Einführung in die Methoden der Künstlichen Intelligenz. Aussagenlogik

Größe: px
Ab Seite anzeigen:

Download "Einführung in die Methoden der Künstlichen Intelligenz. Aussagenlogik"

Transkript

1 Einführung in die Methoden der Künstlichen Intelligenz Aussagenlogik PD Dr. David Sabel SoSe 2014 Stand der Folien: 23. Mai 2014

2 Überblick Grober Inhalt des Kapitels Aussagenlogik allgemein Darstellung von Wissen in der Aussagenlogik Entscheidungs- und Deduktionsverfahren KI-Ansatz der Verwendung einer Logik basiert auf der Wissenrepräsentationshypothese (Brian Smith) Die Verarbeitung von Wissen lässt sich trennen in: Repräsentation von Wissen, wobei dieses Wissen eine Entsprechung in der realen Welt hat; und in einen Inferenzmechanismus, der Schlüsse daraus zieht. D. Sabel KI SoSe 2014 Aussagenlogik 2/123

3 Wissenrepräsentations- und inferenzsysteme (1) Allgemein: Programme bauen auf modellierten Fakten, Wissen, Beziehungen auf führen Operationen darauf durch, um neue Schlüsse zu ziehen D. Sabel KI SoSe 2014 Aussagenlogik 3/123

4 Wissenrepräsentations- und inferenzsysteme (2) Komponenten: Formale Sprache zur Festlegung der Syntax (von Wissen und Regeln) Festlegung der Semantik (Bedeutung) Inferenzprozedur (operationale Semantik), z.b. Syntaktische Manipulation von Formeln Korrektheit: Inferenzprozedur erhält die Semantik Nachweis der Korrektheit: Untersuche Implementierung bzgl. der Semantik Implementierung: Parser und Implementierung der Inferenzprozedur D. Sabel KI SoSe 2014 Aussagenlogik 4/123

5 Syntax Sei X ein Nichtterminal für aussagenlogische Variablen Syntax aussagenlogischer Formeln Dabei entspricht A ::= X 0 1 (A A) (A A) ( A) (A A) (A A) 0 = falsche Aussage 1 = wahre Aussage Eigentlich: 0 und 1 nicht nötig, man könnte auch A A und A A stattdessen verwenden D. Sabel KI SoSe 2014 Aussagenlogik 5/123

6 Syntaktische Konventionen Variablennamen sollten aussagekräftig gewählt werden. Wenn es heute nicht regnet, werde ich Fahrradfahren heuteregnetes fahrradfahren Klammerregeln: Wir lassen Klammern oft weg Da, assoziativ: links- / rechts-klammerung egal Prioritätsregeln:,,,,. Auch andere Operatoren werden manchmal verwendet:, NAND, NOR, XOR D. Sabel KI SoSe 2014 Aussagenlogik 6/123

7 Sprechweisen,,,, nennt man Junktoren Bezeichnung der einzelnen Junktoren: A B: A B: A B: A B: A: Konjunktion (Verundung) Disjunktion (Veroderung) Implikation Äquivalenz (Biimplikation) negierte Formel (Negation). D. Sabel KI SoSe 2014 Aussagenlogik 7/123

8 Sprechweisen (2) Atom = Aussagenlogische Variable, 0, oder 1 Literal = Atom oder A, wobei A ein Atom ist Beispiele: X ist ein Atom X, X und 0 sind Literale ( X) ist weder Atom noch Literal D. Sabel KI SoSe 2014 Aussagenlogik 8/123

9 Semantik der Junktoren Definiere f op für jeden Junktor f : {0, 1} {0, 1} mit f (0) = 1 und f (1) = 0 Für op {,,,,, NOR, NAND, XOR}: f op : {0, 1} 2 {0, 1} mit a b f (a, b) f (a, b) f (a, b) f (a, b) f NOR (a, b) f NAND (a, b) f (a, b) f XOR (a, b) D. Sabel KI SoSe 2014 Aussagenlogik 9/123

10 Interpretation Definition: Eine Interpretation (Variablenbelegung) I ist eine Funktion: I : {aussagenlogische Variablen} {0, 1}. Fortsetzung von I auf Aussagen: I(0) := 0, I(1) := 1 I( A) := f (I(A)) I(A op B) := f op (I(A), I(B)), wobei op {,,,...} D. Sabel KI SoSe 2014 Aussagenlogik 10/123

11 Beispiel I(X) = 0, I(Y ) = 1, I(Z) = 1 I( (X Z) (Y Z)) D. Sabel KI SoSe 2014 Aussagenlogik 11/123

12 Beispiel I(X) = 0, I(Y ) = 1, I(Z) = 1 I( (X Z) (Y Z)) = f (I( (X Z)), I(Y Z)) D. Sabel KI SoSe 2014 Aussagenlogik 11/123

13 Beispiel I(X) = 0, I(Y ) = 1, I(Z) = 1 I( (X Z) (Y Z)) = f (I( (X Z)), I(Y Z)) = f (f (I(X Z)), f (I(Y ), I( Z))) D. Sabel KI SoSe 2014 Aussagenlogik 11/123

14 Beispiel I(X) = 0, I(Y ) = 1, I(Z) = 1 I( (X Z) (Y Z)) = f (I( (X Z)), I(Y Z)) = f (f (I(X Z)), f (I(Y ), I( Z))) = f (f (f (I(X), I(Z))), f (I(Y ), f (I(Z)))) D. Sabel KI SoSe 2014 Aussagenlogik 11/123

15 Beispiel I(X) = 0, I(Y ) = 1, I(Z) = 1 I( (X Z) (Y Z)) = f (I( (X Z)), I(Y Z)) = f (f (I(X Z)), f (I(Y ), I( Z))) = f (f (f (I(X), I(Z))), f (I(Y ), f (I(Z)))) = f (f (f (0, 1)), f (1, f (1))) D. Sabel KI SoSe 2014 Aussagenlogik 11/123

16 Beispiel I(X) = 0, I(Y ) = 1, I(Z) = 1 I( (X Z) (Y Z)) = f (I( (X Z)), I(Y Z)) = f (f (I(X Z)), f (I(Y ), I( Z))) = f (f (f (I(X), I(Z))), f (I(Y ), f (I(Z)))) = f (f (f (0, 1)), f (1, f (1))) = f (f (1), f (1, 0)) D. Sabel KI SoSe 2014 Aussagenlogik 11/123

17 Beispiel I(X) = 0, I(Y ) = 1, I(Z) = 1 I( (X Z) (Y Z)) = f (I( (X Z)), I(Y Z)) = f (f (I(X Z)), f (I(Y ), I( Z))) = f (f (f (I(X), I(Z))), f (I(Y ), f (I(Z)))) = f (f (f (0, 1)), f (1, f (1))) = f (f (1), f (1, 0)) = f (0, 1) D. Sabel KI SoSe 2014 Aussagenlogik 11/123

18 Beispiel I(X) = 0, I(Y ) = 1, I(Z) = 1 I( (X Z) (Y Z)) = f (I( (X Z)), I(Y Z)) = f (f (I(X Z)), f (I(Y ), I( Z))) = f (f (f (I(X), I(Z))), f (I(Y ), f (I(Z)))) = f (f (f (0, 1)), f (1, f (1))) = f (f (1), f (1, 0)) = f (0, 1) = 1 D. Sabel KI SoSe 2014 Aussagenlogik 11/123

19 Modell Definition Eine Interpretation I ist genau dann ein Modell für die Aussage F, wenn I(F ) = 1 gilt. Wir schreiben in diesem Fall: I = F Alternative Sprechweisen: F gilt in I I macht F wahr D. Sabel KI SoSe 2014 Aussagenlogik 12/123

20 Eigenschaften von Formeln Sei A ein Aussage. A ist eine Tautologie (Satz, allgemeingültig), gdw. für alle Interpretationen I gilt: I = A. A ist ein Widerspruch (widersprüchlich, unerfüllbar), gdw. für alle Interpretationen I gilt: I(A) = 0. A ist erfüllbar (konsistent), gdw. eine Interpretation I existiert mit: I = A A ist falsifizierbar, gdw. eine Interpretation I existiert mit I(A) = 0. D. Sabel KI SoSe 2014 Aussagenlogik 13/123

21 Beispiele (1) X X ist eine Tautologie, denn für jede Interpretation I gilt: I(X X) = f (f (I(X)), I(X)) = 1, da f (I(X)) oder I(X) gleich zu 1 sein muss. ist erfüllbar (jede Interpretation ist ein Modell) ist nicht falsifizierbar ist kein Widerspruch D. Sabel KI SoSe 2014 Aussagenlogik 14/123

22 Beispiele (2) X X ist ein Widerspruch, denn für jede Interpretation I gilt: I(X X) = f (f (I(X)), I(X)) = 0, da f (I(X)) oder I(X) gleich zu 0 sein muss. ist falsifizierbar (für jede Interpretation I gilt I(X X) = 0) ist nicht erfüllbar ist keine Tautologie D. Sabel KI SoSe 2014 Aussagenlogik 15/123

23 Beispiele (3) (X Y ) ((Y Z) (X Z)) ist eine Tautologie. ist erfüllbar ist nicht falsifizierbar ist kein Widerspruch D. Sabel KI SoSe 2014 Aussagenlogik 16/123

24 Beispiele (4) X Y ist erfüllbar. Z.B. ist I mit I(X) = 1, I(Y ) = 1 ein Modell für X Y : I(X Y ) = f (I(X), I(Y )) = f (1, 1) = 1. ist falsifizierbar, denn mit I(X) = 0, I(Y ) = 0 gilt I(X Y ) = 0 ist keine Tautologie ist kein Widerspruch D. Sabel KI SoSe 2014 Aussagenlogik 17/123

25 Beispiele (5) Abendrot Schlechtwetterbot Formel dazu: Abendrot Schlechtes Wetter Erfüllbar und Falsifizierbar Weder Tautologie noch Widerspruch D. Sabel KI SoSe 2014 Aussagenlogik 18/123

26 Beispiele (6) Wenn der Hahn kräht auf dem Mist, ändert sich das Wetter oder es bleibt wie es ist. Formel dazu: Hahn kraeht auf Mist (Wetteraenderung Wetteraenderung) ist eine Tautologie ist erfüllbar ist weder widersprüchlich noch falsifizierbar D. Sabel KI SoSe 2014 Aussagenlogik 19/123

27 Komplexitäten Theorem Es ist entscheidbar, ob eine Aussage eine Tautologie (Widerspruch, erfüllbar,falsifizierbar) ist. Einfachstes Verfahren: Wahrheitstabelle Die Frage Ist A erfüllbar? ist N P-vollständig. Die Frage Ist A falsifizierbar? ist ebenso N P-vollständig. Die Frage Ist A Tautologie? ist CoN P-vollständig. Die Frage Ist A ein Widerspruch? ist CoN P-vollständig. D. Sabel KI SoSe 2014 Aussagenlogik 20/123

28 Exkurs: Komplexitätsklassen (zur Erinnerung) Problemklasse = Wortproblem über einer formalen Sprache SAT := {F F ist erfüllbare aussagenlogische Formel }. Wortproblem: Liegt eine gegebene Formel in der Sprache SAT Antwort: Ja oder Nein D. Sabel KI SoSe 2014 Aussagenlogik 21/123

29 Exkurs: Komplexitätsklassen (2) N P = Alle Sprachen, deren Wortproblem auf einer nichtdeterministischen Turingmaschine in polynomieller Zeit lösbar ist. CoN P = {L L C N P} wobei L C das Komplement der Sprache L ist. Offensichtlich: L N P L C CoN P Beispiel: UNSAT := {F F ist Widerspruch} UNSAT CoN P, denn: UNSAT C = Alle Formeln \UNSAT = SAT, und SAT N P. D. Sabel KI SoSe 2014 Aussagenlogik 22/123

30 Exkurs: Komplexitätsklassen (3) L N P ist N P-vollständig gdw. für jede Sprache L N P gibt es eine Polynomialzeit-Kodierung R : L L mit x L gdw. R(x) L L CoN P ist CoN P-vollständig gdw. für jede Sprache L CoN P gibt es eine Polynomialzeit-Kodierung R : L L mit x L gdw. R(x) L D. Sabel KI SoSe 2014 Aussagenlogik 23/123

31 Exkurs: Komplexitätsklassen (4) Theorem L ist CoN P-vollständig gdw. L C ist N P-vollständig D. Sabel KI SoSe 2014 Aussagenlogik 24/123

