Algorithmen für Hornlogik
|
|
- Benedikt Solberg
- vor 7 Jahren
- Abrufe
Transkript
1 Prof. Dr. Heribert Vollmer Institut für Theoretische Informatik Lebniz Universität Hannover Jing Liu Algorithmen für Hornlogik Studienarbeit Einleitung Die Aussagenlogik ist der Bereich der Logik, der sich mit Aussagen und deren Verknüpfung durch Junktoren befasst, ausgehend von strukturlosen Elementaraussagen (Atomen), denen ein Wahrheitswert zugeordnet wird. In der klassischen Aussagenlogik wird jeder Aussage genau einer der zwei Wahrheitswerte wahr und falsch zugeordnet. Der Wahrheitswert einer zusammengesetzten Aussage lässt sich ohne zusätzliche Informationen aus den Wahrheitswerten ihrer Teilaussagen bestimmen. Wichtige semantische Eigenschaften der Aussagelogik sind Erfüllbarkeit, Widerlegbarkeit und Unerfüllbarkeit. Eine Formel heißt erfüllbar, wenn es mindestens eine Interpretation der in ihr vorkommenden Atome (Satzbuchstaben) gibt, unter der die Formel
2 wahr ist. Eine Formel heißt widerlegbar, wenn es mindestens eine Interpretation der in ihr vorkommenden Atome gibt, unter der die Formel falsch ist. Eine Formel heißt unerfüllbar, wenn sie unter allen Interpretationen der in ihr vorkommenden Satzbuchstaben falsch ist. Eine Formelmenge heißt erfüllbar, wenn alle in ihr enthaltenen Formeln erfüllbar sind. Die Frage, ob eine Aussage erfüllbar ist, wird Erfüllbarkeitsproblem oder SAT-Problem (nach dem englischen Wort für Erfüllbarkeit, satisfiability) genannt. Das SAT-Problem spielt eine wichtige Rolle in der theoretischen Informatik und Komplexitätstheorie. Das Erfüllbarkeitsproblem für allgemeine (beliebige) Formeln ist NP-vollständig, wir kennen keine Algorithmen, die in polynomialer Laufzeit lösbar können. Für bestimmte echte Teilmengen der Formeln der aussagenlogischen Sprache ist das SAT-Problem dennoch schneller, d. h. in polynomial beschränkter Rechenzeit lösbar. Eine solche Teilmenge sind die Horn-Formeln (Hornlogik), das sind Konjunktionen von Disjunktionen, deren Disjunkte verneinte oder unverneinte Atome sind, wobei innerhalb einer solchen Disjunktion allerdings höchstens ein Atom unverneint sein darf. 1 Hornlogik Die Hornlogik entsteht durch Beschränkung der Aussagelogik auf eine spezielle Formelklasse.Im Detail ist sie wie folgt definiert. 2.1 Hornformel und Hornkausel
3 a) Die Formel F in KNF heißt eine Hornformel, falls jede Teildisjunktion höchstens ein Prositives Literal enthält. Sei also F=(L L 1n1 )... (L k1... L knk ). Dann darf in Jedem Klammerausdruck L i1... L inj höchstens ein positives Literal vorkommen. Der Klammerausdruck kann also bestehen aus (3 Möglichkeiten): beliebig vielen negativen Literalen ( A 1... A n ) beliebig vielen negativen Literalen und einem positiven Literal ( A 1... A n B) nur einem positiven Literal (B) b) Eine Klausel { L 1...,L r } heißt eine Hornklausel,wenn höchstens eines der Literale L 1...,L r positiv ist. c) Eine Hornformel heißt definite Horn-Formel, wenn jede Klausel genau ein positives Literal enthält. 1.2 Beispiele Seien A, B, C, D Aussagen. a) Dann ist F1 = (A B D) ( A C) (C D) D eine Hornformel. b) Jedoch ist F2 = (A B C) (B C D) keine Hornformel. c) Die Klausel K = ( A, B, C, D) ist eine Hornklausel. 2.3 Bemerkung Die folgende Formel H ist eine Hornformel: H = ( x 1 x 2 x 5 ) (x 2 x 3 x 4 x 6 ) ( x 5 x 6 ) (x 4 ) ( x 1 x 3 x 4 ) (x 1 x 4 ) (x 1 x 5 )
4 Hornformeln sind deshalb so wichtig, weil ihre Klauseln wie folgt semantisch äquivalent umgeformt werden können: ( x 1 x 2... x m x k ) ((x 1 x 2... x m ) x k ) Beispiel. Für die Hornformel H aus dem Beispiel oben gilt: H ((x 1 x 2 ) x 5 ) ((x 3 x 4 x 6 ) x 2 ) ((x 5 x 6 ) 0) (1 x 4 ) ((x 1 x 4 ) x 3 ) (x 4 x 1 ) (x 5 x 1 ) Verwenden hier zusätzlich 0 und 1. Für jede Interpretation I gilt I(0) =def 0 und I(1) =def Für Hornformel gilt: 1. Jede definite Horn Formel ist erfüllbar. 2. Eine Horn Formel α ist erfüllbar, falls α keine positive Unit Klausel enthält. 3 Resolution in der Hornlogik 3.1 Einheitsresolution(Unit-Resolution) Einheitsresolution entsteht durch Beschränkung der Resolution auf Fälle, in denen mindestens eine resolvierte Klausel einelementig ist (Einer-Klausel). - Idee der Einheitsresolution: Die Anzahl der Literale verringert sich bei der Resolventenbildung. - Einheitsresolution ist nicht Widerlegbarkeit-vollständig.{A, B} { A, B} {A, B} { A, B} kann nicht durch Einheitsresolution behandelt werden. - Einheitsresolution ist w-vollständig, falls eine Hornformel auf Erfüllbarkeit zu prüfen ist. Beispiel. F = {{ A, B, C}, { A, B, D}, { C, E}, { E, B}, {E},
