Boole算子Fuzzy逻辑

将算子Fuzzy逻辑建立在Boole代数上,从而提出了Boole算子Fuzzy逻辑(简称BOFL),并且在BOFL中引进了λ-归结推理方法,BOFL系统可以用于模糊知识的定性描述,并且BOFL更自然地将经典逻辑作为它的特例。     

二值命题逻辑中的极大命题集与完备命题集

系统讨论了二值命题逻辑系统中极大命题集与完备命题集,给出了两种命题集的等价描述和表示定理,揭示了极大命题集和完备命题集的深刻内涵和联系.