Strukturerhaltende Transformation in konjunktive Normalform
|
|
- Astrid Fuhrmann
- vor 6 Jahren
- Abrufe
Transkript
1 Proseminar: Präsentation ausgewählter Problemstellungen der Informatik Strukturerhaltende Transformation in konjunktive Normalform Thomas Kemmerich 31. Oktober 2005
2 Inhalt 1 Abstract 2 2 Einführung Motivation Grundlagen Hauptteil Problemdefinition Grundidee Formalisierung der Grundidee Korrektheit Komplexität Schlussbemerkungen 17 1
3 1 Abstract Diese Ausarbeitung beschreibt das in [2] beschriebene effiziente Transformationsverfahren, mit dessen Hilfe jede beliebige aussagen- oder prädikatenlogische Formel in eine erfüllbarkeitsäquivalente Formel in konjunktiver Normalform (KNF) überführt werden kann. Da es eine Menge von Algorithmen gibt, die als Eingabe Formeln in konjunktiver Normalform benötigen, ist eine effiziente Transformation einer beliebigen Formel notwendig. Der Kern des vorgestellten Verfahrens liegt darin, aus einer vorhandenen Formel eine neue, zu ihr erfüllbarkeitsäquivalente Formel zu konstruieren. Dabei werden in der Ausgangsformel Teilformeln durch neue Atome bzw. Prädikate ersetzt und Äquivalenzen hinzugefügt. Diese Äquivalenzen werden dann auf Implikationen reduziert. Durch Anwendung der Standardtransformation auf kleine Teilformeln entsteht dann die gesuchte erfüllbarkeitsäquivalente Formel in KNF. 2
4 2 Einführung 2.1 Motivation Angenommen ein Automobilhersteller möchte ein neues Automodell auf den Markt bringen. Bevor der Wagen marktreif ist, müssen eine Reihe von Tests absolviert werden. Darunter auch Tests, deren reale Durchführung extrem teuer ist - so wie es zum Beispiel bei einem Crashtest der Fall ist. Natürlich ist der Automobilhersteller daran interessiert, die Kosten für diese Tests so gering wie möglich zu halten. Ein Weg dahin ist, anstelle des realen Experimentes eine Simulation auf Basis eines Modells durchzuführen. Somit muss beispielsweise das Auto adäquat modelliert werden. Für diese Modellbildung kann z.b. Abbildung 2.1: Modellbildung auf Aussagen- oder Prädikatenlogik zurückgegriffen werden. Die Ergebnisse der Simulation können dann auf das reale Auto transferiert werden (siehe Abb. 2.1). Der Automobilhersteller hat somit die Chance Schwachstellen in seiner Konstruktion zu beheben, bevor er einen realen, teuren Crashtest durchführt. Bei der Durchführung einer solchen Simulation auf Basis von Formeln werden zur Berechnung die verschiedensten Algorithmen verwendet. Einige von ihnen benötigen als Eingabe Formeln in bestimmten Normalformen. Genau an dieser Stelle kann das in dieser Ausarbeitung beschriebene Verfahren in den Prozess eingreifen. Es beschreibt, wie aus beliebigen aussagen- oder prädikatenlogischen Formeln neue Formeln konstruiert werden können, die dann in konjunktiver Normalform (kurz KNF) vorliegen. 3
5 2 Einführung 2.2 Grundlagen Für das Verständnis des Papers [2] von Plaisted und Greenbaum und dieser Ausarbeitung ist ein sicherer Umgang mit der Aussagen- und Prädikatenlogik notwendig. Eine Formel ist in konjunktiver Normalform, wenn sie eine Konjunktion von Disjunktionen von Literalen ist. Um eine gegebene Formel in KNF umwandeln zu können, sollte man die gängigen Äquivalenzen, wie sie beispielsweise in [5] auf Seite 24 aufgelistet sind, beherrschen. Sie bilden die Grundlagen für die Standardtransformation in konjunktive Normalform (siehe [5] Seite 28ff). Weitere Voraussetzungen für das reine Verständnis des Papers sind nicht notwendig. Um den Nutzen des Verfahrens zu erkennen, ist es jedoch ratsam, das Resolutionskalkül verstanden zu haben. Da es beispielsweise für die Entscheidung von semantischen Folgerungen verwendet werden kann. Es wird unter anderem in [1] Seite 80ff und Seite 131ff beschrieben. 4
6 3.1 Problemdefinition Eine häufige Problemstellung ist die Entscheidung einer semantischen Folgerung. Diese ist wie folgt definiert: Definition 1 (semantische Folgerung). Aus α folgt semantisch β, in Zeichen α = β, genau dann, wenn I : (I(α) = 1 I(β) = 1) gilt. Durch logisch äquivalente Umformungen kann α = β zu α β ist widerspruchsvoll transformiert werden. Für die Entscheidung einer semantischen Folgerung ist es demnach lediglich erforderlich zu entscheiden, ob α β widerspruchsvoll ist. Für die Lösung dieses Problems existieren Erfüllbarkeitsalgorithmen und Kalküle. Die Erfüllbarkeitsalgorithmen arbeiten dabei auf Interpretationsebene, d.h. sie bewerten Formeln nach einem bestimmten Schema und entscheiden dann, ob die Formel widerspruchsvoll ist. Kalküle hingegen arbeiten nicht auf Interpretationsebene, sondern auf Basis der Formelsyntax. Als Beispiel sei hier das Resolutionskalkül genannt (siehe [5], Seite 37ff). Es benötigt als Eingabe eine Formel in KNF. Definition 2 (Logische Äquivalenz). α und β sind logisch äquivalent (α β) genau dann, wenn I : I(α) = I(β). Abbildung 3.1: Logische Äquivalenz Abbildung 3.1 stellt die Klassen der logisch äquivalenten Formeln dar. Dabei bildet die in der Abbildung mittig platzierte Klasse eine Oberklasse einer ganzen Menge von Klassen. Die logisch äquivalente Umformung ist, wie an Definition 2 zu sehen, eine sehr starke Forderung. Eine logisch äquivalente Formel zu α β in konjunktiver Normalform zu bilden, kann im schlimmsten Fall exponentielle Laufzeit benötigen. An dieser Stelle wird jedoch nur die Frage nach der Erfüllbarkeit von α β gestellt. Aus diesem Grund ist eine logisch äquivalente Umformung nicht notwendig. Es ist vollkommen ausreichend, wenn eine Transformation stattfindet, die genau diese Erfüllbarkeitseigenschaft erhält. Man sprich von Erfüllbarkeitsäquivalenz: 5