32 Komplexitäten (nochmal) Theorem Es ist entscheidbar, ob eine Aussage eine Tautologie (Widerspruch, erfüllbar,falsifizierbar) ist. Die Frage Ist A erfüllbar? ist N P-vollständig. Die Frage Ist A falsifizierbar? ist ebenso N P-vollständig. Die Frage Ist A Tautologie? ist CoN P-vollständig. Die Frage Ist A ein Widerspruch? ist CoN P-vollständig. D. Sabel KI SoSe 2014 Aussagenlogik 25/123

33 Fazit Sequentielle Algorithmen zur Lösung beide Problemklassen: nur Exponential-Zeit Algorithmen (solange P N P) N P? = CoN P unbekannt, allgemeine Vermutung: Nein Probleme aus N P kann man mit Glück (Raten) schnell lösen (Lösungen sind polynomiell verifizierbar) Probleme aus CoN P scheinen schwieriger z.b. Tautologie: man muss alle Interpretation durchprobieren D. Sabel KI SoSe 2014 Aussagenlogik 26/123

34 Folgerungsbegriffe Unterscheide zwischen Semantische Folgerung direkt innerhalb der Semantik Syntaktische Folgerung (Herleitung, Ableitung) Verfahren mit einer prozeduralen Vorschrift, oft: nicht-deterministischer Kalkül. D. Sabel KI SoSe 2014 Aussagenlogik 27/123

35 Semantische Folgerung F eine Menge von (aussagenlogischen) Formeln G eine weitere Formel. G folgt semantisch aus F gdw. Für alle Interpretationen I: wenn für alle F F gilt I(F ) = 1, dann auch I(G) = 1. Schreibweise: F = G D. Sabel KI SoSe 2014 Aussagenlogik 28/123

36 Einfache Resulate Betrachte {F 1,..., F n } = G 1 Wenn ein F i widersprüchlich, dann kann man alles folgern: Es gilt dann für jede Formel G: {F 1,..., F n } = G. 2 Wenn ein F i eine Tautologie ist, dann kann man F i weglassen: {F 1,..., F n } = G ist dasselbe wie {F 1,..., F i 1, F i+1,..., F n } = G D. Sabel KI SoSe 2014 Aussagenlogik 29/123

37 Deduktionstheorem der Aussagenlogik Deduktionstheorem {F 1,..., F n } = G gdw. F 1... F n G ist Tautologie. Aussagen F, G nennt man äquivalent (F G), gdw. F G eine Tautologie ist. Beobachtungen: F G gdw. für alle I: I = F gdw. I = G X Y nicht äquivalent zu X Y (Variablenbelegung spielen eine Rolle!) D. Sabel KI SoSe 2014 Aussagenlogik 30/123

38 Syntaktische Folgerung A: (nichtdeterministischer) Algorithmus (Kalkül), der aus einer Menge von Formeln H eine neue Formel H berechnet H folgt syntaktisch aus H Schreibweisen H A H oder auch H A H Definition Der Algorithmus A ist korrekt (sound), gdw. aus H A H stets H = H folgt. Der Algorithmus A ist vollständig (complete), gdw. H = H impliziert, dass H A H D. Sabel KI SoSe 2014 Aussagenlogik 31/123

39 Korrekter & Vollständiger Algorithmus (naiv) Gegeben: {F 1,..., F n } und Tautologiechecker Verfahren: Zähle alle Formeln F auf Prüfe ob F 1... F n = F Tautologie Wenn ja: {F 1,..., F n } = F (wegen Deduktionstheorem) Problem: Immer unendlich viele F, da alle Tautologien aus {F 1,..., F n } folgen ({F 1,..., F n } = G für alle Tautologien G) D. Sabel KI SoSe 2014 Aussagenlogik 32/123

40 Methoden zur Tautologie-Erkennung (auch Erfüllbarkeit) Wahrheitstabelle BDDs (binary decision diagrams): Aussagen als boolesche Funktionen, kompakte Darstellung Genetische Algorithmen (Erfüllbarkeit) Suchverfahren mit zufälliger Suche Davis-Putnam-Verfahren (später): Fallunterscheidung mit Simplifikationen Tableaukalkül (später): Syntaktische Analyse der Formeln D. Sabel KI SoSe 2014 Aussagenlogik 33/123

41 Substitution Wir schreiben A[B/x] für die Ersetzung aller Vorkommen von Variable x in Formel A durch Formel B Beispiel: (x y) = ( (x z))[(z = (w u))/x] D. Sabel KI SoSe 2014 Aussagenlogik 34/123

42 Substitution Wir schreiben A[B/x] für die Ersetzung aller Vorkommen von Variable x in Formel A durch Formel B Beispiel: (x y) = ( (x z))[(z = (w u))/x] D. Sabel KI SoSe 2014 Aussagenlogik 34/123

43 Substitution Wir schreiben A[B/x] für die Ersetzung aller Vorkommen von Variable x in Formel A durch Formel B Beispiel: (x y) = ( (x z))[(z = (w u))/x] = ((z = (w u)) y) = ( ((z = (w u)) z)) D. Sabel KI SoSe 2014 Aussagenlogik 34/123

44 Substitution Wir schreiben A[B/x] für die Ersetzung aller Vorkommen von Variable x in Formel A durch Formel B Beispiel: (x y) = ( (x z))[(z = (w u))/x] = ((z = (w u)) y) = ( ((z = (w u)) z)) Verallgemeinerung: A[B 1 /x 1,..., B n /x n ] ist die parallele Ersetzung aller x i durch B i Beispiel: (x y) = ( (x z))[(z = (w u))/x, (a b)/z] D. Sabel KI SoSe 2014 Aussagenlogik 34/123

45 Substitution Wir schreiben A[B/x] für die Ersetzung aller Vorkommen von Variable x in Formel A durch Formel B Beispiel: (x y) = ( (x z))[(z = (w u))/x] = ((z = (w u)) y) = ( ((z = (w u)) z)) Verallgemeinerung: A[B 1 /x 1,..., B n /x n ] ist die parallele Ersetzung aller x i durch B i Beispiel: (x y) = ( (x z))[(z = (w u))/x, (a b)/z] D. Sabel KI SoSe 2014 Aussagenlogik 34/123

46 Substitution Wir schreiben A[B/x] für die Ersetzung aller Vorkommen von Variable x in Formel A durch Formel B Beispiel: (x y) = ( (x z))[(z = (w u))/x] = ((z = (w u)) y) = ( ((z = (w u)) z)) Verallgemeinerung: A[B 1 /x 1,..., B n /x n ] ist die parallele Ersetzung aller x i durch B i Beispiel: (x y) = ( (x z))[(z = (w u))/x, (a b)/z] = ((z = (w u)) y) = ( ((z = (w u)) (a b)) D. Sabel KI SoSe 2014 Aussagenlogik 34/123

47 Substitution Wir schreiben A[B/x] für die Ersetzung aller Vorkommen von Variable x in Formel A durch Formel B Beispiel: (x y) = ( (x z))[(z = (w u))/x] = ((z = (w u)) y) = ( ((z = (w u)) z)) Verallgemeinerung: A[B 1 /x 1,..., B n /x n ] ist die parallele Ersetzung aller x i durch B i Beispiel: (x y) = ( (x z))[(z = (w u))/x, (a b)/z] = ((z = (w u)) y) = ( ((z = (w u)) (a b)) Nicht: (x y) = ( (x z))[(z = (w u))/x, (a b)/z] = ((z = (w u)) y) = ( (((a b) = (w u)) (a b)) D. Sabel KI SoSe 2014 Aussagenlogik 34/123

48 Substitution erhält Äquivalenz Satz Gilt A 1 A 2 und B 1,..., B n weitere Aussagen, dann gilt auch A 1 [B 1 /x 1,..., B n /x n ] A 2 [B 1 /x 1,..., B n /x n ]. Beweis: Seien {x 1,..., x m} alle Variablen, die in A i, B i vorkommen D. Sabel KI SoSe 2014 Aussagenlogik 35/123

49 Substitution erhält Äquivalenz Satz Gilt A 1 A 2 und B 1,..., B n weitere Aussagen, dann gilt auch A 1 [B 1 /x 1,..., B n /x n ] A 2 [B 1 /x 1,..., B n /x n ]. Beweis: Seien {x 1,..., x m} alle Variablen, die in A i, B i vorkommen Wahrheitstafel für A 1, A 2 : x 1... x n x n+1... x m A 1 A c j,1... c j,n c j,n+1... c j,m d j d j D. Sabel KI SoSe 2014 Aussagenlogik 35/123

50 Substitution erhält Äquivalenz Satz Gilt A 1 A 2 und B 1,..., B n weitere Aussagen, dann gilt auch A 1 [B 1 /x 1,..., B n /x n ] A 2 [B 1 /x 1,..., B n /x n ]. Beweis: Seien {x 1,..., x m} alle Variablen, die in A i, B i vorkommen Wahrheitstafel für A 1, A 2 : x 1... x n x n+1... x m A 1 A c j,1... c j,n c j,n+1... c j,m d j d j Da A 1 A 2, muss gelten d j = d j für alle j D. Sabel KI SoSe 2014 Aussagenlogik 35/123

51 Substitution erhält Äquivalenz Satz Gilt A 1 A 2 und B 1,..., B n weitere Aussagen, dann gilt auch A 1 [B 1 /x 1,..., B n /x n ] A 2 [B 1 /x 1,..., B n /x n ]. Beweis: Seien {x 1,..., x m} alle Variablen, die in A i, B i vorkommen Wahrheitstafel für A 1, A 2 : x 1... x n x n+1... x m A 1 A c j,1... c j,n c j,n+1... c j,m d j d j Da A 1 A 2, muss gelten d j = d j für alle j Wahrheitstafel für A 1 [B 1 /x 1,..., B n/x n] und A 2 [B 1 /x 1,..., B n/x n]: x 1... x n x n+1... x m B 1... B n A 1 [B 1 /x 1,..., B n/x n] A 2 [B 1 /x 1,..., B n/x n] c i,1... c i,n c i,n+1... c i,m b i,1... b i,n d i d i Zeige d i = d i : D. Sabel KI SoSe 2014 Aussagenlogik 35/123

52 Substitution erhält Äquivalenz Satz Gilt A 1 A 2 und B 1,..., B n weitere Aussagen, dann gilt auch A 1 [B 1 /x 1,..., B n /x n ] A 2 [B 1 /x 1,..., B n /x n ]. Beweis: Seien {x 1,..., x m} alle Variablen, die in A i, B i vorkommen Wahrheitstafel für A 1, A 2 : x 1... x n x n+1... x m A 1 A c j,1... c j,n c j,n+1... c j,m d j d j Da A 1 A 2, muss gelten d j = d j für alle j Wahrheitstafel für A 1 [B 1 /x 1,..., B n/x n] und A 2 [B 1 /x 1,..., B n/x n]: x 1... x n x n+1... x m B 1... B n A 1 [B 1 /x 1,..., B n/x n] A 2 [B 1 /x 1,..., B n/x n] c i,1... c i,n c i,n+1... c i,m b i,1... b i,n d i d i Zeige d i = d i : d i = A 1 [b i,1 /x 1,..., b i,n /x n, c i,n+1 /x n+1,..., c i,m /x m] d i = A 2 [b i,1 /x 1,..., b i,n /x n, c i,n+1 /x n+1,..., c i,m /x m] D. Sabel KI SoSe 2014 Aussagenlogik 35/123

53 Substitution erhält Äquivalenz Satz Gilt A 1 A 2 und B 1,..., B n weitere Aussagen, dann gilt auch A 1 [B 1 /x 1,..., B n /x n ] A 2 [B 1 /x 1,..., B n /x n ]. Beweis: Seien {x 1,..., x m} alle Variablen, die in A i, B i vorkommen Wahrheitstafel für A 1, A 2 : x 1... x n x n+1... x m A 1 A c j,1... c j,n c j,n+1... c j,m d j d j b i,1... b i,n c i,n+1... c i,m d i d i Da A 1 A 2, muss gelten d j = d j für alle j Wahrheitstafel für A 1 [B 1 /x 1,..., B n/x n] und A 2 [B 1 /x 1,..., B n/x n]: x 1... x n x n+1... x m B 1... B n A 1 [B 1 /x 1,..., B n/x n] A 2 [B 1 /x 1,..., B n/x n] c i,1... c i,n c i,n+1... c i,m b i,1... b i,n d i d i Zeige d i = d i : d i = A 1 [b i,1 /x 1,..., b i,n /x n, c i,n+1 /x n+1,..., c i,m /x m] d i = A 2 [b i,1 /x 1,..., b i,n /x n, c i,n+1 /x n+1,..., c i,m /x m] D. Sabel KI SoSe 2014 Aussagenlogik 35/123