5 {A}, { E, D}} Einheitsresolution: Davis-Putnam-Loveland Verfahren Davis-Putnam-Loveland Verfahren ist das zur Zeit schnelleste Verfahren um die Erfüllbarkeit aussagenlogischer Formeln festzustellen. S eine Menge von Klauseln. 1. Programm widerlege(s): 2. falls S =, Ende (S ist erfüllbar). 3. falls S keine Einerklausel enthält, wähle eine Variable P ; widerlege(s P ) ; widerlege(s P ). 4. sonst wähle eine Einerklausel K S 5. S = reduziere(k,s) Lasse alle Klauseln weg, die K als Teilklausel enthalten, Lasse in allen übrigen Klauseln das zu K komplementäre Literal weg. 6. falls S, Ende (S widersprüchlich), sonst widerlege(s). S P, bzw. S P entsteht, indem P bzw. P zu S hinzugefügt wird.
6 Beispiel: P 1 P 2 P 3 P 1 P 2 P 4 P 1 P 3 P 1 P 3 P 4 P 1 P 3 P 2 Wir zeigen anhand von Beispiel die Arbeitsweise des Verfahrens von Davis-Putnam-Loveland. Beim ersten Aufruf von widerlege(s) wird das Unterprogramm reduziere( P 2,S) aufgerufen und liefert S 1 : P 1 P 3 P 1 P 4 P 1 P 3 P 1 P 3 P 4 P 1 P 3 Da S 1 keine Einerklausel enthält wird eine Variable, in diesem Fall sei das P 1 gewählt und widerlege(s 1,0 ) und widerlege(s 1,1 ) aufgerufen mit: S 1,0 : S 1,1 : P 1 P 3 P 1 P 3 P 1 P 4 P 1 P 4 P 1 P 3 P 1 P 3 P 1 P 3 P 4 P 1 P 3 P 4 P 1 P3 P 1 P 3 P1 P 1
7 Betrachten wir zuerst die Abarbeitung von widerlege(s 1,0 ). Es wird reduziere(p 1,S 1,0 ) aufgerufen resultierend in S 2,0 : P 4 P 3 P 3 P 4 Als nächstes wird reduziere(p 3, S 2,0 ) aufgerufen und liefert: P 4 P 4 woraus im nächsten Schritt die Unerfüllbarkeit von S 1,0 folgt. Wenden wir uns jetzt der Abarbeitung von widerlege(s 1,1 ) zu. Hier liefert reduziere( P 1, S 1,1 ) : P 3 P 3 woraus schon im nächsten Schritt die Unerfüllbarkeit von S 1,1, und damit insgesamt die Unerfüllbarkeit von S, folgt. 3.2 Erfüllbarkeitstest für Hornformeln: Markierungsalgorithmus Eingabe: Eine Hornformel F in Implikationsschreibweise 1. Versehe jedes Vorkommen eine Aussagensymbols A i in F mit einer Markierung, falls es in F eine Teilformel der Form (T => Ai) gibt. 2. WHILE es gibt in F eine Teilformel G der Form [1] (A 1 A 2 A n ) => A i oder der Form [2] (A 1 A 2 A n ) =>,
8 n > 1, wobei A 1,, A n bereits markiert sind (und A i noch nicht markiert ist) DO IF G hat die Form [1] THEN markiere jedes Vorkommen von A i in F ELSE gib unerfüllbar aus und stoppe. 3. Gib erfüllbar aus und stoppe. Die erfüllende Belegung wird durch die Markierung gegeben: A(A i )= 1, falls A i eine Markierung besitzt. 0, sonst Beispiel-1. ( A B E) C A ( C B) ( A D) ( C D A) E G Als Konjunktion von Implikation: ((A B) =>E) ( =>C) ( =>A) (C =>B) (A =>D) ((C D) => A) (E => ) (G => ) Makierung 1.Runde: (( 1 A B) =>E) ( => 1 C) ( => 1 A) ( 1 C =>B) ( 1 A =>D) (( 1 C D) => 1 A) (E => ) (G => ) Makierung 2.Runde: (( 1 A 2B) =>E) ( => 1 C) ( => 1 A) ( 1 C => 2 B) ( 1 A => 2 D) (( 1 C 2D) => 1 A) (E => ) (G => ) Makierung 3.Runde: (( 1 A 2B) => 3 E) ( => 1 C) ( => 1 A) ( 1 C => 2 B) ( 1 A => 2 D) (( 1 C 2D) => 1 A) ( 3 E => ) (G => ) unerfüllbar
9 Beispiel-2 F: = (A B) ( C A D) ( A B) D E Als Konjunktion von Implikationen: (B=>A) ((C A) =>D) ((A B)=> ) ( =>D) (E=> ) Makierung: (B=>A) ((C A) => 1 D) ((A B)=> ) ( => 1 D) (E=> ) Einteilung der Klauseln nach Form [1] und Form [2]: [1] B=>A [2] (A B)=> (C A) => 1 D E=> erfüllbar Erfüllende Belegung: Makierungsalgorithmus: Struktur des Ablaufs 1. Der Markierungsalgorithmus setzt voraus, dass die Eingabe eine Hornformel ist.