7 Definition 3 (Erfüllbarkeitsäquivalenz). α und β sind erfüllbarkeitsäquivalent (α sat β) genau dann, wenn I : I(α) = 1 I : I(β) = 1. Abbildung 3.2: Erfüllbarkeitsäquivalenz Abbildung 3.2 zeigt die zwei Klassen der Erfüllbarkeitsäquivalenz. Im Unterschied zur logischen Äquivalenz existieren nur noch zwei Formelklassen: widerspruchsvolle und erfüllbare Formeln. Damit ist die Forderung nach Erfüllbarkeitsäquivalenz schwächer als die Forderung nach logischer Äquivalenz. Sei γ sat α β. Dann gilt γ sat α β (γ erfüllbar α β erfüllbar ) (γ widerspruchsvoll α β widerspruchsvoll ) Entscheidet man die Erfüllbarkeit für γ, so kann wegen der Äquivalenz in der letzten Zeile sofort ein Rückschluss auf α β gezogen werden. Die semantische Folgerung α = β ist somit entschieden. Das in dieser Ausarbeitung beschriebene Verfahren wird strukturerhaltende Transformation in konjunktive Normalform genannt. Hierbei wird aus einer gegebenen Formel α eine erfüllbarkeitsäquivalente Formel γ in konjunktiver Normalform erzeugt. Benutzt man γ als Eingabe für das Resolutionskalkül, kann die semantische Folgerung, dank der Erfüllbarkeitsäquivalenz, leicht entschieden werden. 3.2 Grundidee Im folgenden Abschnitt wird die Grundidee der strukturerhaltenden Transformation in konjunktive Normalform auf Basis der Formel genauer beschrieben. α = (A B) (C D) Das Verfahren ist sowohl auf Formeln der Aussagenlogik als auch auf Formeln der Prädikatenlogik anwendbar. Zur Vereinfachung wird die Grundidee für die Aussagenlogik vorgestellt. Das genaue Vorgehen wird in Abschnitt 3.3 für die Prädikatenlogik formalisiert und gilt für die Aussagenlogik analog. 6
8 Die Grundidee basiert darauf, Teilformeln β α durch neue, nicht in α vorkommende Atome A i zu ersetzen. Dabei werden alle Vorkommen von β in α durch A i ersetzt, sowie die Äquivalenz A i β zu α hinzugefügt. Um die zu ersetzenden Teilformeln zu identifizieren ist es hilfreich, sich die Struktur von α zu verdeutlichen. Für diesen Zweck wird der in Abb. 3.3 dargestellte Kantorowitsch Baum konstruiert. C D A B Abbildung 3.3: Kantorowitsch Baum Jede Teilformel von α wird im Baum durch einen inneren Knoten repräsentiert. Diese Knoten werden durch neue Atome ersetzt. Bei den Blättern des Baumes ist dies nicht notwendig, da diese bereits Atome sind. Durch die Ersetzung aller inneren Knoten des in Abb. 3.3 dargestellten Baumes erhält man den Kantorowitsch Baum aus Abbildung 3.4. A 3 steht dort für die Teilformel AB, also formal A 3 (AB). A 0 A 1 A 2 A 3 Abbildung 3.4: Kantorowitsch Baum mit neuen Atomen Für die übrigen neuen Atome gelten folgende Äquivalenzen: A 2 (C D) A 1 ( A 3 ) A 0 (A 1 A 2 ) Verknüpft man diese einzelnen Äquivalenzen und die Wurzel des Kantorowitsch Baumes aus Abb. 3.4 konjunktiv, so erhält man eine Formel γ mit: 7
9 γ = A 0 (A 0 (A 1 A 2 )) (A 1 ( A 3 )) (A 2 (C D)) (A 3 (A B)) Schaut man sich γ genauer an, so stellt man fest, dass die einzelnen Klammern und somit die gesamte Formel leicht in KNF umwandelbar sind. Dazu wendet man die Standardtransformation auf die einzelnen Äquivalenzen an. Da alle Äquivalenzen maximal aus drei Atomen bestehen, hängt die Länge der transformierten Formel und somit die dazu benötigte Zeit nur von einem konstanten Faktor ab und ist somit ein Vielfaches der ursprünglichen Länge von α. Da γ nach dem Verfahren, wie es bei Tseitin in [3] beschrieben wird, hergestellt wurde, ist γ erfüllbarkeitsäquivalent zu α. Im weiteren Verlauf werden die Äquivalenzen genauer untersucht. Hierzu wird der Begriff der Phase benötigt. Definition 4 (Phase). Eine Äquivalenz α β kann zu α β und α β umgeformt werden. Dabei bezeichnet man α β als positive und α β als negative Phase. Für die Erfüllbarkeitsäquivalenz von γ und α sind nicht beide Phasen der einzelnen Äquivalenzen notwendig. Dies wird im nächsten Abschnitt gezeigt. Man nehme an, dass γ erfüllbar ist, also I : I(γ ) = 1. Hieraus ergeben sich Bedingungen für die Interpretationen der einzelnen Teilformeln von γ. Diese führen dann zum Wegfallen einzelner Phasen. Da γ eine Konjunktion einzelner Teilformeln ist, muss die Interpretation jeder Teilformel wahr sein, damit I(γ ) = 1 gelten kann. Es folgt zuerst I(A 0 ) = 1. Dann muss I(A 0 (A 1 A 2 )) = 1 erfüllt werden. Diese Forderung kann umgeformt werden zu folgender äquivalenten Forderung: I(A 0 (A 1 A 2 )) = 1 und I(A 0 (A 1 A 2 )) = 1. (3.1) Unter der Voraussetzung I(A 0 ) = 1 stellt man fest, dass die Teilforderung I(A 0 (A 1 A 2 )) = 1 unabhängig von der Interpretation von I(A 1 A 2 ) immer erfüllt wird. I(A 0 ) I(A 1 A 2 ) I(A 0 (A 1 A 2 )) Abbildung 3.5: Wahrheitstabelle Dazu sieht man sich Wahrheitstabelle 3.5 an und stellt fest, dass für die zwei Fälle, in denen die Interpretation von A 0 wahr ist, auch I(A 0 (A 1 A 2 )) = 1 gilt. Der zweite Teil der Forderung verlangt, ebenfalls unter der Voraussetzung I(A 0 ) = 1, dass I(A 0 (A 1 A 2 )) = 1. gilt. 8
