Universität Potsdam Seminar: Automatic Problem Solving. SAT und DPLL. Falko Zander
|
|
- Axel Beckenbauer
- vor 6 Jahren
- Abrufe
Transkript
1 Universität Potsdam Seminar: Automatic Problem Solving SAT und DPLL Falko Zander
2 Überblick Das SAT Problem: Einführung, Praxisbezug und aktuelle Algorithmen Geschichtlicher Rückblick Davis-Putman-Algorithmus (1960) Davis-Logemann-Loveland-Algorithmus (1962) Der aktuelle DPLL-Algorithmus Beispiel Fragen? 1
3 Das Erfüllbarkeitesproblem (Satisfiability: SAT) Fragestellung: Ist eine aussagenlogische Formel erfüllbar? Testen, ob gegebene Variablenbelegung die Formel erfüllt, ist in polynomieller Zeit möglich. Finden einer Variablenbelegung ist nicht in polynomieller Zeit möglich. 2 n Belegungen mit n Variablen Satz von Cook: SAT ist NP-vollständig k-sat: SAT-Problem mit max. k Literalen pro Klausel alle NP-vollständigen Probleme sind auf SAT reduzierbar 2
4 SAT Praxisbezug In der Praxis: Aktuell verfügbare SAT-Solver sind hoch optimiert und damit sehr effizient. Schreibe einen Compiler, der ein beliebiges NP-vollständiges Problem nach SAT compiliert. Löse das Problem mit einem SAT-Solver. 3
5 SAT Algorithmen (1) Laufzeit für k-sat: O(2 n ): Durchlaufe alle 2 n möglichen Belegungen der n Variablen Teste für jede Belegung, ob die Formel erfüllt ist Ziel: Finde Algorithmus mit Laufzeit O(a k n ) mit minimalem a k 4
6 SAT Algorithmen (2) Einige Algorithmen: Monien-Speckenmeyer-Algorithmus (1985) a 3 = 1, 6180; a 8 = 1, 9920 Paturi-Pudlak-Zane-Algorithmus (1997) a 3 = 1, 5875; a 8 = 1, 8341 Random-Walk: Schöning (1999) a 3 = 1, 3333; a 8 = 1, 75 Random-Walk: Hofmeister, Schöning, Schuler, Watanabe (2001) a 3 = 1, 3302 Random-Walk und Paturi-Pudlak-Zane: Iwama, Tamaki (2003) a 3 = 1, 324 5
7 Ein geschichtlicher Rückblick Leibnitz, Peano (um 1900): Mathematische Theoreme können computerisiert bewiesen werden. Hilbert (um 1920): Das Finden eines Algorithmus, der entscheidet, ob eine gegebene Formel gültig ist oder nicht ist das zentrale Problem der mathematischen Logik. Church, Turing: Dieser Algorithmus kann nicht existieren. Später: Es gibt keine Entscheidungsprozedur aber Beweisprozeduren: Wenn eine Lösung existiert wird sie gefunden, andernfalls kommt der Algorithmus nicht zum Ende. Wang, Gilmore: Erste lauffähige Programme. Exponentielle Laufzeit bezüglich der logischen Verknüpfungen/Klauseln. Nur für einfache Formeln. 6
8 Davis-Putman-Algorithmus (1960) Für kompliziertere Formeln, normalerweise nicht exponentiell. Gültige Formeln: Algorithmus terminiert und liefert einen Beweis für die Gültigkeit der Formel. Nicht-gültige Formeln: Der Algorithmus läuft undefiniert ohne Ergebnis. Der DP-Algorithmus war allen vorherigen Algorithmen überlegen. Der Algorithmus von Gilmore rechnete 21 Minuten auf einer IBM 704 ohne ein Ergebnis zu finden. Mit DP hatte man die Lösung nach 30 Minuten Handarbeit. 7
9 Definitionen X = {x 1, x 2,..., x n } Variablen x i {0, 1} X = {x 1, x 2,..., x n } negierte Variablen U = X X {, } Literale u = u P = {p 1, p 2,..., p n } F = {f 1, f 2,..., f n } Prädikate Funktionen Term: u i, f i i = 1, 2, 3,... t 1, t 2,..., t n Terme f i (t 1, t 2,..., t n ) ist Term atomare Formel p i (t 1, t 2,..., t n ) wohlgeformte Formel (w.f.f.): Atomare Formeln sind w.f.f. R w.f.f. R, u i.r, u i.r sind w.f.f. R, S w.f.f. R S, R S, R S, R S sind w.f.f. Klausel: C = R 1 R 2... R r = [R 1, R 2,..., R r ] [] = Konjunktive Normalform (KNF): F = C 1 C 2... C s = C 1, C 2,..., C s = 8
