问题求解
问题求解（英语：problem solving），从人工智能初期的智力难题、棋类游戏、简单数学定理证明等问题的研究中开始形成和发展起来的一大类解题技术，简称解题。机器定理证明（即自动演绎）已形成一门独立的分支学科。
解题技术主要包括问题表示、搜索和行动计划等内容。也有人对问题求解作更广泛的理解，即指为了实现给定目标而展开的动作序列的执行过程。这样，一切人工智能系统便都可归结为问题求解系统。
问题求解系统
问题求解系统一般由全局数据库、算子集和控制程序三部分组成。
①全局数据库：用来反映当前问题、状态及预期目标。所采用的数据结构因问题而异，可以是逻辑公式、语义网络、特性表，也可以是数组、矩阵等一切具有陈述性的断言结构。
②算子集：用来对数据库进行操作运算。算子集实际上就是规则集。
③控制程序：用来决定下一步选用什么算子并在何处应用。
解题过程可以运用正向推理，即从问题的初始状态开始，运用适当的算子序列经过一系列状态变换直到问题的目标状态。这是一种自底向上的综合方法。也可以运用逆向推理，即从问题的目标出发，选用另外的算子序列将总目标转换为若干子目标，也就是将原来的问题归约为若干较易实现的子问题，直到最终得到的子问题完全可解。这是一种自顶向下的分析方法。A.纽厄尔和H.A.西蒙在通用解题程序GPS中提出的手段-目的分析，则是将正向推理和逆向推理结合起来的一种解题技术。采用这种技术时，不是根据当前的问题状态而是根据当前状态和目标状态间的差异，选用最合适算子去缩小这种差异（正向推理）。如果当前没有一个算子适用，那末就将现时目标归约为若干子目标（逆向推理），以便选出适用算子，依此进行，直到问题解决为止。
人工智能许多技术和基本思想在早期的问题求解系统中便孕育形成，后来又有所发展。例如现代产生式系统的体系结构大体上仍可分为三部分。只是全局数据库采用了更复杂的结构（例如黑板结构）,用知识库取代了算子集,控制功能更加完善，推理技术也有所发展。
问题表示
有状态空间、问题归约、博弈问题、定理证明等表示方式。所有这些表示方式，都广泛采用数学上的有向图（包括树）作为描述手段。
状态空间表示
如果一个问题求解系统运用正向推理，而且每次算子对全局数据库操作后都生成一新状态，则该系统采用的解题方法就称状态空间表示法。
问题归约表示
问题归约有三个要素，即目标、算子集和基元问题集。
①目标：即问题的初始描述。
②算子集：用来将给定问题变换为若干子问题。
③基元问题集：已有解或其解十分明显可以直接描述的问题。
问题归约表示是同逆向推理联系在一起的。
博弈问题与定理证明问题的表示
以计算机为一方的棋类或其他游戏问题，常用对策树（或称博弈树）来表示，同一般与或树的主要差异是：对策树既要反映两个问题求解者的共同行动，又只能从一方的立场加以描述。定理证明的问题表示特点在于引入了一类多重输入单一输出的算子。
问题求解的基本技术除问题表示外，尚有搜索、行动计划和机器定理证明等方面。
参见