10 Aus Wahrheitstabelle 3.6 geht hervor, dass die zweite Teilforderung nur erfüllt wird, wenn I(A 1 A 2 ) = 1 ist. Damit I(γ ) = 1 gilt, muss die gesamte Forderung 3.1 erfüllt werden. Man kann zwei Aussagen folgern: 1. Die erste Teilforderung ist eine Tautologie, d.h. sie ist unter den gegebenen Voraussetzungen, unabhängig von der Wahl von I(A 1 A 2 ), immer wahr. Zur Vereinfachung kann sie also entfallen. Damit geht der Wegfall der negativen Phase der ersten Äquivalenz in γ einher. 2. Damit die Interpretation der positiven Phase wahr werden kann und dies muss wegen der Forderung I(γ ) = 1 erfüllt werden, muss I(A 1 A 2 ) = 1 gelten. I(A 0 ) I(A 1 A 2 ) I(A 0 (A 1 A 2 )) Abbildung 3.6: Wahrheitstabelle Durch das Streichen der negativen Phase der Äquivalenz lässt sich γ zu γ = A 0 (A 0 (A 1 A 2 )) (A 1 ( A 3 )) (A 2 (C D)) (A 3 (A B)) vereinfachen. Aus der zweiten Aussage folgen zwei weitere Voraussetzungen: I(A 1 ) = 1 und I(A 2 ) = 1. Beginnend mit A 2 (C D) werden die verbliebenen Äquivalenzen untersucht. Es ergibt sich unter den gegebenen Voraussetzungen mit gleicher Begründung wie für die erste Äquivalenz, dass für die Erfüllbarkeit von γ die Erhaltung der positiven Phase ausreichend ist. Daraus folgt, dass I(A 2 (C D)) = 1 gelten muss. Dies ist nur dann möglich, wenn I(C D) = 1 gilt. Dafür spielt die Wahl der Interpretationen von C und D eine Rolle. An dieser Stelle ist dies jedoch nicht weiter relevant, da nur die Erfüllbarkeitsäquivalenz von γ und α sichergestellt und keine erfüllende Belegung der Atome gefunden werden soll. Zu diesem Zeitpunkt gilt für γ : γ = A 0 (A 0 (A 1 A 2 )) (A 1 ( A 3 )) (A 2 (C D)) (A 3 (A B)) Bislang blieben nur die positiven Phasen erhalten. Durch die Negation in A 1 ( A 3 ) ergibt sich die Erhaltung der negativen Phase von A 3 (AB). Warum dies so ist, wird im Folgenden beschrieben. 9
11 Aus I(A 1 ) = 1 und I(A 1 ( A 3 )) = 1 folgt, wieder mit der gleichen Begründung wie oben, dass nur die positive Phase erhalten bleibt. Des Weiteren ist I(A 1 ( A 3 )) = 1 nur für I( A 3 ) = 1, also I(A 3 ) = 0 erfüllt. Gefordert wird I(A 3 (A B)) = 1. I(A 3 ) I(A B) I(A 3 (A B)) Abbildung 3.7: Wahrheitstabelle für die positive Phase I(A 3 ) I(A B) I(A 3 (A B)) Abbildung 3.8: Wahrheitstabelle für die negative Phase Anhand der Wahrheitstabelle 3.7 erkennt man, dass unter der Voraussetzung I(A 3 ) = 0 die Interpretation der positive Phase immer wahr ist. Für die negative Phase hingegen folgt, dass sie nur dann wahr werden kann, wenn I(A B) = 0 gilt. Damit ist für die Erfüllbarkeit von γ nur die negative Phase entscheidend. Im Vergleich zu γ auf Seite 8 erhält man nach dem Entfernen der unbenötigten Phasen ein γ mit γ sat α und γ = A 0 (A 0 (A 1 A 2 )) (A 1 ( A 3 )) (A 2 (C D)) (A 3 (A B)). Die Erfüllbarkeitsäquivalenz ergibt sich zum einen aus der Annahme I(γ ) = 1 bei der Reduktion von γ zu γ und zum anderen daraus, dass γ nur dann erfüllt werden kann, wenn I(A 0 ) = 1 gilt, was gleichbedeutend mit I(α) = 1 ist, da A 0 Repräsentant von α ist. Transformiert man nun noch die Teilformeln mit der Standardtransformation in KNF, so erhält man als Endergebnis der strukturerhaltenden Transformation: γ = A 0 ( A 0 A 1 ) ( A 0 A 2 ) ( A 1 A 3 ) ( A 2 C D)) (A 3 A B). 10
12 3.3 Formalisierung der Grundidee Die Grundidee wird für die Prädikatenlogik formalisiert. Sei α die in KNF zu transformierende Formel. Dann ist L α eine Unit Klausel (eine Klausel mit nur einem Element) und α + bzw. α eine aus α konstruierte Menge von Konjunktionen. Dabei werden L α, α + und α so gewählt, dass gilt: α sat L α α + bzw. α sat L α α. Diese Erfüllbarkeitsäquivalenzen werden in Abschnitt 3.4 bewiesen. Definition 5 (Atom). Ein Atom ist eine Formel der Form P (t 1,..., t n ), wobei P ein Prädikat und die t i Terme sind. Definition 6 (Literal). Ein Literal ist eine Formel der Form A oder A, wobei A ein Atom ist. Man definiert L α als ein neues, nicht in α auftretendes Literal P α (x 1,..., x n ), wobei die x i die freien Variablen in α darstellen. Hat α die Form β, dann ist L α = L β. L α ist genau dann wahr, wenn α wahr ist. P α repräsentiert α, darum muss für verschiedene Teilformeln auch ein verschiedenes Prädikat gewählt werden. Wenn α selbst ein Literal ist (in der Grundidee sind dies alle Blätter im Kantorowitsch Baum), dann ist L α = α. Das Erhalten einzelner Phasen der Äquivalenzen aus der Grundidee wird durch die Polarität von α formalisiert. Das Prinzip der Polarität wird ausführlich in [4] beschrieben. In der Definition von α + werden freie Variablen als allquantifiziert aufgefasst. Es sei α + für die Prädikatenlogik wie folgt rekursiv definiert: Definition 7 (Polaritäten). (α β) + = (L αβ (L α L β )) α + β + (α β) = (L αβ (L α L β )) α β (α β) + = (L α β (L α L β )) α + β + (α β) = (L α β (L α L β )) α β (α β) + = (L α β (L α L β )) α + β + α β (α β) = (L α β (L α L β )) α β α + β + (α β) + = (L α β (L α L β )) α β + (α β) = (L α β (L α L β )) α + β ( α) + = α ( α) = α + α + = 1, falls α Literal α = 1, falls α Literal ( xa(x)) + = A(x) + (L xa(x) xl A(x) ) ( xa(x)) + = A(x) + (L xa(x) xl A(x) ) ( xa(x)) = A(x) ( xl A(x) L xa(x) ) ( xa(x)) = A(x) ( xl A(x) L xa(x) ) 11