10 Logische Korrektheit Die Überprüfung, welche w.f.f. logisch korrekt sind, kann mittels Interpretationen durchgeführt werden. Eine Interpretation bildet alle Variablen, Funktionen und Prädikatensymbole auf eine bestimmte Umwelt ab. In dieser Umwelt kann dann die logische Korrektheit bestimmt werden. Eine w.f.f. R heißt gültig, wenn sie unter jeder Interpretation und mit allen Mengen von Argumenten aus der Umwelt den Wert 1 ergibt. Eine w.f.f. R heißt konsistent oder erfüllbar, wenn sie für eine Interpretation mit einer Menge von Argumenten den Wert 1 ergibt. R ist inkonsistent, wenn es nicht konsistent ist. R gültig R inkonsistent Um R zu beweisen, kann man also R widerlegen! 9
11 Normalformen Eine w.f.f. ist in Prenex Normalform (PNF), wenn sie mit einer Sequenz von Quantoren beginnt, in welcher keine Variable mehr als einmal auftritt (genannt das Prefix) und danach eine quantoren-freie w.f.f. folgt (genannt die Matrix). x 1 x 2 x 7 x 2.F (f(x 3 ), f 3 (x 1, x 2 ), x 5 ) Ein System von Formeln kann in KNF transformiert werden, indem alle Teilformeln in KNF transformiert werden. Auf diese Weise kann sukzessive die KNF einer Formel berechnet werden: KNF = KNF KNF... KNF (Vgl.: DNF DNF... DNF KNF ) Zu jeder Formel gibt es eine PNF und eine KNF. Ist die Matrix einer PNF in KNF, sind alle daraus generierten quantor-freien Zeilen in KNF. Um zu zeigen, dass F in KNF inkonsistent ist, muss nur gezeigt werden, dass C = oder A B = A, B, C sind Klauseln in F 10
12 Quantifizierte Aussagen Der Existenzquantor einer PNF kann durch Funktionssymbole ersetzt werden, ohne die Konsistenz zu beeinträchtigen. x 1 x 2 x 3 x 4 x 5.R(x 1, x 2, x 3, x 4, x 5 ) x 1 x 4.R(x 1, f 2 (x 1 ), f 3 (x 1 ), x 4, f 5 (x 1, x 4 )) x 1 x 2 x 3 x 4.M(x 1, x 2, x 3, x 4 ) x 2 x 4.M(f 1, x 2, f 3 (x 2 ), x 4 ) Durch Entfernen des Allquantors entstehen quantor-freie Zeilen: x 1 x 2 x 3.R(x 1, x 2, x 3 ) x 1 x 3.R(x 1, f(x 1 ), x 3 ) x 2 = f(x 1 ) = fx 1 R(a, fa, a) R(a, fa, fa) R(fa, ffa, a) R(a, fa, fffa)... Alle so erzeugten Zeilen sind in KNF. Die Formel nach n-schritten lautet dann: F n = R(a, fa, a) R(a, fa, ffa)... und ist ebenfalls in KNF. 11
13 Zusammenfassung Jede quantifizierte Formel kann in PNF und deren Matrix in KNF transformiert werden. Durch Entfernen der Quantoren entstehen quantorfreie Zeilen, die ebenfalls in KNF sind. Die KNF der Gesamtformel ergibt sich durch Konjunktion der quantor-freien Zeilen Quantifizierte Aussagen sind semi-entscheidbar, reine Aussagenlogik ist entscheidbar. Idee des DP-Algorithmus 1. Generiere (weitere) n quantor-freie Zeilen und erzeuge F n durch Konjunktion. 2. Teste F n auf Konsistenz (entscheidbar, da Aussagenlogik!). (a) F n ist konsistent: Schritt 1 (b) F n ist inkonsistent: Algorithmus terminiert und F n = F = F ist gültig. 12
14 DP: Regeln 1. Regel zum Löschen von 1-Literal Klauseln F, A, B, C: Formeln in KNF, a, b, c, p: Literale (a) F = A p B p C F = (b) F = p (p a) (p b c) F = b c (c) F = p (p a) (p b c) F = a (d) für (b) und (c): F = F = 2. Positiv-Negativ Regel (pure-literal rule) Wenn ein Literal p in einer KNF F nur positiv oder nur negativ auftritt, dürfen alle Klauseln, die p enthalten, gelöscht werden. resultierende KNF F ist inkonsistent, genau dann wenn F inkonsistent ist (F = F = ) (F = F = ) 3. Regel zum Eleminieren von Literalen F = (A p) (B p) C, p / A, B, C F = ((A B) C) = 13
15 DP: Algorithmus 1. Generiere quantoren-freie Zeilen und teste die Konjunktion aller erzeugten Zeilen wie folgt: 2. Wende Regel 1 an, solange möglich. F = 3. Wende Regel 2 an, wenn möglich. F = (a) Falls im Ergebnis 1-Literal Klauseln auftreten Schritt 2 (b) Regel 2 anwendbar? Schritt 3 4. Wende Regel 3 auf das erste Literal der ersten Klausel mit minimaler Länge an. (a) Wenn F nicht mehr in KNF transformiert werden kann (weil jede Klausel ein negiertes und nicht-negiertes Literal enthalten würde) F = (b) Sonst: Schritt 2 5. Durchlaufe Schritte bis (a) F = Schritt 1 (b) F = Algorithmus terminiert Inkonsistenz kann ausschließlich in Schritt 2 auftreten. 14
