Rete算法基本知识

一、 rete概述

1.Rete

Rete算法是一种前向规则快速匹配算法，是一个用于产生式系统的高效模式匹配算法，其匹配速度与规则数目无关。

注：Rete是拉丁文，对应英文是net，也就是网络。

2.产生式规则

产生式规则是一种常用的知识表示方法，它以"IF-THEN"的形式表现了因果关系。
例如

以上一些产生式规则，给出"有奶"、“嚼反”、“长脖子”、“长腿”、"身上有暗斑点"条件（也称为事实 facts），就可以求解出问题的答案是“长颈鹿”。

3.产生式规则系统结构

在介绍Rete算法之前，简单介绍以下产生式规则系统的结构。如图所示，规则存储于产生式内存(Production Memory)，需要评估的事实(facts)被插入工作内存(Working Memory)中，在其中被修改或撤出。一个含有大量规则和事实的系统可能导致在一次事实评估中，多条规则为真，这种情形被称为冲突。代理(Agenda)将使用冲突解决策略管理冲突规则的执行顺序。

二、相关概念

2.1 事实（fact）：
事实：对象之间及对象属性之间的多元关系。为简单起见，事实用一个三元组来表示：（identifier ^attribute value）
2.2 规则（rule）:
由条件和结论构成的推理语句，当存在事实满足条件时，相应结论被激活。一条规则的一般形式如下：
(name-of-this-production
LHS /one or more conditions/
–>
RHS /one or more actions/
)
其中LHS为条件部分，RHS为结论部分。

2.3 模式（patten）：
模式：规则的IF部分，已知事实的泛化形式，未实例化的多元关系。

三、RETE网络节点

RETE网络示意图，RETE网络主要分为两个部分，alpha网络和beta网络。

1.节点类型

• 根节点 Root Node：所有对象进入网络的入口，在一个网络只有一个根节点。
• 单输入节点：可分为ObjectTypeNode, AlphaNode, LeftInputAdapterNode等。
• 双输入节点：Beta节点。
• 终端节点 TerminalNode：到达一个终端节点，表示单条规则匹配了所有的条件。

2.ObjectTypeNode

从根节点进入Rete网络后，会立即进入ObjectTypeNode节点，ObjectTypeNode提供了按对象类型过滤对象的能力（用于选择事实的类型，将符合本节点类型的事实向后继的alpha节点传播）。如下图，Cheese类型的事实进入网络后，只需经过Cheese ObjectTypeNode之后的节点。

3.AlphaNode

alpha节点主要进行同对象类型内属性的约束或常量测试。如下图，评估了Cheese事实的name和strength属性值。AlphaNode之间是串行的，即只要其中一个节点不满足，事实就被过滤掉了。

4.LeftInputAdapterNode节点

LeftInputAdapterNode的作用是输入一个对象，传播为一个单对象列表（元组）。

5.BetaNode

beta节点主要根据不同对象之间的约束,如“ｐ.name＝＝c.friend”，“ｐ.age＞cat.age”等进行连接操作。beta节点又分为join节点、Not节点等。Join节点包括两种输入，左部输入事实列表，称为元组（Tuple），右部输入一个事实对象，对象与元组在Join节点按照类型间约束进行Join操作，将符合的事实加入元组中继续传入下一个beta节点。如图所示，JoinNode的左输入为一个经过LeftInputAdapterNode传播后的列表，右输入为一个Person对象

6.Terminal节点

到达一个终端节点，表示单条规则匹配了所有的条件，网络中有多个终端节点。当单条规则中有or时，也会产生多个终端节点。

四、创建Rete网络

1.RETE算法通过构建一个网络进行匹配，具体过程如下：

1. 创建root节点（根节点），推理网络的入口。
2. 拿到规则1，从规则1中取出模式1（模式就是最小的原子条件）。
   a) 检查模式1中的参数类型，如果是新类型，添加一个类型节点（ObjectTypeNode）。
   b) 检查模式1对应的Alpha节点是否存在，如果存在记录下节点的位置；如果没有，将模式1作为一个Alpha节点加入到网络中。同时根据Alpha节点建立Alpah内存表。
   c) 重复b，直到处理完规则1中的所有模式。
   d) 组合Beta节点：Beta(2)左输入节点为Alpha(1)，右输入节点为Alpha(2)；Beta(i)左输入节点是Beta(i-1),右输入节点为Alpha(i)，并将两个父节点的内存表内联成为自己的内存表
   e) 重复d，直到所有Beta节点处理完毕
   f) 将动作Then部分封装成最后节点做为Beta（n）
3. 重复2，直到所有规则处理完毕

