哪种算法适用于情况分析？

Question

我正在开发一个android应用程序，用于根据感应值和其他细节分析用户的情况。这个应用程序基本上是一个提醒功能，可以帮助用户根据他的情况。

我们为应用程序提供我们的日常活动与位置和必要的细节。当事件时间到达时，它会分析用户的当前情况，然后通过读取用户的位置、时间、天气、加速器是否移动(即是否忙碌)、手机是否在口袋中、离事件目的地的距离、到达那里所需的时间等来进行通知。

然后，它选择一组在到达目的地之前可能有帮助的操作，如阅读新闻、提供导航、打开媒体播放器、显示股票详细信息、执行搜索等。算法应该从一组操作中挑选这些操作。

哪种算法和数据结构适合分析当前情况？请提供您对该项目和想法的看法。谢谢

Answer 1

脑海中浮现出两种方法：

当关键字是各种数据元素的集合时，

1. 将所有可能的操作插入到哈希表中。即h({data1, data2,...}) = a1; h({dataa, datab,...}) = a2。无论何时，在数据集上应用散列函数并提取操作。
2. 1的问题是散列的可能大小，它必须包括所有可能的值组合-大小将是num of sensor1 values * num of sensor2 values * ... * num of sensor n values。如果每个组合上的操作都不同，就没有什么需要优化的了。但情况可能并非如此，在大多数情况下，操作都是相同的。例如，您可以采用相反的方法，并将所有可能的操作集保存在映射中。在非常高的级别上:每当事件时间到来时，开始分析数据-在读取第一个传感器数据后，可能的操作集将缩小；分析第二个传感器数据，并对操作子集重复此过程。继续，直到只剩下一个操作或没有更多的传感器数据可用，无论先发生什么(假设传感器数据的所有组合都映射到一个有效的操作)。

Answer 2

当我读到你的项目逻辑，特别是horn条款时，我的脑海中浮现出来。您描述说，您的应用程序应该检查一组条件，以选择要执行的特定操作。Horn clauses是propositional或first-order logic中某种形式的逻辑表达式。Horn子句最多有一个正向字面，表示一个事实、一个规则或一个目标。有了这些事实，就可以描述你的知识，有了规则，你就可以表达在某些条件适用的情况下选择哪个动作。Horn子句、一阶逻辑、命题逻辑和归结是逻辑编程、规则引擎或约束满足的理论基础。

例如，drools是一个规则引擎，它允许描述一个知识库和一组规则。Drools使用一阶推理从知识库和规则条件中推理操作。也许，你会发现一些你可以在一阶逻辑，命题逻辑，规则引擎，逻辑，编程，约束满足，推理，问题解决和推理领域中使用的东西。例如，您可以在那里找到drools中使用的rete algorithm。