由于现代社会文明的发展与进步,科学技术上取得了越来越多的进步,尤其是近些年来,人类在计算机硬件上取得了很大的提升,使得计算机相关技术的发展大大增加了速度。随着计算机算力和存储空间的提升,人工智能得到飞速发展。反映人工智能进步能力的一个参考是,它能否像人一样思考和解决问题。作为机器学习三大主流算法之一的强化学习近些年来发展迅速。强化学习模拟了智能体与环境之间的交互,通过与环境之间的交互,不断尝试,获取决策,这点和人类的学习极为相似。而几何问题的求解中常常又需要一些辅助信息,例如辅助点的添加,这些添加策略也常常是不断的尝试,使问题得到最终求解,这点和强化学习模式非常相似。本文主要是研究强化学习与辅助信息的添加结合和在解题中的应用,由下面三个部分组成。1.几何问题的知识表示和逻辑推理基础库的构建对数学中所有几何知识构建成统一的知识体系。用自然语言处理将文本信息中常见的几何元素以及几何元素之间组合构造成的关系进行统一建模以及命名表示,建立一套完备的几何相关问题自动求解的基础数据结构。总结几何中涉及到的定义性质、概念说明、定理公理与推论以及通用的解题算法和技巧,抽像为几何问题求解的逻辑规则,并将这些规则作为构建逻辑推理库的基础元素。2.自动解题中辅助信息的添加模型与知识库的构建通过分析几何解题中使用的辅助信息的添加方式,总结人们日常解题中的添加技巧,将收集到的技巧方法综合分析并总结分类,建立一套比较基础并且完整的辅助信息添加方式,并根据这些基础建立相关的统一添加模型。3.辅助信息添加方法在几何自动解题中的应用对几何问题构建统一的知识体系后,通过运用自然语言理解技术对文本进行处理,提取题目文本信息,结合题目图形信息,提取出具体的特征,进行合理的编码作为强化学习状态输入。结合基础作图语句作为强化学习动作行为。收集几何题目作为训练集,训练强化学习辅助信息决策模型,对解题中需要作出的辅助信息添加动作进行评判,做出最优选择,在Drools推理系统的框架下,结合逻辑推理库完成问题求解并根据知识生成网产生类人答题过程。