16 Davis-Logemann-Loveland Algorithmus (1962) Der DP-Algorithmus wurde auf einer IBM 704 umgesetzt und getestet. Aus der gewonnenen Erfahrung konnten zwei Änderungen am ursprünglichen Algorithmus vorgenommen werden: 1. Die Regel 3 wurde durch die Regel 3* ersetzt Teilungsregel, (splitting rule): F = (A p) (B p) R = A R = und B R = Backtracking! 2. Die Prenex Normalform wurde durch andere Umformungen ersetzt. Der DLL-Algorithmus brachte wesentliche Verbesserungen: weniger und kürzere Klauseln im Ausdruck; weniger doppelte oder redudante Klauseln Rule 3* führt zu wesentlich mehr 1-Literal Klauseln (unit clauses) Das Programm, welches Gilmore nicht in 21min lösen konnte, löste DLL in 2min. Kapazität von oder quantor-freien Zeilen, anstatt 10 oder 20 bei DP. 15
17 Der heutige DPLL-Algorithmus (Unit Propagation und Backtracking) Es kommen Regel 1 (unit propagation) und Regel 3* (Backtracking) zum Einsatz. unit clause: Ein unit clause ist eine 1-Literal Klausel. F = A, A B F = A F = A, A B F = A, B Auf diesem Weg können neue unit clauses entstehen, die weitere Vereinfachungen ermöglichen. unit propagation Unit Clause Propagation: Γ: Menge von Klauseln, U: Menge von unit clauses L U.L / Γ L / Γ Unit-Propagation(Γ, U) while there is a unit clause {L} in Γ U := U {L}; for every clause C Γ if L C then Γ := Γ\{C}; else if L C then Γ := Γ\{C} {C\{L}}; end for end while Γ wird vereinfacht und U wächst Γ U bleiben äquivalent zum Original 16
18 (Algorithmus) Γ: Menge von Klauseln, U: Menge von unit clauses L U.L / Γ L / Γ DPLL(Γ, U) Unit-Propagation(Γ, U); if Γ then return; if Γ = then exit with a model of U; A := an atom occuring in Γ; DPLL(Γ {A}, U); DPLL(Γ { A}, U); (Beispiel) Γ = { p q, p r, q r, q r} DPLL liefert 2 Ergebnisse: [siehe: Quelle 6] E 1 = { p, q, r}; E 2 = { p, q, r}. 17
19 Gibt es Fragen? 18
20 Quellen 1. Lectures/THINF3/Folien0405/boole4.pdf 2. winter200304/dap2ergseminar/vortr/sat.ppt Theorie-II/slides/ slides-5.1.pdf, slides-5.2.pdf, slides-5.3.pdf SS/05-Wissensrepraesent/slides/logic4.pdf 5. Davis, Putman: A Computing Procedure for Quantification Theory (1959) 6. KI/Folien/dpll4.ps 7. Davis, Logemann, Loveland: A Machine Program for Theorem-Proving (1962) 8. Moskewicz, Madigan, Zhao, Zhang, Malik: Chaff: Engineering an Efficient SAT Solver (2001) 19
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
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:
MehrTU5 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 ;)
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
MehrÜbung 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
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,
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)
MehrNormalformen boolescher Funktionen
Normalformen boolescher Funktionen Jeder boolesche Ausdruck kann durch (äquivalente) Umformungen in gewisse Normalformen gebracht werden! Disjunktive Normalform (DNF) und Vollkonjunktion: Eine Vollkonjunktion
MehrAlgorithmen 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
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
MehrHilbert-Kalkül (Einführung)
Hilbert-Kalkül (Einführung) Es gibt viele verschiedene Kalküle, mit denen sich durch syntaktische Umformungen zeigen läßt, ob eine Formel gültig bzw. unerfüllbar ist. Zwei Gruppen von Kalkülen: Kalküle
MehrI. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.