13 Die Definitionen für die Aussagenlogik sind die gleichen wie oben, jedoch logischerweise ohne die Definitionen für die Quantoren. Damit der Aufwand für die Berechnung von α + nicht exponentiell wird, sollten wiederholte Berechnungen der gleichen Teilformeln vermieden werden. Da die Elemente von α + ausschließlich durch Konjunktionen miteinander verknüpft sind, ergibt sich nach der Anwendung der Standardtransformation auf sie insgesamt eine Formel in konjunktiver Normalform. Dieses Verfahren wird als strukturerhaltende Transformation in konjunktive Normalform, kurz SC(α), bezeichnet. Formal gilt für SC die folgende Definition: Definition 8 (SC). Sei Cl(β) die Standardtransformation angewendet auf β. Dann gilt Beispiel SC(α) = β α + ( ) Cl(β) (L α ) Angewendet auf α = (A B) (C D) aus der Grundidee ergibt sich: und damit α + = (L α (L (AB) L C D )) (L AB (A B)) (L C D (C D)) SC(α) = ( L α L (AB) ) ( L α L C D ) ( A B L AB ) ( L C D C D) L α. Vergleicht man dieses Ergebnis mit dem Ergebnis der Grundidee auf Seite 10, so stellt man fest, dass es bis auf die unterschiedliche Bezeichnung der Literale und dem zusätzlichen Auftreten von A 3 bzw. A 1 identisch ist. Für die Negation, die in der Grundidee durch das Einführen von A 1 ( A 3 ) formalisiert wurde, wird kein zusätzliches neues Literal innerhalb der Definition 7 benötigt. Stattdessen wird per Definition einfach die Phase gewechselt. Im nächsten Abschnitt wird nun die Korrektheit der Transformation gezeigt. Mit anderen Worten: Es wird gezeigt, dass SC(α) sat α gilt. 3.4 Korrektheit An dieser Stelle wird gezeigt, dass die in Abschnitt 3.3 formalisierte Grundidee bei Anwendung auf eine aussagen- oder prädikatenlogische Formel α tatsächlich eine zu α erfüllbarkeitsäquivalente Formel γ liefert (SC(α) sat γ). Die Korrektheit wird für prädikatenlogische Formeln bewiesen. 12
14 Theorem 1. Für alle prädikatenlogischen Formeln α der ersten Stufe gilt: = (L α α + ) α und = ( L α α ) α Beweis. Der Beweis verläuft induktiv über die Formelstruktur von α. Hierzu müssen alle möglichen Strukturen berücksichtigt werden, d.h. der Beweis muss für alle Definitionen aus Definition 7 geführt werden. Da er für jede der Definitionen nach dem gleichen Schema abläuft, wird er an dieser Stelle nur für (α β) + = (L α β (L α L β )) α β + durchgeführt. Induktionsanfang: Sei α = A ein Literal. Da α ein Literal ist, gilt laut Definition 7: α + = α = 1 und L α = α. Somit folgt durch Einsetzen in das Theorem: = (α 1) α and = ( α 1) α Offensichtlich handelt es sich bei beiden Aussagen um Tautologien. Induktionsvoraussetzung: Das Theorem ist für zwei Formeln α und β gültig. Induktionsschritt: Laut Definition 7 gilt: (α β) + = (L α β (L α L β )) α β + Damit muss im Induktionsschritt gezeigt werden, dass folgende Formel eine Tautologie ist: (L α β (L α β (L α L β )) α β + ) (α β) Laut Induktionsvoraussetzung gilt: 1. = ( L α α ) α 2. = (L β β + ) β Es handelt sich um zwei Tautologien. Verknüpft man beide Tautologien konjunktiv miteinander entsteht eine neue tautologische Aussage: Durch logisch äquivalente Umformungen erhält man: = (( L α α ) α) ((L β β + ) β) (3.2) = (L α α α) ( L β β + β) (3.3) (L α β (L α β (L α L β )) α β + ) (α β) (L α β ( L α β L α L β ) α β + ) (α β) (L α β (( L α β α β + ) ( L α α β + ) (L β α β + ))) (α β) (L α β (( L α β α β + ) ( L α α β + ) (L β α β + ))) α β L α β ((L α β α β + ) (L α α β + ) ( L β α β + )) α β 13
15 Im letzten Schritt folgt durch Anwendung des Distributivgesetzes: (L α β L α β α β + α β) (L α α α L α β β + β) ( L β β + β L α β α α) Offensichtlich ist die erste Klammer wegen L α β L α β... eine Tautologie. Die zweite Klammer ist semantische Folgerung der ersten Induktionsvoraussetzung und die dritte Klammer semantische Folgerung der zweiten Induktionsvoraussetzung. Die zweite und dritte Klammer sind somit semantische Folgerungen von (3.3) und damit tautologisch. Durch Konjunktion der Tautologien entsteht insgesamt wieder eine Tautologie. Für = ( L α α ) α ist das Vorgehen analog. Führt man diesen Beweis analog für alle in Definition 7 definierten Strukturen durch, so erhält man insgesamt den Beweis für das Theorem. Definition 9 (Modell). Sei I eine Interpretation von α. Gilt I(α) = 1, so bezeichnet man I als Modell von α. Lemma 1. Angenommen I ist ein Modell von α. Sei J eine Interpretation, so dass für alle Teilformeln β von α gilt: J (L β β) = 1. Angenommen J interpretiert β als wahr genau dann, wenn I(β) = 1. Dann gilt für alle Teilformeln β von α: J (β + ) = 1 und J (β ) = 1 (3.4) Beweis. Auch dieser Beweis erfolgt induktiv über den Aufbau der Formel V und exemplarisch an einem Fall. Der Beweis der anderen Fälle verläuft analog. Induktionsanfang: Sei β ein Atom V. Dann sind V + und V per Definition 1 (wahr). Da J 0 widerspruchsvoll ist, gilt: J = V + und J = V, also J (V + ) = 1 und J (V ) = 1 Induktionsvoraussetzung: Für zwei Formeln δ, γ gilt: J (δ ) = 1 und J (γ + ) = 1 Induktionsschritt: Sei ρ = δ γ. Dann ist ρ + = (L δ γ (L δ L γ )) δ γ +. Wegen der Induktionsvoraussetzung gilt: J (δ ) = 1 und J (γ + ) = 1 (3.5) Da I(ρ) = 1 gilt, muss auch J ((δ γ) L δ γ ) = 1 gelten. Die für die Teilformeln stehenden Variablen L δ und L γ werden laut Definition unter J so bewertet, wie die Teilformeln δ,γ von ρ unter I : J (L δ ) = I(δ) bzw. I : J (L γ ) = I(γ). Damit gilt insgesamt J (ρ + ) = 1 sowie analog J (ρ ) = 1. Zeigt man dies für alle möglichen Formelstrukturen, ergibt sich die Allgemeingültigkeit des Lemmas. Mit dem gerade bewiesenen Lemma lässt sich folgendes Lemma leicht beweisen: Lemma 2. Sei α erfüllbar. Dann ist auch L α α + erfüllbar. Sei α erfüllbar. Dann ist auch L α α erfüllbar. Beweis. Wenn α erfüllbar ist, existiert ein Modell I : I(α) = 1. Sei J eine Interpretation wie in Lemma 1, dann gilt J (α + ) = 1. Ferner folgt aus dem Model und der Definition von J : J (L α ) = 1. Damit gibt es offensichtlich eine Interpretation J mit J (L α α + ) = 1, womit L α α + erfüllbar ist. Der zweite Teil des Lemmas folgt analog. 14
