产生式系统
产生式系统（英语：production systems），构造知识型系统和建立认知模型时常用的知识表示的形式系统。1943年E.波斯特首先将他提出的一种计算形式体系命名为产生式系统。50年代末期，A.纽厄尔和H.A.西蒙在研究人类问题求解的认知模型时也使用了产生式系统这一术语。产生式系统现代已成为研制人工智能系统时采用的最典型的体系结构之一。
产生式规则
产生式规则，简称产生式。它是指形如α─→β或IFαTHENβ或其等价形式的一条规则,其中α称为产生式的左部或前件；β称为产生式的右部或后件。①如果α、β分别代表需要注视的一组条件及其成立时需要采取的行动，那么称为条件-行动型产生式；②如果α、β分别代表前提及其相应的结论,那么称为前提-结论型产生式。人工智能中的推理很多是建立在直观经验基础上的不精确推理，而产生式在表示和运用不精确知识方面具有灵活性，因此许多专家系统采用产生式系统为体系结构。
产生式系统的组成
根据认知心理学对人处理信息的模型研究,产生式系统由产生式集合、全局数据库（环境数据结构）和控制程序（解释程序）三个基本部分组成。①产生式集合：模拟人脑的长期记忆(LTM),存放相对稳定的长期知识，构成知识库。②全局数据库：或称环境数据结构，模拟人脑的短期记忆(STM),用来存放表示有关工作环境的动态数据条款。③控制程序：或称解释程序，对产生式的选用和整个系统的工作进行控制的子系统。
产生式系统的工作方式
产生式是系统的单元程序，它与常规程序不同之处在于，产生式是否执行并不在事前硬性规定，各产生式之间也不能相互直接调用，而完全决定于该产生式的作用条件能否满足，即能否与全局数据库的数据条款匹配。因此在人工智能中常将产生式称为一种守护神(demon),即“伺机而动”之意。另一方面，产生式在执行之后工作环境即发生变化，因而必须对全局数据库的条款作相应修改，以反映新的环境条件。全部工作是在控制程序作用下进行的。现代产生式系统的一个工作循环通常包含匹配、选优、行动三个阶段。匹配通过的产生式组成一个竞争集，必须根据选优策略在其中选用一条,当选的产生式除了执行规定动作外,还要修改全局数据库的有关条款。因此现代产生式系统的控制程序常按功能划分为若干程序。
产生式系统的推理方向
产生式系统的推理分为正向推理和逆向推理。正向推理指的是从现有条件出发，自底向上地进行推理（条件的综合），直到预期目标实现。逆向推理则从预期目标出发，自顶向下地进行推理（目标的分析），直到符合当前的条件。运用逆向推理时，后件而不是前件引导产生式的搜索工作，因此按推理方向可将产生式系统分为前件驱动和后件驱动两种类型。条件－行动型产生式系统采用前件驱动的工作方式。
产生式系统的优缺点
产生式系统的优点是：①模块性,每一产生式可以相对独立地增加、删除和修改；②均匀性，每一产生式表示整体知识的一个片段，易于为用户或系统的其他部分理解；③自然性，能自然地表示直观知识。它的缺点是执行效率低，此外每一条产生式都是一个独立的程序单元，一般相互之间不能直接调用也不彼此包含，控制不便，因而不宜用来求解理论性强的问题。