I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten
MehrErfüllbarkeit und Allgemeingültigkeit
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.3 Aussagenlogik Erfüllbarkeit 44 Erfüllbarkeit und Allgemeingültigkeit Def.: eine Formel ϕ heißt erfüllbar, wennesein I gibt, so dass I = ϕ
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,
MehrSS2010 BAI2-LBP Gruppe 1 Team 07 Entwurf zu Aufgabe 4. R. C. Ladiges, D. Fast 10. Juni 2010
SS2010 BAI2-LBP Gruppe 1 Team 07 Entwurf zu Aufgabe 4 R. C. Ladiges, D. Fast 10. Juni 2010 Inhaltsverzeichnis 4 Aufgabe 4 3 4.1 Sich mit dem Programmpaket vertraut machen.................... 3 4.1.1 Aufgabenstellung.................................
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
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
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
MehrAussagenlogische 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
MehrReduktionen. Algorithmen und Datenstrukturen Kapitel 6.2 Komplexitätstheorie. Exkurs: Reduktionen allgemein. Reduktionen: Erläuterungen
en Algorithmen und Datenstrukturen Kapitel 6.2 Komplexitätstheorie P, und C Definition () Seien L 1, L 2 {0, 1} zwei Sprachen. Wir sagen, dass L 1 auf L 2 in polynomialer Zeit reduziert wird, wenn eine
MehrZusammenfassung des Stoffes zur Vorlesung Formale Systeme
Zusammenfassung des Stoffes zur Vorlesung Formale Systeme Max Kramer 13. Februar 2009 Diese Zusammenfassung entstand als persönliche Vorbereitung auf die Klausur zur Vorlesung Formale Systeme von Prof.
MehrKlausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)
Berlin, 21. Februar 2013 Name:... Matr.-Nr.:... Klausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13) 1 2 3 4 5 6 7 8 9 Σ Bearbeitungszeit: 90 min. max. Punktezahl:
MehrAussagenlogik zu wenig ausdrucksstark für die meisten Anwendungen. notwendig: Existenz- und Allaussagen
Prädikatenlogik 1. Stufe (kurz: PL1) Aussagenlogik zu wenig ausdrucksstark für die meisten Anwendungen notwendig: Existenz- und Allaussagen Beispiel: 54 Syntax der Prädikatenlogik erster Stufe (in der
MehrKlausur zur Vorlesung Mathematische Logik
Universität Heidelberg 13. Februar 2014 Institut für Informatik Prof. Dr. Klaus Ambos-Spies Dipl.-Math. Thorsten Kräling Klausur zur Vorlesung Mathematische Logik Musterlösung Aufgabe 1 (Aussagenlogik
Mehr3.2 Prädikatenlogik. WS 06/07 mod 321
3.2 Prädikatenlogik WS 06/07 mod 321 Prädikatenlogik umfasst Aussagenlogik mit atomaren Aussagen, Variablen, Junktoren. Zusätzliche Konzepte: A = (τ, Σ) sei die so genannte Termalgebra (mit Variablen,
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
MehrLogic in a Nutshell. Christian Liguda
Logic in a Nutshell Christian Liguda Quelle: Kastens, Uwe und Büning, Hans K., Modellierung: Grundlagen und formale Methoden, 2009, Carl Hanser Verlag Übersicht Logik - Allgemein Aussagenlogik Modellierung
MehrLogische und funktionale Programmierung
Logische und funktionale Programmierung Vorlesung 2: Prädikatenkalkül erster Stufe Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. Oktober 2016 1/38 DIE INTERPRETATION
MehrNormalformen der Prädikatenlogik
Normalformen der Prädikatenlogik prädikatenlogische Ausdrücke können in äquivalente Ausdrücke umgeformt werden Beispiel "X (mensch(x) Æ sterblich(x)) "X (ÿ mensch(x) sterblich(x)) "X (ÿ (mensch(x) Ÿ ÿ
MehrKlausur für Studiengänge INF und IST
Familienname: Matrikelnummer: Studiengang: (bitte ankreuzen) INF IST MED Vorname: Email-Adresse: Immatrikulationsjahr: Klausur für Studiengänge INF und IST sowie Leistungsschein für Studiengang Medieninformatik
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.
Mehr1 Aussagenlogische Formeln
1 Aussagenlogische Formeln Aufgabe 1.1 Transformieren Sie die Formel in disjunktive Normalform (DNF). ((:A! :B) ^ D)! ((A _ C) $ (:B ^ D)) Lösung 1.1 Schrittweise Transformation: Schritt 1: ((:A! :B) ^
MehrKapitel 1.3. Normalformen aussagenlogischer Formeln. Mathematische Logik (WS 2010/11) Kapitel 1.3: Normalformen 1 / 1
Kapitel 1.3 Normalformen aussagenlogischer Formeln Mathematische Logik (WS 2010/11) Kapitel 1.3: Normalformen 1 / 1 Boolesche Formeln, Literale und Klauseln Eine Boolesche Formel ist eine aussagenlogische
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Randomisierte Algorithmen 7. Random Walks Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2016/2017 1 / 43 Überblick Überblick Ein randomisierter
MehrFormale 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
MehrEinführung in die Logik. Sommersemester Juli 2010 Institut für Theoretische Informatik
Einführung in die Logik Jiří Adámek Sommersemester 2010 14. Juli 2010 Institut für Theoretische Informatik Inhaltsverzeichnis 1 Einleitung: Logische Systeme 4 I Aussagenlogik 6 2 Aussagenlogik 7 2.i Syntax
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.