10 2. Korrektheit: Der Markierungsalgorithmus gibt bei erfüllbaren Hornformeln erfüllbar und bei unerfüllbaren Hornformeln unerfüllbar aus. 3. Der Erfüllbarkeitstest durch Markierung benötigt maximal n Markierungsschritte, während eine Berechnung der Wahrheitswerttafel gegebenenfalls 2 n Belegungen berücksichtigen muss Terminierung des Makierungsalgorithmus Der Markierungsalgorithmus für Hornformeln ist korrekt. Er stoppt nach spätestens n Markierungsschritten. (n = Anzahl der Aussagensymbole in F) Beweis: F ist eine Formel, in der genau n Aussagensymbole vorkommen. Im ersten Schritt (1.) werden einige Aussagensymbole markiert, dann ist der Schritt abgeschlossen. In jedem weiteren Markierungsschritt (2. / WHILE-Schleife) wird mindestens ein weiteres Aussagensymbol markiert. Ist keine weitere Markierung möglich, so wird die WHILE-Schleife verlassen. d.h. Maximal n Markierungsschritte. Dann stoppt das Verfahren mit der Ausgabe erfüllbar oder unerfüllbar. --- Markierungsalgorithmus hat linearen Aufwand Korrektheit der Markierung Wenn A ein Modell für die Hornformel F ist, so gilt für die durch den
11 Algorithmus markierten Symbole A i : A(A i ) = 1. Beweis Es sei A ein Modell für die Hornformel F. Dann macht A auch alle Konjunkte von F wahr, also die Hornklauseln, aus denen F aufgebaut ist. Behauptung: A macht die im Markierungsschritt k markierten Aussagensymbole wahr. Vollständige Induktion über die Nr. des Markierungsschrittes, in dem A i markiert wurde. Induktionsanfang: In Markierungsschritt Nr. 1 (das ist Schritt 1 des Algorithmus) werden nur Aussagensymbole A i markiert, für die eine Klausel ( = > A i ) in F existiert. A macht ( =>A i ) wahr und ( => A i ) ist zudem mit A i äquivalent ist. Also macht A A i wahr. Induktionsannahme: Für alle j < k gelte: A macht die im Markierungsschritt Nr. j markierten Aussagensymbole wahr. Induktionsschrit:t Der k-te Markierungsschritt erfolgt innerhalb der WHILE-Schleife. Dabei werden nur solche Aussagensymbole A i markiert, für die eine Klausel (A 1 A 2 A n )=>A i existiert, und A 1, A 2,, A n wurden schon (in einem früheren Schritt) markiert. Da A A 1, A 2,, A n (Induktionsannahme) und die Klausel (A 1 A 2
12 A n )=> A i wahr macht (s.o.), macht A auch A i wahr. 3.2 Horn-Formel zum Beweis der Nicht-Erfüllbarkeit Eine Horn-Formel ist ein Spezialfall der KNF, bei der in jedem Klammerausdruck höchstens ein positives Literal vorkommt. Der Klammerausdruck kann also bestehen aus (3 Möglichkeiten): beliebig vielen negativen Literalen ( a 1 a n ) beliebig vielen negativen Literalen und einem positiven Literal ( a 1 a n b) nur einem positiven Literal (b) Für Horn-Formeln lässt sich die Nicht-Erfüllbarkeit auf sehr einfache Art beweisen: 1. es muss einen Klammerausdruck geben, der aus nur einem einzelnen positiven Literal besteht 2. Äquivalenzumformung aller Klammerausdrücke auf Implikationen 3. beginne beim Ausdruck (1 x) und markiere das x weil es 1 sein muss, damit der Klammerausdruck und damit der gesamte Ausdruck 1 werden kann. 4. markiere auch alle anderen Vorkomnisse von x (markierte Variablen haben den Wert 1 angenommen). 5. markiere alle weiteren Variablen die in der Conclusio (rechte Seite vom ) einer Implikation stehen, deren gesamte Prämisse (linke Seite) bereits 1 (also markiert) ist. Folgt aus einer markierten Prämisse das Literal 0 (man müsste also 0 mit 1 belegen), ist die Horn-Formel nicht erfüllbar und man ist fertig.