16 Sieht man sich Theorem 1 und Lemma 2 an, so erkennt man, dass zwei Behauptungen der Form A B und B A bewiesen wurden. Diese beiden Behauptungen lassen sich zur Äquivalenz A B zusammenfassen, es folgt Theorem 2. Theorem 2. Für eine beliebige prädikatenlogische Formel α der ersten Stufe gilt α sat L α α + sowie α sat L α α Beweis. Theorem 2 ist eine direkte Folgerung aus Theorem 1 und Lemma 2. Laut Definition von SC(α) auf Seite 12 gilt SC(α) = β α + ( ) Cl(β) (L α ) Die strukturerhaltende Transformation von α ist also allgemein definiert als α + L α, wobei alle Teilformeln von α + mit Hilfe der Standardtransformation in KNF transformiert werden. Aus Theorem 2 folgt also Korollar 1: Korollar 1. Eine prädikatenlogische Formel α ist erfüllbar genau dann, wenn SC(α) erfüllbar ist. Formal: α sat SC(α) (3.6) Beweis. Für jede Formel β ist das Ergebnis der Standardtransformation von β in KNF erfüllbarkeitsäquivalent zu β: Cl(β) sat β. Zusammen mit Theorem 2 und der Definition von SC(α) folgt somit das Korollar. Abschließend wird festgestellt, dass SC(α) die Grundidee korrekt formalisiert und eine erfüllbarkeitsäquivalente Formel zu α liefert. 3.5 Komplexität In diesem Abschnitt wird kurz auf die Komplexität der strukturerhaltenden Transformation eingegangen. Dabei sei die Länge einer Formel definiert als die Länge einer Zeichenkette, die man benötigt, um die Formel mit allen Zeichen hin zu schreiben. Theorem 3. Die Länge von α + und α liegt in O(n c(α)), wobei n die Anzahl an Variablen in α und c(α) die Anzahl von Verbindungen und Quantoren in α ist. Ausgehend von α wird für die Berechnung von α + und α Zeit O(n c(α)) benötigt. Beweis. In der Grundidee wurde die Formel α als Kantorowitsch Baum dargestellt. Für die Berechnung von α + wurden nun für die inneren Knoten neuen Prädikate eingefügt. Da n die Anzahl der Variablen in α ist, kann ein Prädikat maximal n Attribute besitzen. Also ist die Länge eines Prädikates proportional zu n. Außerdem kann das Prädikat in Zeit proportional zu n berechnet bzw. hingeschrieben werden. Insgesamt existieren im Kantorowitsch Baum genau c(α) viele innere Knoten. Die neuen Prädikate werden durch eine begrenzte Anzahl von Junktoren miteinander verknüpft. Daraus folgt insgesamt: α + = O(n c(α)). α + kann demnach auch in O(n c(α)) berechnet werden. Für α analog. 15
17 Man beachte, dass die Länge von α + nicht linear ist. Für c(α) = n gilt z.b. α + = O(n 2 )! Theorem 4. Die Länge von SC(α) liegt in O(n α ), wobei n die Anzahl an Variablen in α ist. Ausgehend von α wird für die Berechnung von SC(α) Zeit O(n α ) benötigt. Beweis. Wie in der Grundidee wird α + als Baum dargestellt. Einem internen Konten geht maximal ein Existenzquantor voraus, darum muss für die Umwandlung in KNF durch die Standardtransformation einer Teilformel β α + maximal eine Skolemisierung vorgenommen werden. Dabei erhöht sich die Länge um maximal n. Da laut Theorem 3 α + = O(n c(α)) gilt, folgt im O-Kalkül für diesen Teil der Transformation die Grenze O(n c(α)). Für ein Blatt in dem Baum kann wiederum nur ein Existenzquantor direkter Vorgängerknoten sein. Jedoch wird die Länge eines Blattes durch die Skolemisierungen mit einem Faktor von maximal n multipliziert. Da die Summe der Länge der Blätter durch α begrenzt ist, gilt für die Länge dieses Teils von SC(α): O(n α ). Da O(n c(α)) O(n α ) folgt SC(α) = O(n α ). Mit dem gleichen Vorgehen folgt auch die Zeitgrenze für die Berechnung. Letztendlich bleibt festzustellen, dass ein exponentielles Wachstum bei der strukturerhaltenden Transformation vermieden wird. Damit liefert dieses Verfahren in vielen Fällen deutlich schneller eine erfüllbarkeitsäquivalente Formel in konjunktiver Normalform, als es mit der Standardtransformation möglich wäre. 16
18 4 Schlussbemerkungen Das hier vorgestellte Verfahren der strukturerhaltenden Transformation in KNF lässt sich an vielen Stellen in der Informatik einsetzen. Dabei hilft es ein typisches Problem zu lösen - die Frage nach der Gültigkeit einer semantischen Folgerung. Der größte Vorteil des beschriebenen Verfahrens gegenüber der Standardtransformation liegt darin, dass in den meisten Fällen ein exponentielles Formelwachstum bei der Transformation vermieden wird. Damit können Anwendungen und Algorithmen, die mit erfüllbarkeitsäquivalenten Formeln in KNF arbeiten, in einigen Fällen viel Zeit und Platz sparen. 17
19 Literaturverzeichnis [1] Chang, C. und Lee, R. (1973). Symbolic Logic an Mechanical Theorem Proving [2] David A. Plaisted und Steven Greenbaum (1986). A Structure-preserving Clause Form Translation [3] G.S. Tseitin. On the Complexity of Derivation in Propositional Calculus [4] Murray, N. (1982). Completely non-clausal theorem proving. Artificial Intelligence 18, [5] Uwe Schöning (2000). Logik für Informatiker, 5. Auflage 18
I. 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
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:
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
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.