MehrTheoretische Informatik SS 03 Übung 11
Theoretische Informatik SS 03 Übung 11 Aufgabe 1 Zeigen Sie, dass es eine einfachere Reduktion (als die in der Vorlesung durchgeführte) von SAT auf 3KNF-SAT gibt, wenn man annimmt, dass die Formel des
MehrDie Klassen P und NP. Dr. Eva Richter. 29. Juni 2012
Die Klassen P und NP Dr. Eva Richter 29. Juni 2012 1 / 35 Die Klasse P P = DTIME(Pol) Klasse der Probleme, die sich von DTM in polynomieller Zeit lösen lassen nach Dogma die praktikablen Probleme beim
MehrUniversität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik. Seminar Entscheidungsverfahren für logische Theorien. Endliche Modelle.
Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik Seminar Entscheidungsverfahren für logische Theorien Tobias Hebel Koblenz, am 18.02.2005 Inhaltsverzeichnis 1 Einleitung... 3 2 Grundlagen...
MehrAussagenlogische Kalküle
Aussagenlogische Kalküle Ziel: mit Hilfe von schematischen Regeln sollen alle aus einer Formel logisch folgerbaren Formeln durch (prinzipiell syntaktische) Umformungen abgeleitet werden können. Derartige
MehrLogik-Grundlagen. Syntax der Prädikatenlogik
Logik-Grundlagen X 1 :...: X k : ( A 1 A 2... A m B 1 B 2... B n ) Logische und funktionale Programmierung - Universität Potsdam - M. Thomas - Prädikatenlogik III.1 Syntax der Prädikatenlogik Prädikat:
MehrPlanen als Erfüllbarkeitsproblem
19.01.2007 Seminar Planen und Problemlösen Übersicht 1 Einführung 2 Planen durch Deduktion 3 SAT-Planen 4 Techniken 5 Zusammenfassung 6 Literatur Zustandsraum vs. Axiome Zustandsraumbasiert ( STRIPS):
MehrDas Dilemma des Einbrechers Wer die Wahl hat, hat die Qual!
Das Dilemma des Einbrechers Wer die Wahl hat, hat die Qual! 0kg 4000 Euro Luster 5,5 kg, 430.- Laptop 2,0 kg, 000.- Schatulle 3,2 kg, 800.- Uhr 3,5 kg, 70.- Schwert,5 kg, 850.- Bild 3,4 kg, 680.- Besteck
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 7. Aussagenlogik Analytische Tableaus Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Der aussagenlogische Tableaukalkül
MehrMathematik für Informatiker I
Mathematik für Informatiker I Mitschrift zur Vorlesung vom 19.10.2004 In diesem Kurs geht es um Mathematik und um Informatik. Es gibt sehr verschiedene Definitionen, aber für mich ist Mathematik die Wissenschaft
MehrMusterbeispiele: Aussagenlogik (Lösung)
Musterbeispiele: Aussagenlogik (Lösung) 3.0 VU Formale Modellierung Lara Spendier, Gernot Salzer WS 2011 Aufgabe 1 Gegeben seien die folgenden Aussagen: A: Es ist eiskalt. B: Es schneit. Drücken Sie die
MehrErfüllbarkeit von Horn-Klauseln und Berechnung des kleinsten Herbrand-Modells
Erfüllbarkeit von Horn-Klauseln und Berechnung des kleinsten Herbrand-Modells Effiziente Entscheidung der Erfüllbarkeit von Horn-Klauseln Effiziente Berechnung des kleinsten Herbrand-Modells M P Naive
MehrSchlussregeln aus anderen Kalkülen
Was bisher geschah Klassische Aussagenlogik: Syntax Semantik semantische Äquivalenz und Folgern syntaktisches Ableiten (Resolution) Modellierung in Aussagenlogik: Wissensrepräsentation, Schaltungslogik,
MehrDer Sequenzenkalkül. Charakterisierung der logischen Schlussfolgerung: Sequenzenkalkül für die Prädikatenlogik
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 4.6 Prädikatenlogik ohne Gleichheit Der Sequenzenkalkül 138 Der Sequenzenkalkül Charakterisierung der logischen Schlussfolgerung: Sequenzenkalkül
MehrSatz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich
Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes
MehrEinführung in Algorithmen und Komplexität
Einführung in Algorithmen und Komplexität SS2004 w u v High Performance = Innovative Computer Systems + Efficient Algorithms Friedhelm Meyer auf der Heide 1 Was haben wir bisher gemacht? - Rechenmodell:
MehrSeminarvortrag Axiomatische Theorien in der Logik
Technische Universität Clausthal Institut für Informatik Sommersemester 2004 Seminarvortrag Axiomatische Theorien in der Logik im Themenkomplex II: Information und Logik Hauptseminar Theoretische Informatik