13 Wenn man keine weiteren Variablen mehr markieren kann, ist man fertig. Musste man bis dahin keinen 0er mit 1 belegen, ist die Formel erfüllbar. Zwei Formeln α und β heißen (logisch) äquivalent, abgekürzt α β, genau dann, wenn für jede Bewertung ξ gilt: ξ(α) = ξ(β). Horn-Formel Äquivalenzumformungen: ( a 1 a n ) <=> (a 1 a n 0) ( a 1 a n b) <=> (a 1... a n b) (b) <=> (1 b) 4 Isomorphiesproblem für Horn-Formel 4.1 Minimale und reduzierte Formeln Minimale Formel: Es sei Formel α = {A 1,...,A n } KNF heißt minimal, falls für alle 1 i n gilt α α\{a i }. Reduzierte Formel: α minimal und es gibt keine echte Teilklausel π von A i, sodass α ohne A i, aber mit der Teilklausel erfüllbarkeitsäquivalent zu α ist ((α \{A i }) {π} α). D.h. Eine Hornklausel, in der kein Aussagensymbol mehrfach auftritt, heißt reduziert. Eine Hornformel H heißt genau dann reduziert, wenn 1. alle Klauseln in H reduziert sind, und wenn 2. alle Klauseln in H verschieden sind. 4.2 Algorithmus REDU-HORN Eingabe: eine erfüllbare Formel α = {α 1,..., α n } HORN Ausgabe: eine reduzierte Horn Formel α red mit α α red knf-formel * REDU-HORN(cnf-formel *α) { U = UNIT-HORN(α);
14 foreach literal L U do α =α{l/1}; foreach clause κ α do if ( SAT-HORN((α \ {κ}) {{ L} L α}) = = false) α = α \ {κ}; foreach clause κ α do foreach literal L κ do if ( SAT-HORN ( α {{ K} K κ, K L}) = = false ) κ = κ \ {L}; return (α {{L} L U }) } Der Algorithmus REDU-HORN erzeugt in quadratischer Zeit eine reduzierte Horn-Formel R(α), die erfüllbarkeitsäquivalent zur Eingabe α ist: Innerhalb von zwei Schleifen werden die redundanten Klauseln und Literale entfernt (O(n m)). 4.3 Äquivalenz bis auf Umbenennung Umbenennung Sei α eine Formel in KNF, dann heißt eine Funktion f : literals (α) literals (α) Umbenennung genau dann, wenn für alle L literals (α) gilt: f(l) { L, L} und f( L) f(l). Die Menge aller Umbenennungen von α bezeichnen wir mit U(α). Beispiele: a) Sei α = {(A B C), ( A C), (B D)} und f(a) = A, f(b) = B, f(c) = C und f(d) = D, dann erhalten wir mit dieser Umbenennung die Horn Formel f(α) = {( A B C), (A C), ( B D)}. b) Für die Formel β = {(A B C), ( A B C)} gibt
15 es dagegen keine Umbenennung, die zu einer Horn Formel führt Algorithmus: Umbenennung Input: α KNF Output: true und ein f U(α) mit f(α) HORN, falls eine Umbenennung existiert, false sonst function UMBENENNUNG(α : KNF) : boolean; begin { Sei α = {α 1,..., α n, α n+1,..., α r } mit {α n+1,..., α r } Unit Klauseln } σ := {α 1,..., α n }; β := {α n+1,..., α r }; T (α) := ; for i = 1 to n do begin end; {Sei α i = (L i,1... L i,k )} for j = 1 to k 1 do Y i,j := new-atom(); T i := {(L i,1 Y i,1 )} {( Y i,k 1 L i,k )}; T i := T i 1<j<k {( Y i,j 1 L i,j ), ( Y i,j 1 Y i,j ), (L i,j Y i,j )}; T (α) := T (α) T i ; if SAT-2-KNF(T (α)) = false
16 then return(false) else begin { Sei ξ die berechnete erfüllende Bewertung } foreach atom A σ do if ξ(a) = 1 then f(a) := A else f(a) := A; foreach literal L in β do if atoms (L) atoms (σ) then f(l) := L; return(true); end; end; Sei α 2 KNF. a) α enthalte keine Unit Klauseln, dann gilt: f U(α): f(α) HORN α ist erfüllbar. b) α ist erfüllbar f U(α) : f(α) HORN Beweis: zu a): Enthält eine Horn Formel keine Unit Klauseln, dann ist die Formel erfüllbar. Da eine Umbenennung die Erfüllbarkeit erhält, folgt sofort die Behauptung. zu b): Im ersten Schritt wenden wir den Algorithmus SAT-2-KNF auf α an und erhalten in linearer Zeit eine erfüllende Bewertung.Eine brauchbare Umbenennung ist dann f(a) = A, falls ξ(a) = 1 und f(a) = A sonst. Sei α i = (L 1 L 2 ) eine Klausel in α, dann gilt ξ(l 1 ) = 1 oder ξ(l 2 ) = 1. O.B.d.A. gelte ξ(l 1 ) = 1. Sei L 1 = A, dann ist f(l 1 ) = L 1. Für L 1 = A und wegen ξ(l 1 ) = ξ( A) = 1 folgt sofort f(l 1 ) = f( A) = A = L 1. Also ist f(l 1 ) ein negiertes Atom. Da wir nur Klauseln mit maximal 2 Literalen