54 Äquivalenz ist kompatibel mit Kontexten Notation: F [A] Formel mit A an einer Stelle (F ist ein Kontext) Satz Sind A, B äquivalente Aussagen, und F [A] eine weitere Aussage, dann sind F [A] und F [B] ebenfalls äquivalent. (Formaler: für alle Kontexte F gilt: Wenn A B, dann auch F [A] F [B]) D. Sabel KI SoSe 2014 Aussagenlogik 36/123

55 Kommutativität, Assoziativität, Idempotenz und sind kommutativ, assoziativ, und idempotent, d.h.: F G G F F F F F (G H) (F G) H F G G F F (G H) (F G) H F F F D. Sabel KI SoSe 2014 Aussagenlogik 37/123

56 Weitere Rechenregeln ( A)) A (A B) ( A B) (A B) ((A B) (B A)) (A B) A B (DeMorgansche Gesetze) (A B) A B A (B C) (A B) (A C) Distributivität A (B C) (A B) (A C) Distributivität (A B) ( B A) Kontraposition A (A B) A Absorption A (A B) A Absorption A, B, C beliebige Aussagen! D. Sabel KI SoSe 2014 Aussagenlogik 38/123

57 Normalformen Disjunktive Normalform (DNF) Disjunktion von Konjunktionen von Literalen (L 1,1... L 1,n1 )... (L m,1... L m,nm ) wobei L i,j Literale sind. Konjunktive Normalform (CNF) Konjunktion von Disjunktionen von Literalen (L 1,1... L 1,n1 )... (L m,1... L m,nm ) wobei L i,j Literale sind. D. Sabel KI SoSe 2014 Aussagenlogik 39/123

58 Konjunktive Normalform (L 1,1... L 1,n1 )... (L m,1... L m,nm ) }{{}}{{} Klausel Klausel Daher auch: Klauselnormalform D. Sabel KI SoSe 2014 Aussagenlogik 40/123

59 Konjunktive Normalform (L 1,1... L 1,n1 )... (L m,1... L m,nm ) }{{}}{{} Klausel Klausel Daher auch: Klauselnormalform Mengenschreibweise: { } {L1,1,..., L 1,n1 },..., {L m,1,..., L m,nm } }{{}}{{} Klausel Klausel (gerechtfertigt, da, kommutativ, assoziativ, idempotent) Konjunktive Normalform = Klauselnormalform = Klauselmenge D. Sabel KI SoSe 2014 Aussagenlogik 40/123

60 Spezielle Klauseln Leere Klausel := 0 = Widerspruch Beachte: enthält die CNF eine leere Klausel, so ist die Formel auch widersprüchlich: {C 1,..., C n, } = C 1... C n 0 0 Einsklausel: {p} mit p Literal (auch Unit-Klausel) Beachte: I({C 1,..., C n, {p}}) = 1 gdw. I(p) = 1 D.h. jedes Modell muss auch p wahr machen D. Sabel KI SoSe 2014 Aussagenlogik 41/123

61 CNF / DNF Berechnung Es gilt: Satz Zu jeder Aussage kann man eine äquivalente CNF finden und ebenso eine äquivalente DNF. Allerdings nicht in eindeutiger Weise. Verfahren zur Berechnung: später D. Sabel KI SoSe 2014 Aussagenlogik 42/123

62 CNF/DNF: Tautologie und Widerspruch Für die CNF gilt: Eine Klausel C ist eine Tautologie gdw. C = C {l, l} (d.h. Literal l kommt positiv und negativ vor) Eine Klauselmenge (CNF) ist eine Tautologie gdw. alle Klauseln Tautologien sind D. Sabel KI SoSe 2014 Aussagenlogik 43/123

63 CNF/DNF: Tautologie und Widerspruch Für die CNF gilt: Eine Klausel C ist eine Tautologie gdw. C = C {l, l} (d.h. Literal l kommt positiv und negativ vor) Eine Klauselmenge (CNF) ist eine Tautologie gdw. alle Klauseln Tautologien sind Dual dazu: Für die DNF gilt: (Monom = {l 1,..., l n } mit (l 1... l n )) Ein Monom D ist widersprüchlich gdw. D = D {l, l} (d.h. Literal l kommt positiv und negativ vor) Eine DNF ist widersprüchlich gdw. alle Monome widersprüchlich sind D. Sabel KI SoSe 2014 Aussagenlogik 43/123

64 CNF/DNF: Tautologie und Widerspruch (2) Satz Eine Aussage in CNF kann man in Zeit O(n log(n)) auf Tautologieeigenschaft testen. Eine Aussage in DNF kann man in Zeit O(n log(n)) auf Unerfüllbarkeit testen. Dabei ist n die syntaktische Größe der CNF/DNF Beweis: Verwende die Eigenschaften von davor, und sortiere die Klauseln bzw. Monome D. Sabel KI SoSe 2014 Aussagenlogik 44/123

65 CNF/DNF: Tautologie und Widerspruch (3) Beachte: Die Umkehrungen gelten nicht Test einer CNF auf Un-/Erfüllbarkeit Test einer DNF auf Allgemeingültig- / Falsifizierbarkeit wohl nur exponentiell sequentiell durchführbar (unter der Annahme: P N P) Begründung: später D. Sabel KI SoSe 2014 Aussagenlogik 45/123

66 CNF/DNF: Tautologie und Widerspruch (4) Nochmal Eine Aussage in CNF kann man in Zeit O(n log(n)) auf Tautologieeigenschaft testen. Impliziert: Transformation einer Formel F in äquivalente CNF geht nicht in Polynomialzeit (Annahme dabei P CoN P) Begründung: anderenfalls könnte man Tautologieeigenschaft in Polynomialzeit entscheiden aber Tautologieeigenschaft ist CoN P-vollständig DNF: Analog D. Sabel KI SoSe 2014 Aussagenlogik 46/123

67 Dualitätsprinzip Methoden, Kalküle, Algorithmen haben stets eine duale Variante Daher: 0 1 CNF DNF Tautologie Widerspruch Test auf Allgemeingültigkeit Test auf Unerfüllbarkeit. Beweissysteme können Allgemeingültigkeit oder Unerfüllbarkeit testen Geschmacksfrage, keine prinzipielle Frage Satz Sei F eine Formel. Dann ist F allgemeingültig gdw. F ein Widerspruch ist D. Sabel KI SoSe 2014 Aussagenlogik 47/123

68 Berechnung der Klauselnormalform Algorithmus Transformation in CNF Eingabe: Formel F Algorithmus: Führe nacheinander die folgenden Schritte durch: 1 Elimination von und : F G F G G F F G F G 2 Negation ganz nach innen schieben: F F (F G) F G (F G) F G 3 Distributivität (und Assoziativität, Kommutativität) iterativ anwenden, um nach außen zu schieben ( Ausmultiplikation ). F (G H) (F G) (F H) Ausgabe ist CNF D. Sabel KI SoSe 2014 Aussagenlogik 48/123

69 Beispiel (X Y ) (Y (X Z)) Schritt 1: Äquivalenz und Implikation entfernen (X Y ) (Y (X Z)) D. Sabel KI SoSe 2014 Aussagenlogik 49/123

70 Beispiel (X Y ) (Y (X Z)) Schritt 1: Äquivalenz und Implikation entfernen (X Y ) (Y (X Z)) ((X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 49/123

71 Beispiel (X Y ) (Y (X Z)) Schritt 1: Äquivalenz und Implikation entfernen (X Y ) (Y (X Z)) ((X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 49/123

72 Beispiel (X Y ) (Y (X Z)) Schritt 1: Äquivalenz und Implikation entfernen (X Y ) (Y (X Z)) ((X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) ( Y (X Z))) ((Y (X Z)) (X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 49/123

73 Beispiel (X Y ) (Y (X Z)) Schritt 1: Äquivalenz und Implikation entfernen (X Y ) (Y (X Z)) ((X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) ( Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) ( Y (X Z))) (( Y (X Z)) (X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 49/123

74 Beispiel (X Y ) (Y (X Z)) Schritt 1: Äquivalenz und Implikation entfernen (X Y ) (Y (X Z)) ((X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) ( Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) ( Y (X Z))) (( Y (X Z)) (X Y )) (( X Y ) ( Y (X Z))) (( Y (X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 49/123

75 Beispiel (X Y ) (Y (X Z)) Schritt 1: Äquivalenz und Implikation entfernen (X Y ) (Y (X Z)) ((X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) ( Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) ( Y (X Z))) (( Y (X Z)) (X Y )) (( X Y ) ( Y (X Z))) (( Y (X Z)) ( X Y )) ( ( X Y ) ( Y (X Z))) (( Y (X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 49/123

76 Beispiel (X Y ) (Y (X Z)) Schritt 1: Äquivalenz und Implikation entfernen (X Y ) (Y (X Z)) ((X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) (Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) ( Y (X Z))) ((Y (X Z)) (X Y )) (( X Y ) ( Y (X Z))) (( Y (X Z)) (X Y )) (( X Y ) ( Y (X Z))) (( Y (X Z)) ( X Y )) ( ( X Y ) ( Y (X Z))) (( Y (X Z)) ( X Y )) ( ( X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 49/123

77 Beispiel (2) Schritt 2: Negationen nach innen schieben ( ( X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 50/123

78 Beispiel (2) Schritt 2: Negationen nach innen schieben ( ( X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) (( X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 50/123

79 Beispiel (2) Schritt 2: Negationen nach innen schieben ( ( X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) (( X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) ((X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 50/123

80 Beispiel (2) Schritt 2: Negationen nach innen schieben ( ( X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) (( X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) ((X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) ((X Y ) ( Y (X Z))) (( Y (X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 50/123

81 Beispiel (2) Schritt 2: Negationen nach innen schieben ( ( X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) (( X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) ((X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) ((X Y ) ( Y (X Z))) (( Y (X Z)) ( X Y )) ((X Y ) ( Y (X Z))) ((Y (X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 50/123

82 Beispiel (2) Schritt 2: Negationen nach innen schieben ( ( X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) (( X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) ((X Y ) ( Y (X Z))) ( ( Y (X Z)) ( X Y )) ((X Y ) ( Y (X Z))) (( Y (X Z)) ( X Y )) ((X Y ) ( Y (X Z))) ((Y (X Z)) ( X Y )) ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 50/123

83 Beispiel (3) Schritt 3: Ausmultiplizieren ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 51/123

84 Beispiel (3) Schritt 3: Ausmultiplizieren ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) ((X Y ) (( Y X) ( Y Z))) ((Y ( X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 51/123

85 Beispiel (3) Schritt 3: Ausmultiplizieren ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) ((X Y ) (( Y X) ( Y Z))) ((Y ( X Z)) ( X Y )) (((X Y ) ( Y X)) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 51/123

86 Beispiel (3) Schritt 3: Ausmultiplizieren ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) ((X Y ) (( Y X) ( Y Z))) ((Y ( X Z)) ( X Y )) (((X Y ) ( Y X)) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X) (X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 51/123

87 Beispiel (3) Schritt 3: Ausmultiplizieren ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) ((X Y ) (( Y X) ( Y Z))) ((Y ( X Z)) ( X Y )) (((X Y ) ( Y X)) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X) (X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 51/123

88 Beispiel (3) Schritt 3: Ausmultiplizieren ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) ((X Y ) (( Y X) ( Y Z))) ((Y ( X Z)) ( X Y )) (((X Y ) ( Y X)) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X) (X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z) (X Y ))) ((Y ( X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 51/123

89 Beispiel (3) Schritt 3: Ausmultiplizieren ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) ((X Y ) (( Y X) ( Y Z))) ((Y ( X Z)) ( X Y )) (((X Y ) ( Y X)) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X) (X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z) (X Y ))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) ((Y ( X Z)) ( X Y )) D. Sabel KI SoSe 2014 Aussagenlogik 51/123

90 Beispiel (3) Schritt 3: Ausmultiplizieren ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) ((X Y ) (( Y X) ( Y Z))) ((Y ( X Z)) ( X Y )) (((X Y ) ( Y X)) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X) (X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z) (X Y ))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) (( X Y ) (Y ( X Z))) D. Sabel KI SoSe 2014 Aussagenlogik 51/123

91 Beispiel (3) Schritt 3: Ausmultiplizieren ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) ((X Y ) (( Y X) ( Y Z))) ((Y ( X Z)) ( X Y )) (((X Y ) ( Y X)) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X) (X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z) (X Y ))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) (( X Y ) (Y ( X Z))) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) (( X Y Y ) ( X Y ( X Z))) D. Sabel KI SoSe 2014 Aussagenlogik 51/123