MehrTeil 7. Grundlagen Logik
Teil 7 Grundlagen Logik Was ist Logik? etymologische Herkunft: griechisch bedeutet Wort, Rede, Lehre (s.a. Faust I ) Logik als Argumentation: Alle Menschen sind sterblich. Sokrates ist ein Mensch. Also
MehrMathematik für Informatiker I Mitschrift zur Vorlesung vom 14.12.2004
Mathematik für Informatiker I Mitschrift zur Vorlesung vom 14.12.2004 In der letzten Vorlesung haben wir gesehen, wie man die einzelnen Zahlenbereiche aufbaut. Uns fehlen nur noch die reellen Zahlen (siehe
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung
MehrAlgorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck
Lemma 15 KLP 1 ist genau dann lösbar, wenn das dazugehörige LP KLP 2 eine Lösung mit dem Wert Z = 0 besitzt. Ist Z = 0 für x 0, x 0, dann ist x eine zulässige Lösung von KLP 1. Beweis von Lemma 15: Nach
MehrVorlesung Datenbanktheorie. Church-Rosser-Eigenschaft der Verfolgungsjagd. Berechnung von chase(t, t, Σ) Vorlesung vom Mittwoch, 05.
Vorlesung Datenbanktheorie Nicole Schweikardt Humboldt-Universität zu Berlin Sommersemester 2006 Vorlesung vom Mittwoch, 05. Juli 2006 Letzte Vorlesung: Kurze Bemerkungen zum Armstrong-Kalkül The Chase:
MehrEntscheidungsverfahren für Bernays/Schönfinkelbzw. Datenlogik-Formeln
Vorlesung Letz WS 2002/2003 TU München: Logikbasierte Entscheidungsverfahren Entscheidungsverfahren für Bernays/Schönfinkelbzw. Datenlogik-Formeln INHALTE Die Bernays-Schönfinkel-Klasse bzw. Datenlogik-Formeln
Mehr3. Prädikatenlogik. Im Sinne der Aussagenlogik sind das verschiedene Sätze, repräsentiert etwa durch A, B, C. Natürlich gilt nicht: A B = C
3. Prädikatenlogik 3.1 Motivation In der Aussagenlogik interessiert Struktur der Sätze nur, insofern sie durch "und", "oder", "wenn... dann", "nicht", "genau dann... wenn" entsteht. Für viele logische
Mehrabgeschlossen unter,,,, R,
Was bisher geschah Turing-Maschinen können Sprachen L X akzeptieren entscheiden Funktionen berechnen f : X X (partiell) Menge aller Turing-akzeptierbaren Sprachen genau die Menge aller Chomsky-Typ-0-Sprachen
MehrProlog basiert auf Prädikatenlogik
Software-Technologie Software-Systeme sind sehr komplex. Im Idealfall erfolgt die Programmierung problemorientiert, während die notwendige Übertragung in ausführbare Programme automatisch erfolgt. Prolog-Philosophie:
MehrMai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln
Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese
MehrMusterlösung der Klausur zur Vorlesung Logik für Informatiker
Musterlösung der Klausur zur Vorlesung Logik für Informatiker Bernhard Beckert Christoph Gladisch Claudia Obermaier Arbeitsgruppe Künstliche Intelligenz Fachbereich Informatik, Universität Koblenz-Landau
MehrBoolesche Algebra. Hans Joachim Oberle. Vorlesung an der TUHH im Wintersemester 2006/07 Montags, 9:45-11:15 Uhr, 14täglich TUHH, DE 22, Audimax 2
Universität Hamburg Department Mathematik Boolesche Algebra Hans Joachim Oberle Vorlesung an der TUHH im Wintersemester 2006/07 Montags, 9:45-11:15 Uhr, 14täglich TUHH, DE 22, Audimax 2 http://www.math.uni-hamburg.de/home/oberle/vorlesungen.html
MehrFormalisierung von Sudoku Formalisieren Sie das Sudoku-Problem:
Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem: 4 4 4 4 4 1 1 1 1 2 2 3 3 5 5 5 5 5 5 6 6 6 7 7 8 8 9 9 9 9 9 8 6 Verwenden Sie dazu eine atomare Formel A[n, x, y] für jedes Tripel (n,
Mehrmathe plus Aussagenlogik Seite 1
mathe plus Aussagenlogik Seite 1 1 Aussagenlogik 1.1 Grundbegriffe Def 1 Aussage Eine Aussage ist ein beschriebener Sachverhalt, dem eindeutig einer der Wahrheitswerte entweder wahr oder falsch zugeordnet
MehrLogik: aussagenlogische Formeln und Wahrheitstafeln
FH Gießen-Friedberg, Sommersemester 2010 Lösungen zu Übungsblatt 1 Diskrete Mathematik (Informatik) 7./9. April 2010 Prof. Dr. Hans-Rudolf Metz Logik: aussagenlogische Formeln und Wahrheitstafeln Aufgabe
MehrKapitel 7: Formaler Datenbankentwurf