MehrBinäre Suchbäume (binary search trees, kurz: bst)
Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.
MehrWas bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion
Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert
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) ^
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!
Mehrder einzelnen Aussagen den Wahrheitswert der zusammengesetzten Aussage falsch falsch falsch falsch wahr falsch wahr falsch falsch wahr wahr wahr
Kapitel 2 Grundbegriffe der Logik 2.1 Aussagen und deren Verknüpfungen Eine Aussage wie 4711 ist durch 3 teilbar oder 2 ist eine Primzahl, die nur wahr oder falsch sein kann, heißt logische Aussage. Ein
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
MehrA.1 Schaltfunktionen und Schaltnetze
Schaltfunktionen und Schaltnetze A. Schaltfunktionen und Schaltnetze 22 Prof. Dr. Rainer Manthey Informatik II Bedeutung des Binärsystems für den Rechneraufbau Seit Beginn der Entwicklung von Computerhardware
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
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...
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 6: Induktives Vorgehen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische
Mehr5. Aussagenlogik und Schaltalgebra
5. Aussagenlogik und Schaltalgebra Aussageformen und Aussagenlogik Boolesche Terme und Boolesche Funktionen Boolesche Algebra Schaltalgebra Schaltnetze und Schaltwerke R. Der 1 Aussagen Information oft
MehrGrundlagen der Informationverarbeitung
Grundlagen der Informationverarbeitung Information wird im Computer binär repräsentiert. Die binär dargestellten Daten sollen im Computer verarbeitet werden, d.h. es müssen Rechnerschaltungen existieren,
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
Mehr2.11 Kontextfreie Grammatiken und Parsebäume
2.11 Kontextfreie Grammatiken und Parsebäume Beispiel: Beispiel (Teil 3): Beweis für L(G) L: Alle Strings aus L der Länge 0 und 2 sind auch in L(G). Als Induktionsannahme gehen wir davon aus, dass alle
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:
MehrDatenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer:
Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.
MehrWissensrepräsentation und -verarbeitung in Logiken. bereinigt Pränex Skolem ( -Eliminierung) Klausel (Menge von Klauseln, Notation ohne Quantoren)
Was bisher geschah Wissensrepräsentation und -verarbeitung in Logiken klassische Aussagenlogik klassische Prädikatenlogik: Wiederholung Syntax, Semantik Normalformen: bereinigt Pränex Skolem ( -Eliminierung)
MehrWissensbasierte Systeme/ Expertensysteme. Teil 2
Wissensbasierte Systeme/ Expertensysteme Teil 2 BiTS, Sommersemester 2004 Dr. Stefan Kooths KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 2 1 Gliederung 1. Einführung und Einordnung 2. Entscheidungsunterstützung(ssysteme)
MehrWS 2009/10. Diskrete Strukturen
WS 29/ Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws9
MehrTeil 1: Digitale Logik
Teil 1: Digitale Logik Inhalt: Boolesche Algebra kombinatorische Logik sequentielle Logik kurzer Exkurs technologische Grundlagen programmierbare logische Bausteine 1 Analoge und digitale Hardware bei
MehrFixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise sind
Mehr5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56
5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten
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
MehrWortproblem für kontextfreie Grammatiken
Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?