17 betrachten, ist jede Klausel eine Horn Klausel Algorithmus UMBENENNUNG 2 KNF DHORN Der Algorithmus realisiert mit: zu jeder Formel α = {α1,..., αm} 2 KNF konstruieren wir eine Formel β 2 KNF, die genau dann erfüllbar ist, wenn es eine Umbenennung f U(α) gibt mit f(α) DHORN. Für αi = ( A B) oder (A B) sei βi := ( A B); für αi = ( A B) oder (A B) sei βi := (A B); für αi = A sei βi = A und für αi = A sei βi = A. Sei nun β erfüllbar mit der Bewertung ξ, dann überführt die Umbenennung f(a) = A, falls ξ(a) = 1, und f(a) = A sonst, die Formel α in eine definite Horn Formel. Gelte nun umgekehrt, daß es eine Umbenennung f U(α) mit f(α) DHORN gibt. Eine erfüllende Bewertung ξ für β erhalten wir mit ξ(a) = 1, falls f(a) = A, und ξ(a) = 0 sonst. Input: α = {α 1,..., α m } 2 KNF Output: true und f U(α) : f(α) DHORN, falls f existiert und false sonst Function UMBENENNUNG 2-KNF DHORN(α : 2 KNF): boolean; begin for i = 1 to m do begin if α i = ( A B) or α i = (A B)
18 end; then β i := (A B) ( A B); end; if α i = ( A B) or α i = (A B) then β i := ( A B) (A B); if α i = A then β i = A; if α i = A then β i = A; {β := {β 1,..., β m }} if SAT 2 KNF(β) = false then return(false) else begin { ξ(β) = 1} end; foreach atom A α do if ξ(a) = 1 then f(a) := A else f(a) := A; return(true); Das Äquivalenz-Problem Zwei aussagenlogische Formeln α 1 und α 2 heißen äquivalent (α 1 α 2 ) genau dann, wenn für alle Formeln γ gilt: α 1 = γ genau dann, wenn α 2 = γ. Lemma: Das Äquivalenz-Problem {(α 1, α 2 ) α 1, α 2 3 KNF, α 1 α 2 } ist conp-vollständig. Beweis: Sei α 1 : A 1 A 1. Dann ist α1 offensichtlich widerspruchs- voll, also nicht erfüllbar. Für beliebiges α 2 gilt daher α 1 α 2 genau dann, wenn auch α 2 nicht erfüllbar ist. Der Erfüllbarkeitstest aussagenlogischer Formeln ist NP-vollständig. Es ist bekannt. daß zwei Formeln α 1 und α 2 äquivalent sind, wenn
19 man gezeigt hat α 1 = α 2 = α 1. Ferner gilt natürlich α 1 = α 2 genau dann, wenn α 1 α 2 widerspruchsvoll ist. Schließlich gilt α = α 1... α n genau dann, wenn α = α i für jedes i mit 1 i n gilt. Aus diesen Zusammenhängen lassen sich die folgende Lemma ableiten. Lemma: α 1 α 2 kann für α 1, α 2 HORN deterministisch in quadratischer Zeit und linearem Platz in Abhängigkeit von der Länge von α 1 α 2 entschieden werden. Beweis: Es folgt, daß α = L 1... L n für eine Formel α HORN und eine Klausel L 1... L n deterministisch in linearer Zeit entschieden werden kann. Wieder folgt damit zusammen mit den obigen Beobachtungen direkt die Behauptung. Literaturverzeichnis [1] Hans Kleine Büning and Theoder Lettman. Propositional Logic: Deduction and Algorithmus. University of Paderborn. [2] Hans Kleine Büning and Theodor Lettmann. Skript Logik und Regelverarbeitung 15. Oktober [3] FGI-1 Habel / Eschenbach. Kap. 7 Aussagenlogik Hornformeln. [4] Viktor C. Pavlu, BSc. Theoretische Informatik II. 11-Feb-2005 [5] Martin Kreuzer and Stefan Kühling. Logik für Informatiker.*ISBN ( )* by Pearson Studium. Erklärung: Hiermit versichere ich, dass ich die vorliegende Arbeit selbststädig und unter Benutzung keiner anderen Quellen als der genannten (gedruckte Werke, Buch und Werke in elektronischer
20 Form im Internet) verfasst habe. Alle aus solchen Quellen wörtlich oder sinngemäß übernommene Passagen habe ich im Einzelnen unter genauer Angabe des Fundortes gekennzeichnet. Quelltexte, die nur in elektronischer Form zugänlich waren, habe ich in den wesentlichen Auszügen kopiert und der Ausarbeitung angehängt.