92 Beispiel (3) Schritt 3: Ausmultiplizieren ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) ((X Y ) (( Y X) ( Y Z))) ((Y ( X Z)) ( X Y )) (((X Y ) ( Y X)) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X) (X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z) (X Y ))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) (( X Y ) (Y ( X Z))) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) (( X Y Y ) ( X Y ( X Z))) = ( Y X X) ( Y X Y ) ( Y Z X) ( Y Z Y ) ( X Y Y ) ( X Y X Z) D. Sabel KI SoSe 2014 Aussagenlogik 51/123

93 Beispiel (3) Schritt 3: Ausmultiplizieren ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) ((X Y ) (( Y X) ( Y Z))) ((Y ( X Z)) ( X Y )) (((X Y ) ( Y X)) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X) (X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z) (X Y ))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) (( X Y ) (Y ( X Z))) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) (( X Y Y ) ( X Y ( X Z))) = ( Y X X) ( Y X Y ) ( Y Z X) ( Y Z Y ) ( X Y Y ) ( X Y X Z) = ( Y X) ( Y X) ( Y Z X) ( Y Z) ( X Y ) ( X Y Z) D. Sabel KI SoSe 2014 Aussagenlogik 51/123

94 Beispiel (3) Schritt 3: Ausmultiplizieren ((X Y ) ( Y (X Z))) ((Y ( X Z)) ( X Y )) ((X Y ) (( Y X) ( Y Z))) ((Y ( X Z)) ( X Y )) (((X Y ) ( Y X)) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X) (X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) ((X Y ) ( Y Z))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z) (X Y ))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) ((Y ( X Z)) ( X Y )) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) (( X Y ) (Y ( X Z))) ((( Y X X) ( Y X Y )) (( Y Z X) ( Y Z Y ))) (( X Y Y ) ( X Y ( X Z))) = ( Y X X) ( Y X Y ) ( Y Z X) ( Y Z Y ) ( X Y Y ) ( X Y X Z) = ( Y X) ( Y X) ( Y Z X) ( Y Z) ( X Y ) ( X Y Z) = ( Y X) ( Y Z X) ( Y Z) ( X Y ) ( X Y Z) D. Sabel KI SoSe 2014 Aussagenlogik 51/123

95 Beispiel (4) ( Y X) ( Y Z X) ( Y Z) ( X Y ) ( X Y Z) Klauselmenge dazu: {{ Y, X}, { Y, Z, X}, { Y, Z}, { X, Y }, { X, Y, Z}} D. Sabel KI SoSe 2014 Aussagenlogik 52/123

96 Transformation in CNF Die erhaltene CNF ist äquivalent zur ursprünglichen Formel Laufzeit: Im Worst-Case exponentiell Grund: CNF kann exponentiell groß werden: die Elimination von verdoppelt die Größe: (A 1 A 2 ) (A 1 A 2 ) (A 2 A 1 ) Ausmultiplikation mittels Distributivgesetz: A 1 (B 1 B 2 ) (A 1 B 1 ) (A 1 B 2 ) verdoppelt A 1 Beachte: Unter Erhaltung der Äquivalenz geht es nicht besser (da sonst Tautologiecheck polynomiell möglich) D. Sabel KI SoSe 2014 Aussagenlogik 53/123

97 Schnelle CNF-Berechnung Algorithmus zur schnellen CNF-Berechnung in polynomieller Laufzeit Erhält die Tautologieeigenschaft nicht Aber: Erhält die Erfüllbarkeit: F erfüllbar gdw. schnelle CNF zu F erfüllbar D. Sabel KI SoSe 2014 Aussagenlogik 54/123

98 Schnelle CNF-Berechnung (2) Idee dabei: Exponentielles Anwachsen bei der CNF-Berechnung: ist exponentiell in der Tiefe der Formel (Tiefe: Formel als Baum hingemalt) Daher: Vorverarbeitung: Klopfe die Formel flach Einführen von Abkürzungen: F [G] F [X] (X G), wobei X neue Variable D. Sabel KI SoSe 2014 Aussagenlogik 55/123

99 Schnelle CNF-Berechnung (3) X X G G D. Sabel KI SoSe 2014 Aussagenlogik 56/123

100 Erhaltung der Erfüllbarkeit Satz F [G] ist erfüllbar gdw. (G X) F [X] erfüllbar ist. Hierbei muß X eine Variable sein, die nicht in F [G] vorkommt. Wesentlicher Schritt im Beweis: Interpretation I, die bezeugt F [G] ist erfüllbar, d.h. I(F [G]) = 1 Erstelle I mit { I Y, wenn Y X (Y ) = I(G) wenn X = Y D. Sabel KI SoSe 2014 Aussagenlogik 57/123

101 Nichterhaltung der Tautologieeigenschaft Annahme: F [G] ist allgemeingültig Dann ist (G X) F [X] niemals allgemeingültig: Beweis: Betrachte beliebige Interpretation I mit I(F [G]) = 1 (alle Interpretation erfüllen das) { I Y, wenn Y X (Y ) = f (I(G)) wenn X = Y I ((G X) F [X]) = f (f (I (G), I (X)), I (F [X])) = f (0, I (F [x])) = 0 Daher: ((G X) F [X]) falsifizierbar und keine Tautolgie D. Sabel KI SoSe 2014 Aussagenlogik 58/123

102 Schnelle CNF-Berechung: Tiefe Subformel in Tiefe: F ist Subformel von F in Tiefe 0 Wenn G Subformel von F in Tiefe n, dann G Subformel von F in Tiefe n + 1 Für {,,, }: Wenn (G 1 G 2 ) Subformel von F in Tiefe n, dann G 1, G 2 Subformeln von F in Tiefe n + 1 Tiefe einer Formel: Tiefe der tiefsten Subformel D. Sabel KI SoSe 2014 Aussagenlogik 59/123

103 Beispiel A B C E E D F B G D. Sabel KI SoSe 2014 Aussagenlogik 60/123

104 Beispiel A B C E E D F B G D. Sabel KI SoSe 2014 Aussagenlogik 60/123

105 Beispiel A B C E E D F B G Subformel in Tiefe 2 D. Sabel KI SoSe 2014 Aussagenlogik 60/123

106 Beispiel A B C E E D F B G Subformel in Tiefe 2 Tiefe der Subformel selbst: 3 D. Sabel KI SoSe 2014 Aussagenlogik 60/123

107 Beispiel A B C E E D F B G Subformel in Tiefe 2 Tiefe der Subformel selbst: 3 Tiefe der Gesamtformel: 5 D. Sabel KI SoSe 2014 Aussagenlogik 60/123

108 Schnelle CNF: Algorithmus Algorithmus Schnelle CNF-Berechnung Eingabe: Aussagenlogische Formel F Verfahren: Sei F von der Form H 1... H n, wobei H i keine Konjunktionen sind. while ein H i Tiefe 4 besitzt do for i {1,..., n} do if H i hat Tiefe 4 then Seien G 1,..., G m alle Subformeln von H i in Tiefe 3, die selbst Tiefe 1 haben Ersetze H i wie folgt: H i[g 1,..., G m] (G 1 X 1)... (G m X m) H i[x 1,..., X m] end if end for Iteriere mit der entstandenen Formeln als neues F end while Wende die (langsame) CNF-Erstellung auf die entstandene Formel an D. Sabel KI SoSe 2014 Aussagenlogik 61/123

109 Eigenschaften Am Ende: Alle Subformeln H i haben Tiefe 3 = Transformation in konstanter Zeit Anzahl der eingef. Abkürzungen: max. linear in der Größe der Formel H i [G 1,..., G m ] (G 1 X 1 )... (G m X m ) H i [X 1,..., X m ] Wenn H i [G 1,..., G m ] Tiefe n 3 hat H i [X 1,..., X m ] hat Tiefe 3 G j hat Tiefe höchstens n 3 die neuen Formeln (G j X j ) haben Tiefe höchstens n 2 D.h. 1 Formel der Tiefe n wird im worst case ersetzt durch m Formeln der Tiefe n 2 und eine Formel der Tiefe 3 Bei effizienter Implementierung gilt daher: Satz Zu jeder aussagenlogischen Formel kann unter Erhaltung der Erfüllbarkeit eine CNF in Zeit O(n) berechnet werden, wobei n die Größe der aussagenlogischen Formel ist. D. Sabel KI SoSe 2014 Aussagenlogik 62/123

110 Resolutionsverfahren für die Aussagenlogik Testet Formel auf Widersprüchlichkeit Tautologiecheck für Formel F : Starte mit F Denn es gilt: Satz Eine Formel A 1... A n F ist allgemeingültig gdw. A 1... A n F widersprüchlich ist. Semantisch: Satz {A 1,..., A n } = F gdw. es keine Interpretation I gibt, so dass I = {A 1,..., A n, F } D. Sabel KI SoSe 2014 Aussagenlogik 63/123

111 Resolutionsregel A B 1... B n Elternklausel 1 A C 1... C m Elternklausel 2 B 1... B n C 1... C m Resolvente D. Sabel KI SoSe 2014 Aussagenlogik 64/123

112 Resolutionsregel: Graphische Darstellung A B 1... B n A C 1... C m B 1... B n C 1... C m D. Sabel KI SoSe 2014 Aussagenlogik 65/123

113 Resolutionsverfahren 1 Starte mit Klauselmenge C 2 Wähle Elternklauseln E 1, E 2 aus C 3 Füge Resolvente R zur Klauselmenge C hinzu: C := C {R} Iteriere die obigen Schritte solange bis: Keine neue Resolvente mehr herleitbar, oder C enthält die leere Klausel. D. Sabel KI SoSe 2014 Aussagenlogik 66/123

114 Beispiel Zeige (A (A B) (B C)) = C allgemeingültig. Starte mit negierter Formel (Test auf Widersprüchlichkeit) ((A (A B) (B C)) = C) CNF-Berechnung ergibt die Klauselmenge: {{A}, { A, B}, { B, C}, { C}} D. Sabel KI SoSe 2014 Aussagenlogik 67/123

115 Beispiel (2) {A} { A, B} { B, C} { C} D. Sabel KI SoSe 2014 Aussagenlogik 68/123

116 Beispiel (2) {A} { A, B} { B, C} { C} {B} D. Sabel KI SoSe 2014 Aussagenlogik 68/123

117 Beispiel (2) {A} { A, B} { B, C} { C} {B} { B} D. Sabel KI SoSe 2014 Aussagenlogik 68/123

118 Beispiel (2) {A} { A, B} { B, C} { C} {B} { B} D. Sabel KI SoSe 2014 Aussagenlogik 68/123

119 Korrektheit Satz Wenn C C mit Resolution, dann ist C äquivalent zu C. D. Sabel KI SoSe 2014 Aussagenlogik 69/123

120 Korrektheit Satz Wenn C C mit Resolution, dann ist C äquivalent zu C. Beweis: Betrachte C = {D 1,..., D n, E 1, E 2} und C = {D 1,..., D n, E 1, E 2, R} E 1 = {A, B 1,..., B m} und E 2 = { A, C 1,..., C m } R = {B 1,..., B m, C 1,..., C m } Zeige: Für jede Interpretation I gilt: I(C) = I(C ). D. Sabel KI SoSe 2014 Aussagenlogik 69/123

121 Korrektheit Satz Wenn C C mit Resolution, dann ist C äquivalent zu C. Beweis: Betrachte C = {D 1,..., D n, E 1, E 2} und C = {D 1,..., D n, E 1, E 2, R} E 1 = {A, B 1,..., B m} und E 2 = { A, C 1,..., C m } R = {B 1,..., B m, C 1,..., C m } Zeige: Für jede Interpretation I gilt: I(C) = I(C ). Fallunterscheidung: I(C ) = 1: Dann gilt für alle i: I(D i) = 1, I(E i) = 1 und I(R) = 1 und daher auch I(C) = 1 D. Sabel KI SoSe 2014 Aussagenlogik 69/123

122 Korrektheit Satz Wenn C C mit Resolution, dann ist C äquivalent zu C. Beweis: Betrachte C = {D 1,..., D n, E 1, E 2} und C = {D 1,..., D n, E 1, E 2, R} E 1 = {A, B 1,..., B m} und E 2 = { A, C 1,..., C m } R = {B 1,..., B m, C 1,..., C m } Zeige: Für jede Interpretation I gilt: I(C) = I(C ). Fallunterscheidung: I(C ) = 1: Dann gilt für alle i: I(D i) = 1, I(E i) = 1 und I(R) = 1 und daher auch I(C) = 1 I(C ) = 0: Wenn es eine Klausel D i oder E i gibt mit I(D i) = 0, dann auch I(C) = 0. Sonst: nur I(R) = 0, d.h. I(B i) = I(C j) = 0 für alle i, j Betrachte I(A): Wenn I(A) = 0 kann I(E 1) = 1 nicht gelten Wenn I(A) = 1 kann I(E 2) = 1 nicht gelten Widerspruch. D. Sabel KI SoSe 2014 Aussagenlogik 69/123