2.举例

rule “规则1：账户余额小于100”
when
$account:Account(balance<100)
then
print(“账户余额小于100”);
end

rule “规则2：账户余额小于100的姓张的学生卡”
when
$account:Account(balance<100,type=Account.Type.学生)
$customer:Customer(firstName = ‘zhang’,accounts contains $account)
then
print(“账户余额小于100的姓张的学生卡”);
end

rule “规则3：账户余额小于100的北苑路姓张的学生”
when
$account:Account(balance<100,type=Account.Type.学生)
$customer:Customer(firstName = ‘zhang’,accounts contains $account)
$addr:Addr(street=“北苑路”,customers contains $customer)
then
print(“账户余额小于100的北苑路姓张的学生”);
end

3.运行时执行流程分析

推理引擎在进行模式匹配时，为每一个事实建立WME（Working Memory Element），然后将WME从Rete网络的Root Node开始匹配，因为WME传递到的结点类型不同采取的算法也不同，所以需要对alpha结点和beta结点处理WME的不同情况而分开讨论。

1. 如果WME的类型和Root Node的后继结点TypeNode（alpha结点的一种）所指定的类型相同，则会将该fact保存在该TypeNode对应的alpha存储区中，该WME被传到后继结点继续匹配，否则会放弃该WME的后续匹配。
2. 如果WME被传递到alpha结点，则会检测WME是否和该结点对应的module相匹配。若匹配成功，则会将该fact保存在该alpha结点对应的存储区中，该WME被传递到后继结点继续匹配，否则会放弃该WME的后续匹配。
3. 如果WME被传递到beta结点的右端，则会加入到该beta结点的right存储区，并和left存储区中的Token进行匹配。若匹配成功，则会将该WME加入到Token中，然后将Token传递到下一个结点。
4. 如果Token被传递到beta结点的左端，则会加入到该beta结点的left存储区，并和right存储区中的WME进行匹配。若匹配成功，则该Token会封装匹配到的WME形成新的Token，传递到下一个结点，否则会放弃该Token的后续匹配。
5. 如果WME被传递到beta结点的左端，将WME封装成仅有一个WME元素的WME列表做为Token，然后按照步骤4所示的方法进行匹配。
6. 如果Token传递到Terminal Node，则和该Root Node对应的规则被激活，并存储到Agenda当中，等待激发。
7. 如果WME被传递到Terminal Node，将WME封装成仅有一个WME元素的WME列表做为Token，然后按照6所示的方法进行匹配。

注：工作存储区元素（Working Memory Element，简称WME）：是存储区储存的最小单位，WME是为事实建立的元素，是用于和非根结点代表的模式进行匹配的元素；Token：是WME的列表，包含有多个WME。

五、Rete算法的不足

1. 存在状态重复保存的问题，比如匹配过模式1和模式2的事实要同时保存在模式1和模式2的节点缓存中，将占用较多空间并影响匹配效率。
2. rete的一个主要缺点就是不适合处理快速变化的数据和规则。
3. rete算法使用了alpha内存存储已计算的中间结果, 以牺牲空间换取时间, 从而加快系统的速度。然而当处理海量数据与规则时，beta内存根据规则的条件与事实的数目而成指数级增长, 所以当规则与事实很多时, 会耗尽系统资源。
4. 规则引擎不能处理缺失的数据及模糊的逻辑。这种场合下，算法变得很脆弱。

参考链接：
产生式规则和Rete算法解析
规则匹配——Rete 算法原理及实现