MehrPrimzahlzertifikat von Pratt
Primzahlzertifikat von Pratt Daniela Steidl TU München 17. 04. 2008 Primzahltests in der Informatik "Dass das Problem, die Primzahlen von den Zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren
MehrFormeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur
Signatur Formeln Am Beispiel der Aussagenlogik erklären wir schrittweise wichtige Elemente eines logischen Systems. Zunächst benötigt ein logisches System ein Vokabular, d.h. eine Menge von Namen, die
MehrBinäre lineare Optimierung mit K*BMDs p.1/42
Binäre lineare Optimierung mit K*BMDs Ralf Wimmer wimmer@informatik.uni-freiburg.de Institut für Informatik Albert-Ludwigs-Universität Freiburg Binäre lineare Optimierung mit K*BMDs p.1/42 Grundlagen Binäre
MehrKlausur Formale Systeme Fakultät für Informatik WS 2009/2010
Klausur Formale Systeme Fakultät für Informatik WS 2009/2010 Prof. Dr. Bernhard Beckert 18. Februar 2010 Name: Mustermann Vorname: Peter Matrikel-Nr.: 0000000 Klausur-ID: 0000 A1 (15) A2 (10) A3 (10) A4
Mehr4 Greedy-Algorithmen (gierige Algorithmen)
Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine
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
MehrSemantik von Formeln und Sequenzen
Semantik von Formeln und Sequenzen 33 Grundidee der Verwendung von Logik im Software Entwurf Syntax: Menge von Formeln = Axiome Ax K ist beweisbar Formel ϕ beschreiben Korrektkeit Vollständigkeit beschreibt
MehrBeschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de
Beschreibungslogiken Daniel Schradick 1schradi@informatik.uni-hamburg.de Was sind Beschreibungslogiken? Definition: Formalisms that represent knowledge of some problem domain (the world ) by first defining
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
MehrTheoretische Informatik
Theoretische Informatik - das Quiz zur Vorlesung Teil I - Grundzüge der Logik In der Logik geht es um... (A) die Formen korrekten Folgerns (B) die Unterscheidung von wahr und falsch (C) das Finden von
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
MehrWas bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen Constraint-Systemen Logiken Repräsentation von Mengen
Was bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen Constraint-Systemen Logiken Repräsentation von Mengen aussagenlogischer Regeln: Wissensbasis (Kontextwissen): Formelmenge,
MehrFolge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12
Grundlagen: Folge 19 - Bäume 19.1 Binärbäume - Allgemeines Unter Bäumen versteht man in der Informatik Datenstrukturen, bei denen jedes Element mindestens zwei Nachfolger hat. Bereits in der Folge 17 haben
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrKapitel DB:V (Fortsetzung)
Kapitel DB:V (Fortsetzung) V. Grundlagen relationaler Anfragesprachen Anfragen und Änderungen Relationale Algebra Anfragekalküle Relationaler Tupelkalkül Relationaler Domänenkalkül DB:V-67 Relational Algebra
MehrLogische Programmierung
Logische Programmierung B-82 Deklaratives Programmieren in Prädikatenlogik: Problem beschreiben statt Algorithmus implementieren (idealisiert). Grundlagen: Relationen bzw. Prädikate (statt Funktionen);
MehrZeichnen von Graphen. graph drawing
Zeichnen von Graphen graph drawing WS 2006 / 2007 Gruppe: D_rot_Ala0607 Christian Becker 11042315 Eugen Plischke 11042351 Vadim Filippov 11042026 Gegeben sei ein Graph G = (V; E) Problemstellung V E =
MehrSteinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering
Steinerbäume Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Verfasser Flamur Kastrati Betreuer Prof. Dr. habil. Thomas
MehrEntwicklung eines korrekten Übersetzers
Entwicklung eines korrekten Übersetzers für eine funktionale Programmiersprache im Theorembeweiser Coq Thomas Strathmann 14.01.2011 Gliederung 1 Einleitung
Mehr5 Logische Programmierung
5 Logische Programmierung Logik wird als Programmiersprache benutzt Der logische Ansatz zu Programmierung ist (sowie der funktionale) deklarativ; Programme können mit Hilfe zweier abstrakten, maschinen-unabhängigen
MehrMathematische Grundlagen der Informatik
Skriptum zur Vorlesung Mathematische Grundlagen der Informatik gehalten in WS 2015/16 von Sven Kosub 4. Februar 2016 Version v4.20 Inhaltsverzeichnis Prolog 1 1 Logik 5 1.1 Aussagen.....................................
MehrProf. Dr. sc. Hans-Dieter Burkhard Vorlesung Winter-Semester 2003/04. Wissensrepräsentation: Resolution (im PK1)
Einführung in die KI Prof. Dr. sc. Hans-Dieter Burkhard Vorlesung Wissensrepräsentation: Resolution (im PK1) 2. Resolution Vorbild für Formalismus : exakt, präzise, (theoretisch) beherrscht Aufbau: Zeichen
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrVerwendet man zur Darstellung nur binäre Elemente ( bis lat.: zweimal) so spricht man von binärer Digitaltechnik.
Kursleiter : W. Zimmer 1/24 Digitale Darstellung von Größen Eine Meßgröße ist digital, wenn sie in ihrem Wertebereich nur eine endliche Anzahl von Werten annehmen kann, also "abzählbar" ist. Digital kommt
MehrTheorie der Informatik
Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax
MehrInformatik I WS 07/08 Tutorium 24
Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 3.2.07 astian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Organisatorisches / Review is zum 2.2 müssen alle Praxisaufgaben
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik
MehrPratts Primzahlzertifikate
Pratts Primzahlzertifikate Markus Englert 16.04.2009 Technische Universität München Fakultät für Informatik Proseminar: Perlen der Informatik 2 SoSe 2009 Leiter: Prof. Dr. Nipkow 1 Primzahltest Ein Primzahltest
MehrKapitel 7 Dr. Jérôme Kunegis. Logische Kalküle. WeST Web Science & Technologies
Kapitel 7 Dr. Jérôme Kunegis Logische Kalküle WeST Web Science & Technologies Lernziele Grundideen des Domain-Relationenkalküls (DRK) und des Tupel-Relationenkalküls (TRK) Relationale Datenbank als Formelmenge
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrLogik und Mengenlehre. ... wenn man doch nur vernünftig mit Datenbanken umgehen können will?
Mengenlehre und Logik: iederholung Repetitorium: Grundlagen von Mengenlehre und Logik 2002 Prof. Dr. Rainer Manthey Informationssysteme 1 arum??? arum um alles in der elt muss man sich mit herumschlagen,......
MehrKünstliche Intelligenz Maschinelles Lernen
Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen
MehrEinführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)
Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff
MehrEin kausaler Zusammenhang entspricht einer speziellen wahren Implikation. Beispiel: Wenn es regnet, dann wird die Erde nass.