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
MehrFormale 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
MehrZusammenfassung 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
MehrResolutionskalkül. 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
MehrFormale 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
MehrErfüllbarkeitstests. 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
MehrTheoretische 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
MehrLogik 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
MehrDas SAT Problem oder Erfüllbarkeitsproblem. Formale Systeme. Teilklassen. Satz von Cook. SAT Instanz: Eine aussagenlogische Formel F For 0
Das SAT Problem oder Erfüllbarkeitsproblem Formale Systeme Prof. Dr. Bernhard Beckert Fakultät für Informatik Universität Karlsruhe TH SAT Instanz: Eine aussagenlogische Formel F For 0 Frage: Ist F erfüllbar?
MehrLogik 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
MehrLogik 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
MehrKapitel 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
MehrGrundbegriffe 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
MehrLogik 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
MehrAussagenlogik. 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
MehrSyntax. 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
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 16. Resolution. Motivation. Beispiel
rundlagen und Motivation Formale rundlagen der Informatik 1 Kapitel 16 Frank Heitmann heitmann@informatik.uni-hamburg.de 31. Mai 2016 Motivation Wir benötigen einen (Un-)Erfüllbarkeitstest für aussagenlogische
MehrWozu 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
MehrResolutionsalgorithmus
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:
MehrAussagenlogik. 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.
MehrProblem der Resolution: Kombinatorische Explosion Ziel: Einschränkung der Möglichkeiten
2.6 Verfeinerung der Resolution Problem der Resolution: Kombinatorische Explosion Ziel: Einschränkung der Möglichkeiten Resolutions-Strategien: heuristische Regeln für die Auswahl der Resolventen Resolutions-Restriktionen:
MehrLogik 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
MehrLogik. 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
MehrBeispiel Aussagenlogik nach Schöning: Logik...
Beispiel Aussagenlogik nach Schöning: Logik... Worin besteht das Geheimnis Ihres langen Lebens? wurde ein 100-jähriger gefragt. Ich halte mich streng an die Diätregeln: Wenn ich kein Bier zu einer Mahlzeit
Mehr1 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
MehrKapitel 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
Mehr23. 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,
MehrFORMALE 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
MehrLogische 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
MehrErsetzbarkeitstheorem
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
MehrEinführung 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
MehrResolution für die Aussagenlogik
Resolution für die Aussagenlogik Der Resolutionskakül ist ein Beweiskalkül, der auf Klauselmengen, d.h. Formeln in KNF arbeitet und nur eine Schlußregel besitzt. Der Resolution liegt die folgende Vorstellung
MehrEinführung in die Logik (Vorkurs)
Einführung in die Logik (Vorkurs) Jürgen Koslowski 2014-04-07 Ein Beispiel Familie A will im kommenden Jahr eine Waschmaschine, ein Auto und ein Moped anschaffen. Aber falls Herr A seinen üblichen Bonus
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 28. Aussagenlogik: DPLL-Algorithmus Malte Helmert Universität Basel 2. Mai 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26. Grundlagen 27. Logisches
MehrBerechenbarkeits- und Komplexitätstheorie
Berechenbarkeits- und Komplexitätstheorie Lerneinheit 5: Die Klasse NP Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Wintersemester 2015/2016 26.9.2015 Einleitung Thema dieser Lerneinheit
Mehr1 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)
Mehr1 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)
MehrEinige Grundlagen der Komplexitätstheorie
Deterministische Polynomialzeit Einige Grundlagen der Komplexitätstheorie Ziel: NP-Vollständigkeit als ressourcenbeschränktes Analagon zur RE-Vollständigkeit. Komplexitätstheorie untersucht den Ressourcenbedarf
MehrJeder 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.
MehrEiniges zu Resolutionen anhand der Aufgaben 6 und 7
Einiges zu Resolutionen anhand der Aufgaben 6 und 7 Es gibt eine Fülle von verschiedenen Resolutionen. Die bis jetzt behandelten möchte ich hier noch ein Mal kurz erläutern. Ferner möchte ich noch auf
MehrResolution (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
MehrLogik 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:
MehrKapitel 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
MehrFakultät 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.
MehrLogik. 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
MehrTheorie 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.