7. Formaler Datenbankentwurf Seite 1 Kapitel 7: Formaler Datenbankentwurf Die Schwierigkeiten der konzeptuellen Modellierung sind zu einem großen Teil dadurch begründet, dass sich die relevanten Strukturen
MehrWeitere Beweistechniken und aussagenlogische Modellierung
Weitere Beweistechniken und aussagenlogische Modellierung Vorlesung Logik in der Informatik, HU Berlin 2. Übungsstunde Aussagenlogische Modellierung Die Mensa versucht ständig, ihr Angebot an die Wünsche
MehrÜbersicht. 9. Schließen in der Prädikatenlogik 1. Stufe
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlußfolgern 6. Logisch schließende Agenten 7. Prädikatenlogik 1. Stufe 8. Entwicklung einer Wissensbasis 9. Schließen in der Prädikatenlogik
MehrTheoretische Informatik SS 03 Übung 3
Theoretische Informatik SS 03 Übung 3 Aufgabe 1 a) Sind die folgenden Funktionen f : partiell oder total: f(x, y) = x + y f(x, y) = x y f(x, y) = x y f(x, y) = x DIV y? Hierbei ist x DIV y = x y der ganzzahlige
MehrGrundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge
Lehrstuhl für Softwaretechnik und Programmiersprachen Professor Dr. Michael Leuschel Grundlagen der Theoretischen Informatik - Sommersemester 2012 Übungsblatt 1: Lösungsvorschläge Disclaimer: Bei Folgendem
MehrLogik Teil 1: Aussagenlogik
Aussagenlogik Aussagenlogik behandelt die logische Verknüpfung von Aussagen mittels Junktoren wie und, oder, nicht, gdw. Logik Teil : Aussagenlogik Jeder Aussage ist ein Wahrheitswert (wahr/falsch) zugeordnet
MehrGrundlagen der Kognitiven Informatik
Grundlagen der Kognitiven Informatik Wissensrepräsentation und Logik Ute Schmid Kognitive Systeme, Angewandte Informatik, Universität Bamberg letzte Änderung: 14. Dezember 2010 U. Schmid (CogSys) KogInf-Logik
MehrRechnerische Komplexität
Proseminar Effiziente Algorithmen SS 2002 Rechnerische Komplexität Ulrike Krönert (34180) 0. Inhalt 1. Einführung 2. Algorithmen und Komplexität 2.1. Algorithmen 2.2. Laufzeitabschätzung 2.3. Polynomialzeit
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 19. Syntax & Semantik. Motivation - Beispiel. Motivation - Beispiel
Motivation Formale Grundlagen der Informatik 1 Kapitel 19 & Die ist eine Erweiterung der Aussagenlogik. Sie hat eine größere Ausdrucksstärke und erlaub eine feinere Differenzierung. Ferner sind Beziehungen/Relationen
MehrHauptklausur zur Vorlesung Logik für Informatiker im Sommersemester 2012 Lösung
Universität Koblenz-Landau FB 4 Informatik Prof. Dr. Viorica Sofronie-Stokkermans 23.07.2012 Dipl.-Inform. Markus Bender Hauptklausur zur Vorlesung Logik für Informatiker im Sommersemester 2012 Lösung
MehrBeispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise:
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 5.4 Prädikatenlogik mit Gleichheit Resolution 192 Beispiel Bsp.: Betrachte Schlussweise in: 1 Wenn es regnet, dann wird die Straße nass. R N
MehrAlgorithmen zum Lösen von Vertex und Set Cover Instanzen zur Planung von Angriffen auf Netzwerke
Algorithmen zum Lösen von Vertex und Set Cover Instanzen zur Planung von Angriffen auf Netzwerke Steve Göring 13.07.2012 1/18 Gliederung Einleitung Grundlagen Vertex-Cover-Problem Set-Cover-Problem Lösungsalgorithmen
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
MehrAlgorithmen für Hornlogik
Prof. Dr. Heribert Vollmer Institut für Theoretische Informatik Lebniz Universität Hannover Jing Liu Algorithmen für Hornlogik Studienarbeit 2010 1 Einleitung Die Aussagenlogik ist der Bereich der Logik,
MehrTheorie der Informatik. Theorie der Informatik. 6.1 Einführung. 6.2 Alphabete und formale Sprachen. 6.3 Grammatiken. 6.4 Chomsky-Hierarchie
Theorie der Informatik 17. März 2014 6. Formale Sprachen und Grammatiken Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 6.1 Einführung
MehrLogik (Teschl/Teschl 1.1 und 1.3)
Logik (Teschl/Teschl 1.1 und 1.3) Eine Aussage ist ein Satz, von dem man eindeutig entscheiden kann, ob er wahr (true, = 1) oder falsch (false, = 0) ist. Beispiele a: 1 + 1 = 2 b: Darmstadt liegt in Bayern.
