摘要：针对归纳逻辑程序设计中学习子句所遇到的较大搜索空间问题,提出子句模板的概念.用遗传算法先学习子句模板,再结合标记矩阵和按信息增益抽样的方法将其转化为子句.设计了相应的适应度函数及遗传算子.理论分析与实验对比表明,该算法可有效缩小搜索空间,提高学习效率,并且可以学习递归子句,是一种有效的子句学习算法.

摘要：Markov逻辑网(MLN)是一种重要的统计关系模型,目前其学习问题主要采用确定性的优化方法,所求的解不够简洁、易陷入局部极值.针对这些问题,本文定义谓词模板、子句模板以缩小搜索空间,提出一种采用子句模板编码的遗传算法来学习MLN结构,并用粒子群算法学习MLN的权参数.文中设计了适应度函数和相应的遗传算子,保证算法不断向好的逻辑子句结构进化.理论分析与实验结果都表明本文的算法可以学习到较优解.