123 Vollständigkeit (1) Satz Die Resolution auf einer aussagenlogischen Klauselmenge terminiert, wenn man einen Resolutionsschritt nur ausführen darf, wenn sich die Klauselmenge vergrößert. Beweis: Es gibt nur endlich viele verschiedene Klauseln, da Resolution keine neuen Variablen einführt. D. Sabel KI SoSe 2014 Aussagenlogik 70/123

124 Vollständigkeit (2) Theorem Für eine unerfüllbare Klauselmenge findet Resolution nach endlich vielen Schritten die leere Klausel. Beweis: Siehe Skript / Bücher... D.h.: Für jede Klauselmenge C kann Resolution entscheiden: C widersprüchlich? ja (Klausel wird hergeleitet) oder nein (Terminierung ohne ). D. Sabel KI SoSe 2014 Aussagenlogik 71/123

125 Tautologie-Test Sei F beliebige Formel 1 Starte mit F 2 Transformiere F in CNF C (auch schnelle CNF erhält Erfüllbarkeit & Widersprüchlichkeit) 3 Verwende Resolution beginnend mit C 4 wenn C widersprüchlich, dann F widersprüchlich, und daher F Tautologie 5 wenn C erfüllbar, dann F erfüllbar, und daher F keine Tautologie D. Sabel KI SoSe 2014 Aussagenlogik 72/123

126 Herleitung Zeige {F 1,..., F n } = G: 1 Zeige dass (F 1... F n ) = G allgemeingültig (Deduktionstheorem) 2 ((F 1... F n ) = G) ist äquivalent zu (F 1... F n G) 3 Verwende CNF-Algorithmus und anschließend Resolution Durch Aufzählen kann man alle semantischen Folgerungen auch syntaktisch damit durchführen. Daher: Verfahren ist vollständig. D. Sabel KI SoSe 2014 Aussagenlogik 73/123

127 Komplexität Es gibt Formeln, so dass exponentiell viele Resolutionen nötig sind, um die leere Klausel herzuleiten (Armin Haken 1985) Die sogenannten Taubenschlagformeln TSF n+1 : n + 1 Tauben sitzen in n Löchern, wobei in jedem Loch höchstens eine Taube sitzt TSF n+1 = S T L n+1 n S T L T =1 L=1 n+1 n T =1 X=T +1 L=1 ( n+1 n S T L T =1 L=1 ) ( n n+1 T =1 X=T +1 L=1 ) n (S T L SX L ) = Taube T sitzt in Loch L = jede Taube T sitzt in einem der n Löcher n (S T L SX L ) = Jedes Loch einzeln besetzt D. Sabel KI SoSe 2014 Aussagenlogik 74/123

128 Resolutionsverfahren Ein Nachteil: Modelle bei erfüllbaren Formeln nicht immer ablesbar Beispiel: {A, B} { A, B} {B, B} {A, A} D. Sabel KI SoSe 2014 Aussagenlogik 75/123

129 Beispiel: Warum will man Modelle finden? Die Frage nach dem Pfefferdieb 3 Verdächtige: Hutmacher, Schnapphase, Hasel-Maus Genau einer von ihnen ist der Dieb. Unschuldige sagen immer die Wahrheit Schnapphase: Der Hutmacher ist unschuldig. Hutmacher: Die Hasel-Maus ist unschuldig Wer ist der Dieb? Kodierung: H, S, M, für ist schuldig, Modell liefert Lösung D. Sabel KI SoSe 2014 Aussagenlogik 76/123

130 Beispiel: Warum will man Modelle finden? Die Frage nach dem Pfefferdieb 3 Verdächtige: Hutmacher, Schnapphase, Hasel-Maus Genau einer von ihnen ist der Dieb. (H S M) (H (S M)) (S (H M)) (M (H S)) Unschuldige sagen immer die Wahrheit Schnapphase: Der Hutmacher ist unschuldig. Hutmacher: Die Hasel-Maus ist unschuldig Wer ist der Dieb? Kodierung: H, S, M, für ist schuldig, Modell liefert Lösung D. Sabel KI SoSe 2014 Aussagenlogik 76/123

131 Beispiel: Warum will man Modelle finden? Die Frage nach dem Pfefferdieb 3 Verdächtige: Hutmacher, Schnapphase, Hasel-Maus Genau einer von ihnen ist der Dieb. (H S M) (H (S M)) (S (H M)) (M (H S)) Unschuldige sagen immer die Wahrheit Schnapphase: Der Hutmacher ist unschuldig. S H Hutmacher: Die Hasel-Maus ist unschuldig Wer ist der Dieb? Kodierung: H, S, M, für ist schuldig, Modell liefert Lösung D. Sabel KI SoSe 2014 Aussagenlogik 76/123

132 Beispiel: Warum will man Modelle finden? Die Frage nach dem Pfefferdieb 3 Verdächtige: Hutmacher, Schnapphase, Hasel-Maus Genau einer von ihnen ist der Dieb. (H S M) (H (S M)) (S (H M)) (M (H S)) Unschuldige sagen immer die Wahrheit Schnapphase: Der Hutmacher ist unschuldig. S H Hutmacher: Die Hasel-Maus ist unschuldig H M Wer ist der Dieb? Kodierung: H, S, M, für ist schuldig, Modell liefert Lösung D. Sabel KI SoSe 2014 Aussagenlogik 76/123

133 Beispiel (Forts.) Wissen: Klauselmenge dazu: H S M {H, S, M} H (S M) { H, S} S (H M) { H, M} M (H S) { S, M} S H {S, H} H M {H, M} D. Sabel KI SoSe 2014 Aussagenlogik 77/123

134 Resolution dazu {H, S, M} { H, S} { H, M} { S, M} {S, H} {H, M} D. Sabel KI SoSe 2014 Aussagenlogik 78/123

135 Resolution dazu {H, S, M} { H, S} { H, M} { S, M} {S, H} {H, M} { H} D. Sabel KI SoSe 2014 Aussagenlogik 78/123

136 Resolution dazu {H, S, M} { H, S} { H, M} { S, M} {S, H} {H, M} { H} { M} D. Sabel KI SoSe 2014 Aussagenlogik 78/123

137 Resolution dazu {H, S, M} { H, S} { H, M} { S, M} {S, H} {H, M} { H} { M} {S, M} D. Sabel KI SoSe 2014 Aussagenlogik 78/123

138 Resolution dazu {H, S, M} { H, S} { H, M} { S, M} {S, H} {H, M} { H} { M} {S, M} {S} D. Sabel KI SoSe 2014 Aussagenlogik 78/123

139 Resolution dazu {H, S, M} { H, S} { H, M} { S, M} {S, H} {H, M} { H} { M} {S, M} {S} Klauselmenge nur erfüllbar, wenn die 1-Klauseln wahr sind. Mögliches Modell daher S, M, H Prüfung ergibt: Ja ist Modell Also ist der Schnapphase schuldig D. Sabel KI SoSe 2014 Aussagenlogik 78/123

140 Optimierungen des Resolutionsverfahrens Bestimmte Klauseln brauchen nicht zu betrachtet werden diese können gelöscht, bzw. brauchen erst gar nicht erzeugt werden Optimierung, da weniger Klauseln betrachet werden müssen D. Sabel KI SoSe 2014 Aussagenlogik 79/123

141 Optimierungen des Resolutionsverfahrens (2) Tautologische Klauseln = Klauseln die A und A enthalten Satz Sei K tautologische Klausel, C Klauselmenge: C ist äquivalent zu C {K} Beweis: Klar, da jede Interpretation K wahr macht Im Resolutionsverfahren: Lösche tautologische Klauseln D. Sabel KI SoSe 2014 Aussagenlogik 80/123

142 Optimierungen des Resolutionsverfahrens (3) Ein Literal L i ist isoliertes Literal{ in Klauselmenge C gdw. L i Xi, falls L nicht in C vorkommt, wobei L i := i = X i X i, falls L i = X i Satz Sei C Klauselmenge, C Klauselmenge in der alle Klauseln gelöscht sind, die isolierte Literale enthalten. C ist erfüllbarkeitsäquivalent zu C, d.h. C ist erfüllbar gdw. C ist erfüllbar. : Jede Interpretation die C erfüllt, erfüllt auch C (weniger Klauseln). : Wenn I Klauselmenge C erfüllt, dann erfüllt I Klauselmenge C, wobei 1, für isolierte Literale L i = X I (X) = 0, für isolierte Literale L i = X I(X), sonst Im Resolutionsverfahren: Lösche Klauseln mit isolierten Literalen D. Sabel KI SoSe 2014 Aussagenlogik 81/123

143 Beachte... Löschen von isolierten Literalen ist keine Äquivalenzumformung Beispiel: {{A, A}, {B}} ist nicht äquivalent zu {{A, A}} {{A, A}} ist Tautologie {{A, A}, {B}} ist falsifizierbar (mit I(B) = 0) Da Resolution nach (Un-)erfüllbarkeit sucht, reicht aber Erfüllbarkeitsäquivalenz aus. D. Sabel KI SoSe 2014 Aussagenlogik 82/123

144 Optimierungen des Resolutionsverfahrens (4) Eine Klausel K 1 subsumiert Klausel K 2 gdw. K 1 K 2. Sprechweise auch: K 2 wird subsumiert von K 1 Satz Die Klauselmenge C {K 1 } {K 2 } ist äquivalent zu C {K 1 }, wenn K 1 die Klausel K 2 subsumiert. Sei I Interpretation. Zwei Fälle: I(C {K 1} {K 2}) = 1. Dann macht I alle Klauseln wahr, also gilt I(C {K 1}) = 1 I(C {K 1} {K 2}) = 0. Wenn I(C {K 1}) = 0, dann klar. Sonst nehme an I(K 2) = 0, aber I(C {K 1}) = 1. Da K 2 K 1 muss aber gelten I(K 1) = 0. Widerspruch, daher I(C {K 1}) = 0 Im Resolutionsverfahren: Lösche subsumierte Klauseln D. Sabel KI SoSe 2014 Aussagenlogik 83/123

145 Optimierungen des Resolutionsverfahrens (5) Zusammenfassend Tautologische Klauseln Klauseln die isolierte Literale enthalten Subsumierte Klauseln können im Resolutionsverfahren gelöscht werden, da das Finden der leeren Klausel (ja/nein) dadurch nicht verändert wird. (Erfüllbarkeit, Widersprüchlichkeit bleibt gleich) D. Sabel KI SoSe 2014 Aussagenlogik 84/123

146 Das DPLL-Verfahren Namensgebung Martin Davis und Hilary Putnam, 1960: Resolution-basiertes Verfahren Martin Davis, Hilary Putnam, George Logemann und Donald W. Loveland, 1962: Verbesserung des Verfahres (insbes. Platz) Oft DPLL-Verfahren, aber auch DP-Verfahren, Davis-Putnam-Prozedur Grobe Eigenschaften Grundlage vieler moderner SAT-Solver Kombination aus: Resolution mit Subsumtion und Fallunterscheidung Verwendet Backtracking Kann Modelle für erfüllbare Klauseln einfach erzeugen D. Sabel KI SoSe 2014 Aussagenlogik 85/123

147 DPLL-Algorithmus (1) Eingabe: Klauselmenge C Annahme: Tautologische Klauseln bereits entfernt Ausgabe: true, wenn C unerfüllbar false, wenn C erfüllbar Erweiterung: auch ein Modell wenn erfüllbar DPLL beantwortet daher die Frage: Ist C widersprüchlich? D. Sabel KI SoSe 2014 Aussagenlogik 86/123

148 DPLL-Algorithmus (2) Algorithmus DPLL-Prozedur Funktion DPLL(C): if C then return true; // unerfüllbar if C = then return false; // erfüllbar if C enthält 1-Klausel {L} then Sei C die Klauselmenge, die aus C entsteht, indem (1) alle Klauseln, die L enthalten, entfernt werden und (2) in den verbleibenden Klausel alle Literale L entfernt werden (wobei L = X, wenn L = X und L = X, wenn L = X) DPLL(C ); // rekursiver Aufruf if C enthält isoliertes Literal L then Sei C die Klauselmenge, die aus C entsteht, indem alle Klauseln, die L enthalten, entfernt werden. DPLL(C ); // rekursiver Aufruf // Nur wenn keiner der obigen Fälle zutraf: Wähle Atom A, dass in C vorkommt; return DPLL(C {{A}}) DPLL(C {{ A}}) // Fallunterscheidung D. Sabel KI SoSe 2014 Aussagenlogik 87/123