MehrLogik 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
MehrLogik für Informatiker Logic for Computer Scientists
Logik für Informatiker Logic for Computer Scientists Till Mossakowski Wintersemester 2014/15 Till Mossakowski Logik 1/ 18 Vollständigkeit der Aussagenlogik Till Mossakowski Logik 2/ 18 Objekt- und Metatheorie
MehrLernen mit Queries. Hans Kleine Büning Institut für Informatik, Universität Paderborn Paderborn (Germany),
Lernen mit Queries Hans Kleine Büning Institut für Informatik, Universität Paderborn 33095 Paderborn (Germany), E-mail: kbcsl @upb.de November 2007 1 Einführung In diesem Abschnitt beschreiben wir kurz,
MehrKünstliche Intelligenz Logische Agenten & Resolution
Künstliche Intelligenz Logische Agenten & Resolution Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Inferenz-Algorithmus Wie könnte ein
MehrLogik 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
MehrAussagenlogik: 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.
MehrLogik 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
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 23. November 2017 INSTITUT FÜR THEORETISCHE 0 23.11.2017 Dorothea Wagner - Theoretische Grundlagen der Informatik INSTITUT FÜR THEORETISCHE KIT Die Forschungsuniversität
MehrAufgabe 13 (Markierungsalgorithmus). Gegeben ist die Formel F = (A D C) (E A) ( ( B D) E) A B (B D)
INTA - Lösungshinweise zum Übungsblatt 4, Version 1.0α. Wenn sie Fehler finden oder Ihnen etwas auch nach dem Gespräch mit ihren Kommilitonen noch unklar ist, dann schicken sie mir bitte eine Email! Aufgabe
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 14 Aussagenlogik Syntax & Semantik. Motivation. Motivation
Formale Grundlagen der Informatik 1 Kapitel 14 Aussagenlogik & Frank Heitmann heitmann@informatik.uni-hamburg.de Mit der Aussagenlogik lassen sich einfache Verknüpfungen zwischen (atomaren) Gebilden ausdrücken
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Sommersemester 2018 Ronja Düffel 14. März 2018 Theoretische Informatik Wieso, weshalb, warum??!? 1 Modellieren und Formalisieren von Problemen und Lösungen 2 Verifikation (Beweis
MehrFormale Grundlagen der Informatik 1 Wiederholung zum Logik-Teil
Formale Grundlagen der Informatik 1 zum Logik-Teil Frank Heitmann heitmann@informatik.uni-hamburg.de 20. Juni 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/32 Überblick Im hatten wir Aussagenlogik
MehrAussagenlogik Prädikatenlogik erster Stufe. Logik. Logik
Grundzeichen Aussagenlogik Aussagenvariablen P, Q, R,... Junktoren nicht und oder Runde Klammern (, ) Formeln Aussagenlogik Formeln sind spezielle Zeichenreihen aus Grundzeichen, und zwar 1 Jede Aussagenvariable
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 25. November 2014 INSTITUT FÜR THEORETISCHE 0 KIT 25.11.2014 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrFormale Systeme, WS 2015/2016 Übungsblatt 3
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Bernhard Beckert Thorsten Bormer, Dr. Vladimir Klebanov, Dr. Mattias Ulbrich Formale Systeme, WS 25/26 Übungsblatt 3 Dieses
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Ronja Düffel WS2018/19 01. Oktober 2018 Theoretische Informatik Wieso, weshalb, warum??!? 1 Modellieren und Formalisieren von Problemen und Lösungen 2 Verifikation (Beweis der
MehrSyntax 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)
MehrGrundlagen der Theoretischen Informatik
FH Wedel Prof. Dr. Sebastian Iwanowski GTI22 Folie 1 Grundlagen der Theoretischen Informatik Sebastian Iwanowski FH Wedel Kap. 2: Logik, Teil 2.2: Prädikatenlogik FH Wedel Prof. Dr. Sebastian Iwanowski
MehrTableaukalkül 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
MehrWas 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
MehrHA-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
MehrKapitel 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
MehrVorlesung 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,
MehrMathematische Grundlagen
Prof. Dr. Peter Becker Fachbereich Informatik Mathematische Grundlagen Klausur Wintersemester 2015/16 16. März 2015 Name: Vorname: Matrikelnr.: Aufgabe 1 2 4 5 6 Summe Punkte 10 10 10 10 10 10 60 erreicht
MehrVorlesung Logik SoSe 2014
Vorlesung Logik SoSe 2014 Prof.Dr. Jacobo Torán Mo 12 14, H20 Übungen: Simon Straub 1 Logik Logik ist ein Versuch zur Formalisierung und Mechanisierung des menschlischen Schließens. In der formalen Logik
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung
MehrFrank Heitmann 2/42. 1 Etwas aus der realen Welt in der Logik abstrakt ausdrücken. 2 In der Logik Schlüsse ziehen.
