时间和事件演算

当只有一个智能体执行自发的、离散的行动时，情景演算能够很好地工作。但当行动有一个持续时间并且能够相互重叠时，情景演算就有点力不从心了。因此，我们将用称为事件演算（event calculus）的替代形式化方法涵盖这些主题，它是基于时间点而不是情景的。（术语“事件”和“行动”也许可以交换使用。非形式地，“事件”意味着更为宽泛的行动类，包括那些没有明确智能体的行动。这些在事件演算中要比在情景演算中容易处理。）

在事件演算中，流在时间点上保持不变而不是在情景中，演算被设计为允许在时间区间上进行推理。事件演算公理规定一个流在时间点上为真，如果这个流在过去的某个时刻被一个事件发起并且没有被干扰事件所终止。Initiates（发起）和Terminates（终止）关系扮演着和情景演算中Result关系类似的角色；Initiates(e, f, t)意味着时刻t发生的事件e使流f 变为真，而Terminates(w, f, t)意味着f 不再为真。我们用Happens(e, t)来表示事件e在时刻t发生，用Clipped(f, t, t2)表示f 在时刻t到t2间的某个时刻被某个事件所终止。形式化公理如下：

EVENT CALCULUS AXIOM

T(f, t2) ⇔ ∃e, t Happens(e, t) ∧ Initiates(e, f, t) ∧ (t < t2)

∧ ¬Clipped(f, t, t2)

Clipped(f, t, t2) ⇔ ∃e, t1Happens(e, t1) ∧ Terminates(e, f, t1)

∧ (t＜t1) ∧ (t1＜t2)

这给我们提供了类似于情景演算的功能，但是却包含谈论时间点和时间区间的能力，所以我们可以用Happens(TurnOff(LightSwitch1),1:00)来说明灯的开关恰好在1点钟被关掉。

人们对事件演算做了许多扩展（其中一些比另一些更成功）来解决一些问题，如有持续时间的事件、并发事件、持续变化的事件，以及其它复杂问题。

事件演算还可以被进一步扩展来处理间接结果、持续的变化、不确定的结果、因果限制，以及其它课题。我们会在第10.3节中再碰到某些此类问题。