149 DPLL-Prozedur: Erläuterungen if C enthält 1-Klausel {L} then Sei C die Klauselmenge, die aus C entsteht, indem (1) alle Klauseln, die L enthalten, entfernt werden und (2) in den verbleibenden Klausel alle Literale L entfernt werden (wobei L = X, wenn L = X und L = X, wenn L = X) (1) entspricht der Subsumtion: {A},..., {A, B, C},... entferne {A, B, C}, da {A} die Klausel {A, B, C} subsumiert. (2) entspricht der Resolution mit anschließender Subsumtion {L} {L, L 1,..., L n} {L 1,..., L n} Entfernen von {A}: Setze I(A) = 1, sonst sowieso nicht erfüllbar D. Sabel KI SoSe 2014 Aussagenlogik 88/123

150 DPLL-Prozedur: Erläuterungen (2) if C enthält isoliertes Literal L then Sei C die Klauselmenge, die aus C entsteht, indem alle Klauseln, die L enthalten, entfernt werden. DPLL(C ); // rekursiver Aufruf Entspricht der Löschregel für isolierte Literale // Nur wenn keiner der obigen Fälle zutraf: Wähle Atom A, dass in C vorkommt; return DPLL(C {{A}}) DPLL(C {{ A}}) // Fallunterscheidung Fallunterscheidung, ob A wahr oder falsch ist. D. Sabel KI SoSe 2014 Aussagenlogik 89/123

151 DPLL in Haskell dpll :: [[Int]] -> Bool dpll [] = False dpll cnf [] elem cnf = True otherwise = case getunit cnf of Just [x] -> dpll [delete (negate x) clause clause <- cnf, not (x elem clause)] Nothing -> if not (null isolated) then dpll [clause clause <- cnf, let (isolit:_)=isolated, not (isolit elem clause)] else (dpll ([lit]:cnf)) && (dpll ([negate lit]:cnf)) where literals = (nub. sort. concat) cnf isolated = [lit lit <- literals, not ((negate lit) elem literals)] ((lit:clause):_) = cnf getunit [] = Nothing getunit ([x]:_) = Just [x] getunit (_:xxs) = getunit xxs D. Sabel KI SoSe 2014 Aussagenlogik 90/123

Überblick. Einführung in die Methoden der Künstlichen Intelligenz. Aussagenlogik (1) Wissenrepräsentations- und inferenzsysteme (2)

Überblick. Einführung in die Methoden der Künstlichen Intelligenz. Aussagenlogik (1) Wissenrepräsentations- und inferenzsysteme (2) Überblick Einführung in die Methoden der Künstlichen Intelligenz Aussagenlogik (1) Dr. David Sabel WS 2012/13 Grober Inhalt des Kapitels Aussagenlogik allgemein Darstellung von Wissen in der Aussagenlogik

Mehr

Aussagenlogik: Syntax von Aussagen

Aussagenlogik: Syntax von Aussagen Aussagenlogik: Syntax von Aussagen A ::= X (A A) (A A) ( A) (A A) (A A) 0 1 Prioritätsreihenfolge :,,,,. A B: Konjunktion (Verundung). A B: Disjunktion (Veroderung). A B: Implikation. A B: Äquivalenz.

Mehr

Überblick. Einführung in die Methoden der Künstlichen Intelligenz. Aussagenlogik. Wissenrepräsentations- und inferenzsysteme (2)

Überblick. Einführung in die Methoden der Künstlichen Intelligenz. Aussagenlogik. Wissenrepräsentations- und inferenzsysteme (2) Überblick Einführung in die Methoden der Künstlichen Intelligenz Aussagenlogik PD Dr. David Sabel SoSe 2014 Grober Inhalt des Kapitels Aussagenlogik allgemein Darstellung von Wissen in der Aussagenlogik

Mehr

Wissensrepräsentation und Schlussfolgern

Wissensrepräsentation und Schlussfolgern Wissensrepräsentation und Schlussfolgern Wissensrepräsentationshypothese: (B. Smith) Die Verarbeitung von Wissen lässt sich trennen in: Repräsentation von Wissen, wobei dieses Wissen eine Entsprechung

Mehr

Resolutionsverfahren für die Aussagenlogik. Einführung in die Methoden der Künstlichen Intelligenz. Aussagenlogik (2) Resolutionsregel

Resolutionsverfahren für die Aussagenlogik. Einführung in die Methoden der Künstlichen Intelligenz. Aussagenlogik (2) Resolutionsregel Resolutionsverfahren für die Aussagenlogik Einführung in die Methoden der Künstlichen Intelligenz Aussagenlogik (2) Dr. David Sabel WS 2012/13 Testet Formel auf Widersprüchlichkeit Tautologiecheck für

Mehr

Logikbasierte Systeme der Wissensverarbeitung

Logikbasierte Systeme der Wissensverarbeitung Logikbasierte Systeme der Wissensverarbeitung Sommersemester 2018 Prof. Dr. Manfred Schmidt-Schauß und PD Dr. David Sabel Institut für Informatik Fachbereich Informatik und Mathematik Goethe-Universität

Mehr

Aussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/25

Aussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/25 Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/25 Einführendes Beispiel Falls Lisa Peter trifft, dann trifft Lisa auch Gregor.

Mehr

Formale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Hornformeln

Formale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Hornformeln Formale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Frank Heitmann heitmann@informatik.uni-hamburg.de 9. Juni 2015 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/36 Ersetzbarkeitstheorem

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 6 14.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 4 7.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge

Mehr

Aussagenlogik. (MAF2) MAF(I, t) = t und MAF(I, f ) = f. Die Semantik aussagenlogischer Formeln ist durch die Funktion

Aussagenlogik. (MAF2) MAF(I, t) = t und MAF(I, f ) = f. Die Semantik aussagenlogischer Formeln ist durch die Funktion 43 Vergleiche mit MBA! (MAF4) MAF(I, (F G)) = MAF(I, F) MAF(I, G), wobei die zum Symbol gehörende Funktion ist. (MAF3) MAF(I, F) = MAF(I, F) (MAF2) MAF(I, t) = t und MAF(I, f ) = f (MAF1) MAF(I, A) = I(A),

Mehr

Syntax. 1 Jedes A AS AL ist eine (atomare) Formel. 2 Ist F eine Formel, so ist auch F eine Formel. 3 Sind F und G Formeln, so sind auch

Syntax. 1 Jedes A AS AL ist eine (atomare) Formel. 2 Ist F eine Formel, so ist auch F eine Formel. 3 Sind F und G Formeln, so sind auch Formale der Informatik 1 Kapitel 15 Folgerbarkeit, Äquivalenzen und Normalformen Frank Heitmann heitmann@informatik.uni-hamburg.de 8. Juni 2015 Syntax Definition (Syntax der Aussagenlogik) Mit AS AL sei

Mehr

Tableaukalkül für Aussagenlogik

Tableaukalkül für Aussagenlogik Tableaukalkül für Aussagenlogik Tableau: Test einer Formel auf Widersprüchlichkeit Fallunterscheidung baumförmig organisiert Keine Normalisierung, d.h. alle Formeln sind erlaubt Struktur der Formel wird

Mehr

Logik Vorlesung 3: Äquivalenz und Normalformen

Logik Vorlesung 3: Äquivalenz und Normalformen Logik Vorlesung 3: Äquivalenz und Normalformen Andreas Maletti 7. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen

Mehr

Theorie der Informatik. Theorie der Informatik. 2.1 Äquivalenzen. 2.2 Vereinfachte Schreibweise. 2.3 Normalformen. 2.

Theorie der Informatik. Theorie der Informatik. 2.1 Äquivalenzen. 2.2 Vereinfachte Schreibweise. 2.3 Normalformen. 2. Theorie der Informatik 24. Februar 2014 2. Aussagenlogik II Theorie der Informatik 2. Aussagenlogik II 2.1 Äquivalenzen Malte Helmert Gabriele Röger 2.2 Vereinfachte Schreibweise Universität Basel 24.

Mehr

Aussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/37

Aussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/37 Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/37 Modellierungsaufgabe Es gibt drei Tauben und zwei Löcher. Jede Taube soll in

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 5 8.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge

Mehr

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet. Grundlagen der Mathematik für Informatiker 1 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage)

Mehr

Logik Vorlesung 5: Grundlagen Resolution

Logik Vorlesung 5: Grundlagen Resolution Logik Vorlesung 5: Grundlagen Resolution Andreas Maletti 21. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen Weitere

Mehr

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet. Grundlagen der Mathematik für Informatiker 1 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage)

Mehr

Jeder Aussage p kann ein Wahrheitswert W(p) {0, 1} zugeordnet werden. Beispiele: W(Es regnet.) =? (je nach Lage der Dinge) W(Die Straße ist naß.) =?

Jeder Aussage p kann ein Wahrheitswert W(p) {0, 1} zugeordnet werden. Beispiele: W(Es regnet.) =? (je nach Lage der Dinge) W(Die Straße ist naß.) =? Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 2 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl.

Mehr

Zusammenfassung Syntax: Formale Grundlagen der Informatik 1 Kapitel 15 Normalformen und Hornformeln. Zusammenfassung

Zusammenfassung Syntax: Formale Grundlagen der Informatik 1 Kapitel 15 Normalformen und Hornformeln. Zusammenfassung Formale der Informatik 1 Kapitel 15 und Frank Heitmann heitmann@informatik.uni-hamburg.de 30. Mai 2016 Zusammenfassung Syntax Zusammenfassung Syntax: Motivation Definition der Syntax: Alphabet, Junktor

Mehr

Formale Grundlagen der Informatik 1 Kapitel 15 Normalformen und Hornformeln

Formale Grundlagen der Informatik 1 Kapitel 15 Normalformen und Hornformeln Formale Grundlagen der Informatik 1 Kapitel 15 Normalformen und Frank Heitmann heitmann@informatik.uni-hamburg.de 30. Mai 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/42 Zusammenfassung Syntax

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 3 06.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax (Formeln) Semantik Wertebelegungen/Valuationen/Modelle

Mehr

Formale Systeme. Das Erfu llbarkeitsproblem. Prof. Dr. Bernhard Beckert, WS 2017/2018

Formale Systeme. Das Erfu llbarkeitsproblem. Prof. Dr. Bernhard Beckert, WS 2017/2018 Formale Systeme Prof. Dr. Bernhard Beckert, WS 2017/2018 Das Erfu llbarkeitsproblem KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft

Mehr

23. Vorlesung: Logisches Schließen Markus Kr otzsch Professur f ur Wissensbasierte Systeme Normalformen

23. Vorlesung: Logisches Schließen Markus Kr otzsch Professur f ur Wissensbasierte Systeme Normalformen Logik: Glossar FORMALE SYSTEME 23. Vorlesung: Logisches Schließen Markus Krötzsch Professur für Wissensbasierte Systeme TU Dresden, 15. Januar 2018 Atom kleinste mögliche Formel p P Teilformel Unterausdruck,

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 5 14.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Normalformen Atome, Literale, Klauseln Konjunktive

Mehr

Logik Vorlesung 4: Horn-Logik und Kompaktheit

Logik Vorlesung 4: Horn-Logik und Kompaktheit Logik Vorlesung 4: Horn-Logik und Kompaktheit Andreas Maletti 14. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen

Mehr

FORMALE SYSTEME. 23. Vorlesung: Logisches Schließen. TU Dresden, 16. Januar Markus Krötzsch Lehrstuhl Wissensbasierte Systeme

FORMALE SYSTEME. 23. Vorlesung: Logisches Schließen. TU Dresden, 16. Januar Markus Krötzsch Lehrstuhl Wissensbasierte Systeme FORMALE SYSTEME 23. Vorlesung: Logisches Schließen Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 16. Januar 2017 Rückblick Markus Krötzsch, 16. Januar 2017 Formale Systeme Folie 2 von 31

Mehr

5.1 Inferenz. Theorie der Informatik. Theorie der Informatik. 5.1 Inferenz. 5.2 Resolutionskalkül. 5.3 Zusammenfassung. Inferenz: Motivation

5.1 Inferenz. Theorie der Informatik. Theorie der Informatik. 5.1 Inferenz. 5.2 Resolutionskalkül. 5.3 Zusammenfassung. Inferenz: Motivation Theorie der Informatik 9. März 2015 5. Aussagenlogik III Theorie der Informatik 5. Aussagenlogik III 5.1 Inferenz Malte Helmert Gabriele Röger 5.2 Resolutionskalkül Universität Basel 9. März 2015 5.3 Zusammenfassung

