反向推理引擎（找到 foo(X) 为真的随机 X）答案

【问题标题】：A reverse inference engine (find a random X for which foo(X) is true)反向推理引擎（找到 foo(X) 为真的随机 X）
【发布时间】：2011-11-16 01:09:35
【问题描述】：

我知道像 Prolog 这样的语言允许您编写如下内容：

凡人（X）：- 人（X）。 % 所有的人都会死
人（苏格拉底）。 % 苏格拉底是个男人

?- 凡人（苏格拉底）。 % 苏格拉底会死吗？
是的

我想要的是这样的东西，但是倒过来了。假设我有这个：

凡人（X）：- 人（X）。
人（苏格拉底）。
人（柏拉图）。
人（亚里士多德）。

然后我要求它给我一个随机 X，其中 mortal(X) 为真（因此根据一些随机种子，它应该给我“苏格拉底”、“柏拉图”或“亚里士多德”之一）。

我的问题是：

编辑

正如下面有人指出的那样，您可以简单地询问 mortal(X)，它会返回所有 X，您可以从中简单地从列表中随机选择一个。但是，如果该列表非常庞大，可能有数十亿呢？显然在这种情况下，在选择一个之前生成所有可能的结果是不行的。

要了解这将如何成为一个实际问题，请想象一个简单的语法，它生成了一个形式为“形容词1 名词1 副词传递_动词形容词2 名词2”的随机句子。如果形容词、名词、动词等的列表非常大，你可以看到组合爆炸是一个问题。如果每个列表有 1000 个单词，那么您将有 1000^6 个可能的句子。

【问题讨论】：

【解决方案1】：

可以轻松实现随机的深度优先搜索策略，而不是 Prolog 的深度优先搜索。所需要做的就是在选择点随机化程序流，以便每次达到析取时都会选择搜索树上的一个随机极点（= prolog 程序）而不是第一个。

不过，请注意，这种方法并不能保证所有解决方案的可能性都相同。为了保证这一点，需要提前知道每个极点会产生多少个解，从而对随机化进行相应的加权。

【讨论】：

【解决方案2】：

我从未使用过 Prolog 或类似的东西，但从 what Wikipedia says on the subject 来看，询问

?- mortal(X).

应该列出所有mortal 为真的东西。之后，只需选择其中一个结果即可。

所以回答你的问题，

【讨论】：

啊，对。但是，问题在于它必须是随机结果，而 Prolog 系统每次都会以相同的顺序返回结果。虽然返回所有 X 并从列表中随机选择一个很简单，但如果有数十亿个可能的结果怎么办？

【解决方案3】：

我不认为您可以直接计算第 n 个解决方案，但您可以计算第 n 个第一个解决方案（n 个随机选择）并选择最后一个。当然，如果 n=10^(big_number)...

你也可以这样做

mortal(ID,X) :- man(ID,X).

man(X):- random(1,4,ID), man(ID,X).
man(1,socrates).
man(2,plato).
man(3,aristotle).

但问题是，如果不是每个人都是凡人，例如，如果 1000000 人中只有 1 人是凡人，那么您将不得不进行大量搜索。这就像通过尝试随机数直到找到一个来寻找方程的解。您可以开发某种启发式方法来找到接近数字的解决方案，但这可能会（负面地）影响随机性。

我怀疑没有办法更有效地做到这一点：您要么必须计算一组解决方案并选择一个，要么选择所有解决方案的超集中的一个成员，直到找到一个解决方案。但是不要相信我的话xd

【讨论】：