規則引擎研究（一）——Rete演算法（1）

這是一個建立於 的文章，其中的資訊可能已經有所發展或是發生改變。

RETE演算法介紹
一、 rete概述
Rete演算法是一種前向規則快速匹配演算法，其匹配速度與規則數目無關。Rete是拉丁文，對應英文是net，也就是網路。Rete演算法通過形成一個rete網路進行模式比對，利用基於規則的系統的兩個特徵，即時間冗餘性（Temporalredundancy）和結構相似性（structuralsimilarity），提高系統模式比對效率。
二、 相關概念
2.1  事實（fact）：
事實：對象之間及對象屬性之間的多元關係。為簡單起見，事實用一個三元組來表示：（identifier ^attribute value），例如如下事實：
w1:(B1  ^ onB2)    w6:(B2  ^color blue)
w2:(B1  ^ onB3)    w7:(B3  ^left-of B4)
w3:(B1  ^ colorred)   w8:(B3 ^on table)
w4:(B2  ^ontable)   w9:(B3  ^color red)
w5:(B2  ^left-of B3)
2.2  規則（rule）:
由條件和結論構成的推理語句，當存在事實滿足條件時，相應結論被啟用。一條規則的一般形式如下：
(name-of-this-production
LHS /*one or more conditions*/
-->
RHS /*one or more actions*/
)
其中LHS為條件部分，RHS為結論部分。
下面為一條規則的例子：
(find-stack-of-two-blocks-to-the-left-of-a-red-block
(^on)
(^left-of)
(^color red)
-->
...RHS...
)
2.3  模式（patten）：
模式：規則的IF部分，已知事實的泛化形式，未執行個體化的多元關係。
(^on)
(^left-of)
(^color red)
三、 模式比對的一般演算法
規則主要由兩部分組成：條件和結論，條件部分也稱為左端（記為LHS,left-hand side），結論部分也稱為右端（記為RHS, right-handside）。為分析方便，假設系統中有N條規則，每個規則的條件部分平均有P個模式，工作記憶體中有M個事實，事實可以理解為需要處理的資料對象。
規則匹配，就是對每一個規則r,判斷當前的事實o是否使LHS(r)=True，如果是，就把規則r的執行個體r(o)加到衝突集當中。所謂規則r的執行個體就是用資料對象o的值代替規則r的相應參數，即綁定了資料對象o的規則r。
規則匹配的一般演算法：
1) 從N條規則中取出一條r；
2) 從M個事實中取出P個事實的一個組合c；
3)用c測試LHS(r)，如果LHS(r（c）)=True，將RHS(r（c）)加入衝突集中；
4) 取出下一個組合c，goto 3；
5) 取出下一條規則r，goto 2；
四、 RETE演算法
Rete演算法的編譯結果是規則集對應的Rete網路,如。Rete網路是一個事實可以在其中流動的圖。Rete網路的節點可以分為四類：根節點（root）、類型節點（typenode）、alpha節點、beta節點。其中，根結點是一個虛擬節點，是構建rete網路的入口。類型節點中儲存事實的各種類型，各個事實從對應的類型節點進入rete網路。

4.1 建立rete網路
Rete網路的編譯演算法如下：
1) 建立根；
2) 加入規則1(Alpha節點從1開始，Beta節點從2開始)；
a.取出模式1，檢查模式中的參數類型，如果是新類型，則加入一個類型節點；
b.檢查模式1對應的Alpha節點是否已存在，如果存在則記錄下節點位置，如果沒有則將模式1作為一個Alpha節點加入到網路中，同時根據Alpha節點的模式建立Alpha記憶體表；
c. 重複b直到所有的模式處理完畢；
d. 組合Beta節點，按照如下方式：
　　　Beta(2)左輸入節點為Alpha(1)，右輸入節點為Alpha(2)
　　　Beta(i)左輸入節點為Beta(i-1)，右輸入節點為Alpha(i) i>2
 並將兩個父節點的記憶體表內聯成為自己的記憶體表；
e. 重複d直到所有的Beta節點處理完畢；
f.將動作（Then部分）封裝成分葉節點（Action節點）作為Beta(n)的輸出節點；
3) 重複2)直到所有規則處理完畢；
可以把rete演算法類比到關係型資料庫操作。
把事實集合看作一個關係，每條規則看作一個查詢，將每個事實綁定到每個模式上的操作看作一個Select操作，記一條規則為P，規則中的模式為c1,c2,…,ci,Select操作的結果記為r(ci),則規則P的匹配即為r(c1)◇r(c2)◇…◇(rci)。其中◇表示關係的串連（Join）操作。

4.2 使用rete網路進行匹配
使用一個rete的過程：
1) 對於每個事實，通過select操作進行過濾，使事實沿著rete網達到合適的alpha節點。
2) 對於收到的每一個事實的alpha節點，用Project(投影操作)將那些適當的變數綁定分離出來。使各個新的變數綁定集沿rete網到達適當的bete節點。
3) 對於收到新的變數綁定的beta節點，使用Project操作產生新的綁定集，使這些新的變數綁定沿rete網路至下一個beta節點以至最後的Project。
4) 對於每條規則，用project操作將結論執行個體化所需的綁定分離出來。

下面為的圖示顯示了串連（Join）操作和投影（Project）的執行過程。

4.3 Rete演算法的特點
Rete演算法有兩個特點使其優於傳統的模式比對演算法。
1、狀態儲存
事實集合中的每次變化，其匹配後的狀態都被儲存再alpha和beta節點中。在下一次事實集合發生變化時，絕大多數的結果都不需要變化，rete演算法通過儲存操作過程中的狀態，避免了大量的重複計算。Rete演算法主要是為那些事實集合變化不大的系統設計的，當每次事實集合的變化非常劇烈時，rete的狀態儲存演算法效果並不理想。
2、節點共用
另一個特點就是不同規則之間含有相同的模式，從而可以共用同一個節點。Rete網路的各個部分包含各種不同的節點共用。