Mehr

Kapitel L:II. II. Aussagenlogik

Kapitel L:II. II. Aussagenlogik Kapitel L:II II. Aussagenlogik Syntax der Aussagenlogik Semantik der Aussagenlogik Eigenschaften des Folgerungsbegriffs Äquivalenz Formeltransformation Normalformen Bedeutung der Folgerung Erfüllbarkeitsalgorithmen

Mehr

3.1 Aussagenlogik (propositional calculus)

3.1 Aussagenlogik (propositional calculus) Kapitel 3 Aussagenlogik 3.1 Aussagenlogik (propositional calculus) Die Aussagenlogik ist in vielen anderen Logiken enthalten; sie hat einfache verstehbare Inferenzmethoden, man kann einfache Beispiele

Mehr

Was ist Logik? Was ist Logik? Aussagenlogik. Wahrheitstabellen. Geschichte der Logik eng verknüpft mit Philosophie

Was ist Logik? Was ist Logik? Aussagenlogik. Wahrheitstabellen. Geschichte der Logik eng verknüpft mit Philosophie Was ist Logik? Geschichte der Logik eng verknüpft mit Philosophie Begriff Logik wird im Alltag vielseitig verwendet Logik untersucht, wie man aus Aussagen andere Aussagen ableiten kann Beschränkung auf

Mehr

1.1 Wissensrepräsentation und Schlussfolgern

1.1 Wissensrepräsentation und Schlussfolgern Kapitel 1 Aussagenlogik 1.1 Wissensrepräsentation und Schlussfolgern Wissensrepräsentationshypothese: (B. Smith) Die Verarbeitung von Wissen lässt sich trennen in: Repräsentation von Wissen, wobei dieses

Mehr

Logik für Informatiker

Logik für Informatiker Vorlesung Logik für Informatiker 4. Aussagenlogik Syntax und Semantik der Aussagenlogik Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Syntax der Aussagenlogik:

Mehr

Syntax der Aussagenlogik. Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen. Formel als Syntaxbaum. Teilformel A 3 A 1 A 4

Syntax der Aussagenlogik. Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen. Formel als Syntaxbaum. Teilformel A 3 A 1 A 4 Syntax der Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume Eine atomare Formel hat die Form A i (wobei i = 1, 2, 3,...). Definition (Formel)

Mehr

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016 Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016 Teil 2: Logik 1 Prädikatenlogik (Einleitung) 2 Aussagenlogik Motivation Grundlagen Eigenschaften Eigenschaften Normalformen

Mehr

Was bisher geschah: klassische Aussagenlogik

Was bisher geschah: klassische Aussagenlogik Was bisher geschah: klassische Aussagenlogik Syntax Symbole und Struktur Junktoren: t, f,,,,, aussagenlogische Formeln AL(P) induktive Definition: IA Atome (Aussagenvariablen) p, q, r,... P IS zusammengesetzte

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 4 07.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Gestern Normalformen Atome, Literale, Klauseln Konjunktive

Mehr

Theoretische Informatik: Logik

Theoretische Informatik: Logik Theoretische Informatik: Logik Vorlesung mit Übungen im WS 2006/2007 Vorlesung: Montag Montag 9-10 Uhr, Raum 1603 WAneu 14-16 Uhr, Raum 1603 WAneu Beginn: Montag, den 23.10.2006, 9 15 Uhr. Übungen in 3

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 7 15.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Unser Ziel Kalkül(e) zur systematischen Überprüfung

Mehr

Aufgabe. Gelten die folgenden Äquivalenzen?. 2/??

Aufgabe. Gelten die folgenden Äquivalenzen?. 2/?? Äquivalenz Zwei Formeln F und G heißen (semantisch) äquivalent, falls für alle Belegungen A, die sowohl für F als auch für G passend sind, gilt A(F ) = A(G). Hierfür schreiben wir F G.. 1/?? Aufgabe Gelten

Mehr

Resolutionskalkül. wird t als eine Menge K t von Klauseln geschrieben, welche die einzelnen Maxterme repräsentieren:

Resolutionskalkül. wird t als eine Menge K t von Klauseln geschrieben, welche die einzelnen Maxterme repräsentieren: Resolutionskalkül Ein Kalkül ist eine Kollektion von syntaktischen Umformungsregeln, die unter gegebenen Voraussetzungen aus bereits vorhandenen Formeln neue Formeln erzeugen. Der Resolutionskalkül besteht

Mehr

Klauselmengen. Definition Sei

Klauselmengen. Definition Sei Klauselmengen Definition 2.38 Sei α = (p 11... p 1k1 )... (p n1... p nkn ) eine in aussagenlogische Formel in KNF. Dann heißen die Mengen {p i1,..., p iki }, 1 i n, der jeweils disjunktiv verknüpften Literale

Mehr

Logik für Informatiker

Logik für Informatiker Vorlesung Logik für Informatiker 6. Aussagenlogik Resolution Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Der aussagenlogische Resolutionkalkül Wesentliche

Mehr

Ersetzbarkeitstheorem

Ersetzbarkeitstheorem Ersetzbarkeitstheorem Die Abgeschlossenheit läßt sich auch folgendermaßen formulieren: Ersetzbarkeitstheorem Seien F und G Formeln mit F G. SeienH und H Formeln, so daß H aus H hervorgeht, indem ein Vorkommen

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 2 28.04.2015 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Organisatorisches Termine Donnerstags: 30.04.2015 nicht

Mehr

FORMALE SYSTEME. 22. Vorlesung: Äquivalenzen und Normalformen. TU Dresden, 11. Januar Markus Krötzsch Professur für Wissensbasierte Systeme

FORMALE SYSTEME. 22. Vorlesung: Äquivalenzen und Normalformen. TU Dresden, 11. Januar Markus Krötzsch Professur für Wissensbasierte Systeme FORMALE SYSTEME 22. Vorlesung: Äquivalenzen und Normalformen Markus Krötzsch Professur für Wissensbasierte Systeme TU Dresden, 11. Januar 2018 Rückblick Markus Krötzsch, 11. Januar 2018 Formale Systeme

Mehr

Erfüllbarkeitstests. Im folgenden: Ein sehr effizienter Erfüllbarkeitstest für eine spezielle Klasse von Formeln in KNF, sogenannte Hornformeln (vgl.

Erfüllbarkeitstests. Im folgenden: Ein sehr effizienter Erfüllbarkeitstest für eine spezielle Klasse von Formeln in KNF, sogenannte Hornformeln (vgl. Erfüllbarkeitstests Im folgenden: Ein sehr effizienter Erfüllbarkeitstest für eine spezielle Klasse von Formeln in KNF, sogenannte Hornformeln (vgl. Grundlagen und diskrete Strukturen ) Ein für Formeln

Mehr

Formale Systeme. Aussagenlogik: Resolutionskalku l. Prof. Dr. Bernhard Beckert, WS 2018/2019

Formale Systeme. Aussagenlogik: Resolutionskalku l. Prof. Dr. Bernhard Beckert, WS 2018/2019 Formale Systeme Prof. Dr. Bernhard Beckert, WS 2018/2019 Aussagenlogik: Resolutionskalku l KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft

Mehr

Logische Äquivalenz. Definition Beispiel 2.23

Logische Äquivalenz. Definition Beispiel 2.23 Logische Äquivalenz Definition 2.22 Zwei aussagenlogische Formeln α, β A heißen logisch äquivalent, falls für jede Belegung I von α und β gilt: Schreibweise: α β. Beispiel 2.23 Aus Folgerung 2.6 ergibt

Mehr

TU9 Aussagenlogik. Daniela Andrade

TU9 Aussagenlogik. Daniela Andrade TU9 Aussagenlogik Daniela Andrade daniela.andrade@tum.de 18.12.2017 1 / 21 Kleine Anmerkung Meine Folien basieren auf den DS Trainer von Carlos Camino, den ihr auf www.carlos-camino.de/ds findet ;) 2 /

Mehr

Semantik der Aussagenlogik (Kurzform)

Semantik der Aussagenlogik (Kurzform) Semantik der Aussagenlogik (Kurzform) Eine Interpretation ist eine Abbildung der Aussagevariablen je in {true,false} (entspr. Wahrheit und Falschheit, abk.,) Interpretation zusammengesetzter Formeln definiere

Mehr

Vorlesung Logik Wintersemester 2017/18 Universität Duisburg-Essen

Vorlesung Logik Wintersemester 2017/18 Universität Duisburg-Essen Vorlesung Logik Wintersemester 2017/18 Universität Duisburg-Essen Barbara König Übungsleitung: Dennis Nolte, Harsh Beohar Barbara König Logik 1 Mengen, Relationen und Funktionen Menge: Menge X von Elementen,

Mehr

Resolutionsalgorithmus

Resolutionsalgorithmus 112 Resolutionskalkül Mit dem Begriff Kalkül bezeichnet man eine Menge von syntaktischen Umformungsregeln, mit denen man semantische Eigenschaften der Eingabeformel herleiten kann. Für den Resolutionskalkül:

Mehr

Logik für Informatiker

Logik für Informatiker Vorlesung Logik für Informatiker 5. Aussagenlogik Normalformen Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Normalformen Definition: Literal Atom (aussagenlogische

Mehr

Deduktion in der Aussagenlogik

Deduktion in der Aussagenlogik Deduktion in der Aussagenlogik Menge von Ausdrücken der Aussagenlogik beschreibt einen bestimmten Sachverhalt, eine "Theorie" des Anwendungsbereiches. Was folgt logisch aus dieser Theorie? Deduktion: aus

Mehr

Deduktion in der Aussagenlogik. Semantische Folgerungsbeziehung. Zusammenhang zwischen semantischer und syntaktischer Folgerung

Deduktion in der Aussagenlogik. Semantische Folgerungsbeziehung. Zusammenhang zwischen semantischer und syntaktischer Folgerung Deduktion in der Aussagenlogik Menge von Ausdrücken der Aussagenlogik beschreibt einen bestimmten Sachverhalt, eine "Theorie" des Anwendungsbereiches Was folgt logisch aus dieser Theorie? Deduktion: aus

Mehr

4. Logik und ihre Bedeutung für WBS

4. Logik und ihre Bedeutung für WBS 4. Logik und ihre Bedeutung für WBS WBS verwenden formale Sprache L um Wissen zu repräsentieren Grundidee: Problemlösen = Folgern aus in L dargestelltem Wissen Folgern = implizites Wissen explizit machen

Mehr

Was bisher geschah: klassische Aussagenlogik

Was bisher geschah: klassische Aussagenlogik Was bisher geschah: klassische Aussagenlogik Syntax Symbole und Struktur, Junktoren: t, f,,,,, Prinzip der strukturellen Induktion über Baumstruktur von Formeln, arithmetischen Ausdrücken usw. induktive

Mehr

Fakultät für Informatik Universität Magdeburg Jürgen Dassow. Vorbemerkungen

Fakultät für Informatik Universität Magdeburg Jürgen Dassow. Vorbemerkungen Vorbemerkungen if (x > y) z = x; else z = y; Wenn es blaue Tiger regnet, dann fressen alle Kirschbäume schwarze Tomaten. q(1) = 1, q(i) = q(i 1) + 2i 1 für i 2 Welchen Wert hat q(6)? 24 ist durch 2 teilbar.

Mehr

3. Grundlegende Begriffe von Logiken - Aussagenlogik

3. Grundlegende Begriffe von Logiken - Aussagenlogik 3. Grundlegende Begriffe von Logiken - Aussagenlogik Wichtige Konzepte und Begriffe in Logiken: Syntax (Signatur, Term, Formel,... ): Festlegung, welche syntaktischen Gebilde als Formeln (Aussagen, Sätze,

Mehr

Übung 4: Aussagenlogik II

Übung 4: Aussagenlogik II Übung 4: Aussagenlogik II Diskrete Strukturen im Wintersemester 2013/2014 Markus Kaiser 8. Januar 2014 1/10 Äquivalenzregeln Identität F true F Dominanz F true true Idempotenz F F F Doppelte Negation F

Mehr

FORMALE SYSTEME. 10. Januar Aussagenlogik. Logische Schlussfolgerung. Happy 80th Birthday, Don Knuth!