Literaturhinweis Formale Grundlagen der Informatik 1 Kapitel 13 Aussagenlogik & Frank Heitmann heitmann@informatik.uni-hamburg.de 23. Mai 2016 Literaturhinweis Der Logikteil (die nächsten fünf Wochen)
Mehr12 Kombinatorische Suche
177 12 Kombinatorische Suche Bisher haben wir meistens Probleme in polynomieller Zeit (und damit auch Platz) betrachtet. Obwohl es exponentiell viele mögliche Wege von u v gibt, gelingt es mit Dijkstra
MehrFormale Grundlagen der Informatik 1 Kapitel 13 Aussagenlogik Syntax & Semantik
Formale Grundlagen der Informatik 1 Kapitel 13 Aussagenlogik & Frank Heitmann heitmann@informatik.uni-hamburg.de 23. Mai 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/42 Literaturhinweis Literaturhinweis
MehrLogische 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
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Beweise)
WS 2014/15 Diskrete Strukturen Kapitel 2: Grundlagen (Beweise) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_14
MehrFormale Systeme, WS 2008/2009 Lösungen zum Übungsblatt 2
UNIVERSITÄT KARLSRUHE (TH) Institut für Theoretische Informatik Prof. Dr. B. Beckert M. Ulbrich Formale Systeme, WS 2008/2009 Lösungen zum Übungsblatt 2 Dieses Blatt wurde in der Übung am 14.11.2008 besprochen.
MehrGrundlagen 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
MehrAllgemeingültige 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
MehrLogik 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
MehrWissenschaftliche Arbeitstechniken und Präsentation. NP-Vollständigkeit
Wissenschaftliche Arbeitstechniken und Präsentation Dominik Fakner, Richard Hentschel, Hamid Tabibian, den 20.01.2012 Inhalt Definitionen Definition Nachweis Beispiel Reduktion Komplexitätsklasse Befasst
MehrResolution und Regeln
Resolution und Regeln Hans Kleine Büning University of Paderborn Institute for Computer Science Group Paderborn, 18. Juli 2013 Resolution und Regeln Hans Kleine Büning 1/9 Resolution Theorem Resolution:
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 20. Vorlesung 12.01.2007 1 Komplexitätstheorie - Zeitklassen Die Komplexitätsklassen TIME DTIME, NTIME P NP Das Cook-Levin-Theorem Polynomial-Zeit-Reduktion
MehrKochrezept für NP-Vollständigkeitsbeweise
Kochrezept für NP-Vollständigkeitsbeweise Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 11. Januar 2010 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrResolution (Motivation) Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen. Resolution (Idee) Resolution (Idee)
(Motivation) Vorlesung Logik Sommersemester 0 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume Wir benötigen Algorithmen für Erfüllbarkeitstests, die zumindest in vielen Fällen gutartiges
MehrAufgabe. 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
MehrÜbung Theoretische Grundlagen
Übung Theoretische Grundlagen Komplexitätstheorie Nico Döttling 8. Januar 2010 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in
Mehr3 Polynomial-lösbare Spezialfälle
3 Polynomial-lösbare Spezialfälle Bei manchen Klassen von Klauselmengen lässt sich das Erfüllbarkeitsproblem in Polynomialzeit lösen. Bevor man einen aufwändigen SAT-Algorithmus startet, schaue man also
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 16.11.2010 INSTITUT FÜR THEORETISCHE INFORMATIK 0 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
Mehr3. 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,
MehrEinführung in die mathematische Logik
Prof. Dr. H. Brenner Osnabrück SS 2014 Einführung in die mathematische Logik Vorlesung 3 Tautologien In der letzten Vorlesung haben wir erklärt, wie man ausgehend von einer Wahrheitsbelegung λ der Aussagevariablen
MehrPrädikatenlogische Entscheidbarkeitsprobleme
Prädikatenlogische Entscheidbarkeitsprobleme Erfüllbarkeitsproblem: Gegeben: prädikatenlogischer Ausdruck A über einer Signatur S Frage: Ist A erfüllbar? Gültigkeitsproblem: Gegeben: prädikatenlogischer
Mehr1 Aussagenlogischer Kalkül
1 Aussagenlogischer Kalkül Ein Kalkül in der Aussagenlogik soll die Wahrheit oder Algemeingültigkeit von Aussageformen allein auf syntaktischer Ebene zeigen. Die Wahrheit soll durch Umformung von Formeln
MehrLogik Teil 1: Aussagenlogik. Vorlesung im Wintersemester 2010
Logik Teil 1: Aussagenlogik Vorlesung im Wintersemester 21 Aussagenlogik Aussagenlogik behandelt die logische Verknüpfung von Aussagen mittels Junktoren wie und, oder, nicht, gdw. Jeder Aussage ist ein
MehrNP-Vollständigkeit des Erfüllbarkeitsproblems
NP-Vollständigkeit des Erfüllbarkeitsproblems Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 1 / 25 Def: NP-Härte Definition (NP-Härte) Ein Problem L heißt NP-hart,
Mehr