逆向推理

逆向推理，也称目标驱动推理，与正向推理正好相反它从结论出发，到知识库中寻找证据来验证结论的正确性。

逆向推理的基本推理过程是用一套知识来证明事实，即提出若干假设（目标）然后逐一验证这些假设的正确性。推理过程算法如下：

给出验证的目标；

检查目标是否已经在综合数据库中如果是，则成功推出否则，转到下一步；

判断对象是否是证据，即是否是一个应该由用户确认的初始事实。如果是，询问用户，否则，转到 下一步；

在知识库中找出所有可能导致这个目标的规则，形成适用的知识集，然后进行下一步；

从知识集中选择一个规则，以该知识的前件作为新的假设目标，然后转向2）

逆向推理控制策略的优点是目的性强，不需要寻找与假设无关的信息和知识。这种策略为推理过程提供了更准确的解释，并告诉用户实现目标所使用的规则（知识）此外，这种控制策略特别适用于求解空间较小的问题求解环境，有利于为用户提供求解过程。缺点是初始目标的选择具有盲目性，无法通过用户提供的游泳信息进行操作用户要求快速输入相应的问题域，如果不实用，就要多次做假设，影响系统的效率。与正向推理相比，反向推理目的性很强，通常用于验证某一特定知识是否成立。

离散数学中的逆向推理：

推理演绎