FORMALE SYSTEME. 10. Januar Aussagenlogik. Logische Schlussfolgerung. Happy 80th Birthday, Don Knuth! 10. Januar 2018 FORMALE SYSTEME 22. Vorlesung: Äquivalenzen und Normalformen Markus Krötzsch Professur für Wissensbasierte Systeme TU Dresden, 11. Januar 2018 Happy 80th Birthday, Don Knuth! If you find

Mehr

Prädikatenlogik: Syntax

Prädikatenlogik: Syntax Prädikatenlogik: Syntax Signatur : Welche Zeichen gibt es? Funktionssymbole Prädikatensymbol (Eigenschaften) Terme: Variablen f(t 1,... t n ) wenn t i Terme und f Funktionssymbol Formeln: P (t 1,... t

Mehr

3. Logik 3.1 Aussagenlogik

3. Logik 3.1 Aussagenlogik 3. Logik 3.1 Aussagenlogik WS 06/07 mod 301 Kalkül zum logischen Schließen. Grundlagen: Aristoteles 384-322 v. Chr. Aussagen: Sätze, die prinzipiell als ahr oder falsch angesehen erden können. z. B.: Es

Mehr

Kapitel L:II. II. Aussagenlogik

Kapitel L:II. II. Aussagenlogik Kapitel L:II II. Aussagenlogik Syntax der Aussagenlogik Semantik der Aussagenlogik Eigenschaften des Folgerungsbegriffs Äquivalenz Formeltransformation Normalformen Bedeutung der Folgerung Erfüllbarkeitsalgorithmen

Mehr

TU5 Aussagenlogik II

TU5 Aussagenlogik II TU5 Aussagenlogik II Daniela Andrade daniela.andrade@tum.de 21.11.2016 1 / 21 Kleine Anmerkung Meine Folien basieren auf den DS Trainer von Carlos Camino, den ihr auf www.carlos-camino.de/ds findet ;)

Mehr

Was bisher geschah. wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min Disjunktion 2 max Negation 1 x 1 x Implikation 2 Äquivalenz 2 =

Was bisher geschah. wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min Disjunktion 2 max Negation 1 x 1 x Implikation 2 Äquivalenz 2 = Was bisher geschah (Klassische) Aussagenlogik: Aussage Wahrheitswerte 0 (falsch) und 1 (wahr) Junktoren Syntax Semantik Stelligkeit Symbol Wahrheitswertfunktion wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min

Mehr

Kapitel 1. Aussagenlogik

Kapitel 1. Aussagenlogik Kapitel 1 Aussagenlogik Einführung Mathematische Logik (WS 2012/13) Kapitel 1: Aussagenlogik 1/17 Übersicht Teil I: Syntax und Semantik der Aussagenlogik (1.0) Junktoren und Wahrheitsfunktionen (1.1) Syntax

Mehr

Grundlagen der Logik

Grundlagen der Logik Grundlagen der Logik Denken Menschen logisch? Selektionsaufgabe nach Watson (1966): Gegeben sind vier Karten von denen jede auf der einen Seite mit einem Buchstaben, auf der anderen Seite mit einer Zahl

Mehr

2.3 Deduktiver Aufbau der Aussagenlogik

2.3 Deduktiver Aufbau der Aussagenlogik 2.3 Deduktiver Aufbau der Aussagenlogik Dieser Abschnitt beschäftigt sich mit einem axiomatischen Aufbau der Aussagenlogik mittels eines Deduktiven Systems oder eines Kalküls. Eine syntaktisch korrekte

Mehr

Kapitel 1.3. Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln

Kapitel 1.3. Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln Kapitel 1.3 Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln Mathematische Logik (WS 2011/12) Kapitel 1.3: Normalformen 1/ 29 Übersicht

Mehr

Aussagenlogik. Formale Methoden der Informatik WiSe 2012/2013 teil 6, folie 1

Aussagenlogik. Formale Methoden der Informatik WiSe 2012/2013 teil 6, folie 1 Aussagenlogik Formale Methoden der Informatik WiSe 22/23 teil 6, folie Teil VI: Aussagenlogik. Einführung 2. Boolesche Funktionen 3. Boolesche Schaltungen Franz-Josef Radermacher & Uwe Schöning, Fakultät

Mehr

Resolution (Idee) Aus der Herleitung der leeren Disjunktion (= leere Klausel) folgt Unerfüllbarkeit.

Resolution (Idee) Aus der Herleitung der leeren Disjunktion (= leere Klausel) folgt Unerfüllbarkeit. Resolution (Idee) (F A) (F A) (F A) (F A) (F F ) Aus der Herleitung der leeren Disjunktion (= leere Klausel) folgt Unerfüllbarkeit. Zwei Fragen: Kann man aus einer unerfüllbaren Formel immer die leere

Mehr

Informatik A. Prof. Dr. Norbert Fuhr auf Basis des Skripts von Prof. Dr. Wolfram Luther und der Folien von Peter Fankhauser

Informatik A. Prof. Dr. Norbert Fuhr auf Basis des Skripts von Prof. Dr. Wolfram Luther und der Folien von Peter Fankhauser Informatik A Prof. Dr. Norbert Fuhr fuhr@uni-duisburg.de auf Basis des Skripts von Prof. Dr. Wolfram Luther und der Folien von Peter Fankhauser 1 Teil I Logik 2 Geschichte R. Descartes (17. Jhdt): klassische

Mehr

1 Aussagenlogik AL: Verknüpfung von Aussagen

1 Aussagenlogik AL: Verknüpfung von Aussagen 1 Aussagenlogik AL: Verknüpfung von Aussagen Syntax atomare Formeln A,B,C sind AL-Formeln F und G AL-Formeln (F G),(F G) und F AL-Formeln müssen in endlich vielen Schritten gebildet werden können echtes

Mehr

Algorithmen für OBDD s. 1. Reduziere 2. Boole sche Operationen

Algorithmen für OBDD s. 1. Reduziere 2. Boole sche Operationen Algorithmen für OBDD s 1. Reduziere 2. Boole sche Operationen 1 1. Reduziere siehe auch M.Huth und M.Ryan: Logic in Computer Science - Modelling and Reasoning about Systems, Cambridge Univ.Press, 2000

Mehr

Logische und funktionale Programmierung

Logische und funktionale Programmierung Logische und funktionale Programmierung Vorlesung 2 und 3: Resolution Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 3. November 2017 1/43 HERBRAND-STRUKTUR Sei

Mehr

Definition (Modus Ponens) Wenn A, dann B. A gilt Also, gilt B

Definition (Modus Ponens) Wenn A, dann B. A gilt Also, gilt B Zusammenfassung der letzten LVA Wenn das Kind schreit, hat es Hunger Das Kind schreit Also, hat das Kind Hunger Fakt Korrektheit dieser Schlussfigur ist unabhängig von den konkreten Aussagen Einführung

Mehr

wenn es regnet ist die Straße nass:

wenn es regnet ist die Straße nass: Aussagenlogik 2 In der Aussagenlogik werden, wie der Name schon sagt, Aussagen über logische Operatoren verknüpft. Der Satz die Straße ist nass ist eine Aussage, genauso wie es regnet. Diese beiden Aussagen

Mehr

Aussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen

Aussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen Einführung in die Logik - 4 Aussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen Widerlegungsverfahren zum Aufwärmen: Bestimmung von Tautologien mittels Quick Falsification

Mehr

Einige Grundlagen der Komplexitätstheorie

Einige Grundlagen der Komplexitätstheorie Deterministische Polynomialzeit Einige Grundlagen der Komplexitätstheorie Ziel: NP-Vollständigkeit als ressourcenbeschränktes Analagon zur RE-Vollständigkeit. Komplexitätstheorie untersucht den Ressourcenbedarf

Mehr

Wozu formale Logik? Programmiersprachen Logik im Fingerhut. Formeln. Logik im Fingerhut (24. Januar 2005) Belegung und Interpretation

Wozu formale Logik? Programmiersprachen Logik im Fingerhut. Formeln. Logik im Fingerhut (24. Januar 2005) Belegung und Interpretation Wozu formale Logik? Logik im Fingerhut Studiengang Informatik Universität Bremen präzise Beschreibung von Aussagen über die Welt bzw. über verschiedene Welten Ziehen und Überprüfen von Schlussfolgerungen

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker Wintersemester 2007/08 Thomas Schwentick Teil A: Aussagenlogik 3. Erfüllbarkeit Version von: 23. Januar 2008(16:11) Inhalt 3.1 Grundbegriffe 3.2 Aussagenlogische Resolution 3.3 Endlichkeitssatz

Mehr

Vorlesung Logik Wintersemester 2012/13 Universität Duisburg-Essen

Vorlesung Logik Wintersemester 2012/13 Universität Duisburg-Essen Vorlesung Logik Wintersemester 2012/13 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume & Dr. Sander Bruggink Barbara König Logik 1 (Motivation) Wir benötigen Algorithmen für Erfüllbarkeitstests,

Mehr

Grundbegriffe für dreiwertige Logik

Grundbegriffe für dreiwertige Logik Grundbegriffe für dreiwertige Logik Hans Kleine Büning Universität Paderborn 1.11.2011 1 Syntax und Semantik Die klassische Aussagenlogik mit den Wahrheitswerten falsch und wahr bezeichnen wir im weiteren

Mehr

Aussagenlogik. Aussagen und Aussagenverknüpfungen

Aussagenlogik. Aussagen und Aussagenverknüpfungen Aussagenlogik Aussagen und Aussagenverknüpfungen Aussagen sind Sätze, von denen sich sinnvollerweise sagen läßt, sie seien wahr oder falsch. Jede Aussage besitzt also einen von zwei möglichen Wahrheitswerten,

Mehr

Logische und funktionale Programmierung

Logische und funktionale Programmierung Logische und funktionale Programmierung Vorlesung 11: Logikprogramme Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 19. Dezember 2016 1/55 WIEDERHOLUNG: HORN-KLAUSELN

Mehr

Logik Teil 1: Aussagenlogik

Logik Teil 1: Aussagenlogik Logik Teil 1: Aussagenlogik Aussagenlogik Aussagenlogik behandelt die logische Verknüpfung von Aussagen mittels Junktoren wie und, oder, nicht, gdw. Jeder Aussage ist ein Wahrheitswert (wahr/falsch) zugeordnet

Mehr

Einführung in die Logik

Einführung in die Logik Einführung in die Logik Klaus Madlener und Roland Meyer 24. April 2013 Inhaltsverzeichnis 1 Aussagenlogik 1 1.1 Syntax................................. 1 1.2 Semantik............................... 3 1.3

Mehr

Logik. Gabriele Kern-Isberner LS 1 Information Engineering. TU Dortmund Wintersemester 2014/15 WS 2014/15

Logik. Gabriele Kern-Isberner LS 1 Information Engineering. TU Dortmund Wintersemester 2014/15 WS 2014/15 Logik Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2014/15 WS 2014/15 G. Kern-Isberner (TU Dortmund) Logik WS 2014/15 1 / 125 Übersicht Modallogik 5. Grundlagen 6. Erfüllbarkeit

Mehr

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 Teil 3: Logik 1 Aussagenlogik Einleitung Eigenschaften Äquivalenz Folgerung Normalformen 2 Prädikatenlogik Wenn eine Karte

Mehr

HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 10. Besprechung in KW02/2019

HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 10. Besprechung in KW02/2019 Technische Universität München Winter 2018/19 Prof. J. Esparza / Dr. M. Luttenberger, C. Welzel 2019/01/11 HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 10 Besprechung in KW02/2019 Beachten

Mehr

Allgemeingültige Aussagen

Allgemeingültige Aussagen Allgemeingültige Aussagen Definition 19 Eine (aussagenlogische) Formel p heißt allgemeingültig (oder auch eine Tautologie), falls p unter jeder Belegung wahr ist. Eine (aussagenlogische) Formel p heißt

Mehr

Zusammenfassung der letzten LVA. Einführung in die Theoretische Informatik. Syntax der Aussagenlogik. Inhalte der Lehrveranstaltung

Zusammenfassung der letzten LVA. Einführung in die Theoretische Informatik. Syntax der Aussagenlogik. Inhalte der Lehrveranstaltung Zusammenfassung Zusammenfassung der letzten LVA Einführung in die Theoretische Informatik Wenn das Kind schreit, hat es Hunger Das Kind schreit Also, hat das Kind Hunger Christina Kohl Alexander Maringele

Mehr

Computational Logic Algorithmische Logik Boolesche Algebra und Resolution

Computational Logic Algorithmische Logik Boolesche Algebra und Resolution Computational Logic Algorithmische Logik Boolesche Algebra und Resolution Ralf Moeller Hamburg Univ. of Technology Boole'sche Algebra Äquivalenzen als "Transformationsgesetze" Ersetzbarkeitstheorem Zentrale

Mehr

Logik. Logik. Vorkurs Informatik Theoretischer Teil WS 2013/ September Vorkurs Informatik - Theorie - WS2013/14

Logik. Logik. Vorkurs Informatik Theoretischer Teil WS 2013/ September Vorkurs Informatik - Theorie - WS2013/14 Logik Logik Vorkurs Informatik Theoretischer Teil WS 2013/14 30. September 2013 Logik > Logik > logische Aussagen Logik Logik > Logik > logische Aussagen Motivation Logik spielt in der Informatik eine

Mehr