Implikation Implikation Warum ist die Tabelle schwer zu schlucken? In der Umgangssprache benutzt man daraus folgt, also, impliziert, wenn dann, nur für kausale Zusammenhänge Eine Implikation der Form:
MehrUniversität Paderborn Die Universität der Informationsgesellschaft. Validierung und Verifikation (inkl. Testen, Model-Checking, Theorem Proving)
Universität Paderborn Die Universität der Informationsgesellschaft Analyse, Entwurf und Implementierung zuverlässiger Software und (inkl., Model-Checking, Theorem Proving) Torsten Bresser torbre@uni-paderborn.de
Mehr3 Quellencodierung. 3.1 Einleitung
Source coding is what Alice uses to save money on her telephone bills. It is usually used for data compression, in other words, to make messages shorter. John Gordon 3 Quellencodierung 3. Einleitung Im
MehrSortierverfahren für Felder (Listen)
Sortierverfahren für Felder (Listen) Generell geht es um die Sortierung von Daten nach einem bestimmten Sortierschlüssel. Es ist auch möglich, daß verschiedene Daten denselben Sortierschlüssel haben. Es
Mehr2. Vorlesung. Slide 40
2. Vorlesung Slide 40 Knobelaufgabe Was tut dieses Programm? Informell Formal Wie stellt man dies sicher? knobel(a,b) { Wenn a = 0 dann return b sonst { solange b 0 wenn a > b dann { a := a - b sonst b
MehrNP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)
NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP
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
MehrLogische Folgerung. Definition 2.11
Logische Folgerung Definition 2.11 Sei 2A eine aussagenlogische Formel und F eine endliche Menge aussagenlogischer Formeln aus A. heißt logische Folgerung von F genau dann, wenn I ( ) =1für jedes Modell
MehrBäume und Wälder. Bäume und Wälder 1 / 37
Bäume und Wälder Bäume und Wälder 1 / 37 Bäume Ein (ungerichteter) Baum ist ein ungerichteter Graph G = (V, E), der zusammenhängend ist und keine einfachen Kreise enthält. Bäume und Wälder 2 / 37 Bäume
MehrVorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz
Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz Datenstruktur BDD 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer: Booleschen Funktionen)
MehrRelationale Kalküle. Grundlagen der Datenbanken. Dr. Jérôme Kunegis Wintersemester 2013/14
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken Dr. Jérôme Kunegis Wintersemester 2013/14 Lernziele Grundideen des Domänen-Relationenkalküls (DRK) und des Tupel-Relationenkalküls
MehrMächtigkeit von WHILE-Programmen
Mächtigkeit von WHILE-Programmen Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 26. November 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
Mehr3. Entscheidungsbäume. Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002)
3. Entscheidungsbäume Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002) (aus Wilhelm 2001) Beispiel: (aus Böhm 2003) Wann sind Entscheidungsbäume
MehrLogik & Semantik 7. Vorlesung Prädikatenlogik 1. Syntax der Prädikatenlogik Semantik der Prädikatenlogik: Grundbegriffe (Variablen-)Substitutionen
Logik & Semantik 7. Vorlesung Prädikatenlogik 1 Syntax der Prädikatenlogik Semantik der Prädikatenlogik: Grundbegriffe (Variablen-)Substitutionen 1 Definition eines logischen Systems: Generelles Schema
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrFormale Systeme, WS 2012/2013 Praxisaufgabe 1: SAT-Solver Spotlight
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter H. Schmitt David Farago, Christoph Scheben, Mattias Ulbrich Formale Systeme, WS 2012/2013 Praxisaufgabe 1: SAT-Solver
MehrAuswahl von Klauseln und Atomen in Prolog
5.6 Prolog... ist die bekannteste Implementierung einer LP-Sprache; wurde Anfang der 1970er von Alain Colmerauer (Marseille) und Robert Kowalski (Edinburgh) entwickelt. konkretisiert den vorgestellten
MehrInfoTraffic Alltagsbezogene Lernumgebungen für Warteschlangen und Aussagenlogik
Absolvententreffen der Informatiklehrer/innen TU Dresden, 31. März 27 InfoTraffic Alltagsbezogene Lernumgebungen für Warteschlangen und Aussagenlogik Department of Computer Science ETH Zürich Ruedi Arnold,
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
Mehr2. Lernen von Entscheidungsbäumen
2. Lernen von Entscheidungsbäumen Entscheidungsbäume 2. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse
MehrSeminar über Software Model Checking Vortrag zum Thema Predicate Abstraction
Seminar über Software Model Checking Vortrag zum Thema Predicate Abstraction Robert Mattmüller Betreuer: Prof. Dr. Stefan Leue Wintersemester 2003/2004 1. Dezember 2003 1 Software Model Checking Predicate
MehrSignalverarbeitung 1
TiEl-F000 Sommersemester 2008 Signalverarbeitung 1 (Vorlesungsnummer 260215) 2003-10-10-0000 TiEl-F035 Digitaltechnik 2.1 Logikpegel in der Digitaltechnik In binären Schaltungen repräsentieren zwei definierte
MehrProgram = Logic + Control
Program = Logic + Control Prozedurale/imperative Sprachen: Abläufe formulieren Computer führt aus von-neumann-maschine Idee von deklarativen/logischen/funktionalen Programmiersprachen: Zusammenhänge formulieren
MehrEin neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt
Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt Leonhard Euler 1 Wann immer in den Anfängen der Analysis die Potenzen des Binoms entwickelt
MehrKapitel 3 Mathematik. Kapitel 3.3. Algebra Gleichungen
TG TECHNOLOGISCHE GRUNDLAGEN Kapitel 3 Mathematik Kapitel 3.3 Algebra Gleichungen Verfasser: Hans-Rudolf Niederberger Elektroingenieur FH/HTL Vordergut 1, 877 Nidfurn 055-654 1 87 Ausgabe: Februar 009
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrTerme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes)
Prädikatenlogik Man kann den natürlichsprachlichen Satz Die Sonne scheint. in der Prädikatenlogik beispielsweise als logisches Atom scheint(sonne) darstellen. In der Sprache der Prädikatenlogik werden
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 7: Einführung Aussagenlogik schulz@eprover.org Logisches Schließen 2 gold +1000, 1 per step, Beispiel: Jage den Wumpus Performance measure death 1000 10
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrAlso kann nur A ist roter Südler und B ist grüner Nordler gelten.
Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 8: kontextfreie Grammatiken Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2009/2010 1/37 Überblick Kontextfreie Grammatiken
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
Mehr0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )
Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,
MehrJOHANNES BONNEKOH. Analysis. Allgemeine Hochschulreife und Fachabitur
JOHANNES BONNEKOH Analysis Allgemeine Hochschulreife und Fachabitur Vorwort Vorwort Mathematik ist eine Sprache, die uns hilft die Natur und allgemeine naturwissenschaftliche Vorgänge zu beschreiben. Johannes
Mehr7. Formale Sprachen und Grammatiken
7. Formale Sprachen und Grammatiken Computer verwenden zur Verarbeitung von Daten und Informationen künstliche, formale Sprachen (Maschinenspr., Assemblerspachen, Programmierspr., Datenbankspr., Wissensrepräsentationsspr.,...)
MehrKapiteltests zum Leitprogramm Binäre Suchbäume
Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm
MehrModallogik (aussagenlogisch)
Kapitel 2 Modallogik (aussagenlogisch) In diesem Abschnitt wird eine Erweiterung der Aussagenlogik um sogenannte Modalitäten behandelt. Damit erlangt man eine größere Aussagekraft der Sprache, allerdings
Mehr