原文地址：http://sophieling.iteye.com/blog/837926算法
最近在研读Jena的推理机源代码，Jena推理机的实现主要也是用的RETE算法，因此研究了RETE算法的基本流程。RETE算法是由Forgy在他的论文《A Fast Algorithm for the Many Pattern/Many Object Pattern Match Problem》中提出的。网络
1 RETE算法的基本思想
RETE算法是一个用于产生式系统的高效模式匹配算法。在一个产生式系统中，被处理的数据叫作working memory，用于断定的规则分为两个部分LHS（left-hand-side）和RHS（right hand side），分别表示前提和结论。主要流程能够分为如下步骤：ide
（1）Match：找出符合LHS部分的working memory集合spa
（2）Confilict resolution：选出一个条件被知足的规则orm
（3）Act：执行RHS的内容blog
（4）返回1 get
RETE算法主要改进Match的处理过程，经过构建一个网络进行匹配。
2算法详细描述it
RETE网络主要分为两个部分，alpha网络和beta网络。以下图所示。io
（1）alpha网络：过滤working memory，找出符合规则中每个模式的集合，生成alpha memory（知足该模式的集合）。有两种类型的节点，过滤type的节点和其余条件过滤的节点（我以为这两种是依照须要设定的，也并不必定须要两种节点）。table
（2）Beta网络：有两种类型的节点Beta Memory和Join Node。前者主要存储Join完成后的集合。后者包含两个输入口，分别输入须要匹配的两个集合，由Join节点作合并工做传输给下一个节点。
3 匹配过程描述
（1）导入须要处理的事实到facts集合中。
（2）若是facts不为空，选择一个fact进行处理。不然中止匹配过程。
（3）选择alpha网的第一个节点运行（创建网络的时候设定的），经过该节点则进入alpha网的下一个节点，直到进入alpha memory。不然跳转到下一条判断路径。
（4）将alpha memory的结果加入到beta memory中，若是不为Terminal节点，则检测另外一个输入集合中是否存在知足条件的事实，知足则执行join，进入到下一个beta memory重复执行（3）。若另外一个输入集合无知足条件的事实，返回到（2）。若是该节点为Terminal节点，执行ACT并添加到facts中。
4 用一个例子描述过程
（1）如今WME中有如下这些事实。
w1：（B1 ^on B2）
w2：（B1 ^on B3）
w3：（B1 ^color red）
w4：（B2 ^on table）
w5：（B2 ^left-of B3）
w6：（B2 ^color blue）
w7：（B3 ^left-of B4）
w8：（B3 ^on table）
w9：（B3 ^color red）
（2）下面描述规则
下面是三条匹配条件
C1: （<x> ^on <y>）
C2：（<y> ^left-of <z>）
C3：（<z> ^color red）
下面是规则要知足的全部条件，即全部LHS
p1 has conditions C1^C2^C3
p2 has conditions C1^C2^C4^C5
p3 has conditions C1^C2^C4^C3
（3）推理描述
暂且忽略图中的红色节点（用于断定类型）。那么，根据Ci，图中的蓝色alpha结点应该有三种，分别断定on，left-of和color。则黄色的alpha memory中包含三个集合，分别是知足C1：{w1 w2 w4 w8}
知足C2：{w5 w7}
知足C3：{w2 w6 w9}
以p1为例，首先以C1，C2为输入，在绿色Dummy Input节点中进行操做，并传入到梅红色beta momory中，此时这个节点存储的是（w1^w5,w2^w7）。而后以这个集合和C3为输入，操做得出w1^w5^w9，此时发现没有更多的模式须要匹配，到达Terminal节点，匹配结束。这样就获得知足规则的集合组合了。
接下来的时间要研究Jena中Rete算法的具体实现方式。