MehrMathematik-Vorkurs für Informatiker Aussagenlogik 1
Christian Eisentraut & Julia Krämer www.vorkurs-mathematik-informatik.de Mathematik-Vorkurs für Informatiker Aussagenlogik 1 Aufgabe 1. (Wiederholung wichtiger Begriffe) Notieren Sie die Definitionen der
MehrGrundlagen der diskreten Mathematik
Grundlagen der diskreten Mathematik Prof. Dr. Romana Piat WS 25/6 Allgemeine Informationen Vorlesungen:./C Zug D (Mi., 3. Block + Do., 4. Block, y-raster) Zug E (Di., 5. Block + Do.,. Block, y-raster)
MehrZusammenfassung. Satz. 1 Seien F, G Boolesche Ausdrücke (in den Variablen x 1,..., x n ) 2 Seien f : B n B, g : B n B ihre Booleschen Funktionen
Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 6 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Satz 1 Seien F, G Boolesche Ausdrücke
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
Mehr23.1 Constraint-Netze
Grundlagen der Künstlichen Intelligenz 1. April 2015 2. Constraint-Satisfaction-Probleme: Constraint-Netze Grundlagen der Künstlichen Intelligenz 2. Constraint-Satisfaction-Probleme: Constraint-Netze Malte
Mehr1 Prädikatenlogik: Korrektheit, Vollständigkeit, Entscheidbarkeit
1 Prädikatenlogik: Korrektheit, Vollständigkeit, Entscheidbarkeit 1.1 Korrektheit Mit dem Kalkül der Prädikatenlogik, z.b. dem Resolutionskalkül, können wir allgemeingültige Sätze beweisen. Diese Sätze
Mehr3.1.1 Die Variante T1 und ein Entscheidungsverfahren für die Aussagenlogik
Deduktionssysteme der Aussagenlogik, Kap. 3: Tableaukalküle 38 3 Tableaukalküle 3.1 Klassische Aussagenlogik 3.1.1 Die Variante T1 und ein Entscheidungsverfahren für die Aussagenlogik Ein zweites Entscheidungsverfahren
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:
Mehr4. Lernen von Entscheidungsbäumen. Klassifikation mit Entscheidungsbäumen. Entscheidungsbaum
4. Lernen von Entscheidungsbäumen Klassifikation mit Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch /Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse zugeordnet werden.
MehrInformatik A (Autor: Max Willert)
2. Aufgabenblatt Wintersemester 2012/2013 - Musterlösung Informatik A (Autor: Max Willert) 1. Logik im Alltag (a) Restaurant A wirbt mit dem Slogan Gutes Essen ist nicht billig!, das danebenliegende Restaurant
MehrWissensbasierte Systeme
WBS4 Slide 1 Wissensbasierte Systeme Vorlesung 4 vom 03.11.2004 Sebastian Iwanowski FH Wedel WBS4 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien
MehrSemantic Web Technologies I!
www.semantic-web-grundlagen.de Semantic Web Technologies I! Lehrveranstaltung im WS11/12! Dr. Elena Simperl! DP Dr. Sebastian Rudolph! M.Sc. Anees ul Mehdi! www.semantic-web-grundlagen.de Logik Grundlagen!
MehrLogik Vorlesung 6: Resolution
Logik Vorlesung 6: Resolution Andreas Maletti 28. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen Weitere Eigenschaften
MehrFormale Systeme. Aussagenlogik: Sequenzenkalkül. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK
Formale Systeme Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz
MehrFormale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30
Formale Methoden II SS 2008 Universität Bielefeld Teil 8, 11. Juni 2008 Gerhard Jäger Formale Methoden II p.1/30 Beispiele Anmerkung: wenn der Wahrheitswert einer Formel in einem Modell nicht von der Belegungsfunktion
MehrKomplexitätstheorie Einführung und Überblick (Wiederholung)
Literatur C. Papadimitriou UC Berkeley Zum Komplexitätsbegriff Strukturelle Komplexität Average Case Analyse Effiziente Algorithmen Logische Komplexität Beschreibungssprachen: SQL Kolmogorov Komplexität
Mehr