THEORETISCHE INFORMATIK UND LOGIK
|
|
|
- Magdalena Förstner
- vor 6 Jahren
- Abrufe
Transkript
1 THEORETISCHE INFORMATIK UND LOGIK 13. Vorlesung: Prädikatenlogik: Syntax und Semantik Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 26. Mai 2017
2 Komplexität und Spiele NP ist eine typische Klasse für Solitaire-Spiele: Sudoku, Minesweeper, Tetris,... Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 2 von 32
3 Komplexität und Spiele NP ist eine typische Klasse für Solitaire-Spiele: Sudoku, Minesweeper, Tetris,... PSpace ist eine typische Klasse für Spiele, bei denen zwei Spieler abwechselnd eine polynomielle Zahl an Zügen durchführen: Geography, Reversi, Tic-Tac-Toe, aber auch: Sokoban,... Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 2 von 32
4 Komplexität und Spiele NP ist eine typische Klasse für Solitaire-Spiele: Sudoku, Minesweeper, Tetris,... PSpace ist eine typische Klasse für Spiele, bei denen zwei Spieler abwechselnd eine polynomielle Zahl an Zügen durchführen: Geography, Reversi, Tic-Tac-Toe, aber auch: Sokoban,... ExpTime findet sich bei Spielen, bei denen man Züge rückgängig machen kann (polynomielles Spielbrett exponentiell viele Züge): Schach, Dame, Go, Stern-Halma,... In jedem Fall muss man (nicht-endliche) Verallgemeinerungen der Spiele betrachten, um die wahre Komplexität zu sehen (Menschen spielen nicht, indem sie innerlich eine endliche Datenbank aller möglichen Stellungen konsultieren) Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 2 von 32
5 Komplexität und Spiele NP ist eine typische Klasse für Solitaire-Spiele: Sudoku, Minesweeper, Tetris,... PSpace ist eine typische Klasse für Spiele, bei denen zwei Spieler abwechselnd eine polynomielle Zahl an Zügen durchführen: Geography, Reversi, Tic-Tac-Toe, aber auch: Sokoban,... ExpTime findet sich bei Spielen, bei denen man Züge rückgängig machen kann (polynomielles Spielbrett exponentiell viele Züge): Schach, Dame, Go, Stern-Halma,... In jedem Fall muss man (nicht-endliche) Verallgemeinerungen der Spiele betrachten, um die wahre Komplexität zu sehen (Menschen spielen nicht, indem sie innerlich eine endliche Datenbank aller möglichen Stellungen konsultieren) Spiele sollten komplex sein, um lange zu motivieren Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 2 von 32
6 Halbzeit: Zusammenfassung und Ausblick Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 3 von 32
7 Überblick Berechenbarkeit Vorlesung 1 Hilbert in Paris Die Turingmaschine Church-Turing-These Vorlesung 2 Berechenbarkeit Entscheidbarkeit Busy Beaver Vorlesung 3 LOOP WHILE Turing-Mächtigkeit von WHILE Vorlesung 4 Die Kraft des LOOP Halteproblem Reduktionen Vorlesung 5 Satz von Rice Semi-Entscheidbarkeit Postsches Korrespondenzproblem Vorlesung 6 Probleme formaler Sprachen Noch unentscheidbarere Probleme Euklid als Informatiker Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 4 von 32
8 Überblick Komplexität Vorlesung 7 Königsberger Brücken Beschränkte TMs Robuste Komplexitäten Vorlesung 8 Zeit vs. Raum P und L Polynomielle Reduktionen Vorlesung 9 Coles Beweis ohne Worte NP SAT p Clique p Unabhänige Menge Vorlesung 10 SAT p Teilmengen Summe p Rucksack Pseudopolynomialität Fake News zu NP Vorlesung 11 NL und Erreichbarkeit Schach ist schwer PSpace und QBF Vorlesung 12 TrueQBF p TrueQBF alt p Geography Spiele Evaluation Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 5 von 32
9 Ausblick: Prädikatenlogik Vorlesung 13 Logik ertser Stufe: Syntax und Semantik Vorlesung 14 Unentscheidbarkeit Folgerung Komplexität Model Checking Vorlesung 15 Umformungen und Normalformen Vorlesung 16 Schlussfolgern mit Resolution Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 6 von 32
10 Ausblick: Logik und mehr Vorlesung 17 Entscheidbare Fragmente der Prädikatenlogik Vorlesung 18 Logik höherer Ordnung Vorlesung 19 Logik auf Wörtern und formale Sprachen Vorlesung 20 Logik auf natürlichen Zahlen Gödel Vorlesung 21 Zusammenfassung Ausblick Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 7 von 32
11 Prädikatenlogik Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 8 von 32
12 Logik Aristoteles ( v.chr.): Alle Menschen sind sterblich. Sokrates ist ein Mensch. Also ist Sokrates sterblich. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 9 von 32
13 Gut, aber in der Informatik? Wozu lehrt man Informatiker_innen Logik? Verifikation von Software: Logik als Spezifikationssprache gewünschter Eigenschaften Künstliche Intelligenz: Logik als Lehre vom folgerichtigen Denken Optimierung: Logisches Schließen als Suche nach Lösungen komplexer Probleme Datenverwaltung: Logik als eindeutig definiertes Format für Daten und Anfragen Wissensrepräsentation: Logik zur Darstellung und Anwendung von menschlichem Wissen in Form von Regeln, Taxonomien und Ontologien Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 10 von 32
14 Rückblick: Syntax der Aussagenlogik In der Aussagenlogik gibt es eine abzählbar unendliche Menge P von atomaren Aussagen (auch bekannt als: aussagenlogische Variablen, Propositionen oder schlicht Atome) Die Menge der aussagenlogischen Formeln ist induktiv a definiert: Jedes Atom p P ist eine aussagenlogische Formel Wenn F und G aussagenlogische Formeln sind, so auch: F: Negation, nicht F (F G): Konjunktion, F und G (F G): Disjunktion, F oder G (F G): Implikation, F impliziert G (F G): Äquivalenz, F ist äquivalent zu G a Das bedeutet: Die Definition ist selbstbezüglich und soll die kleinste Menge an Formeln beschreiben, die alle Bedingungen erfüllen. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 11 von 32
15 Rückblick: Semantik der Aussagenlogik Eine aussagenlogische Formel kann wahr oder falsch sein, je nachdem, wie man die atomaren Aussagen interpretiert. Dazu verwenden wir eine Wertzuweisung w : P {1, 0}. Eine Wertzuweisung w erfüllt eine Formel F, in Symbolen w = F, wenn eine der folgenden rekursiven Bedingungen gilt: Form von F w = F wenn: w = F wenn: F P: w(f) = 1 w(f) = 0 F = G w = G w = G F = (G 1 G 2 ) w = G 1 und w = G 2 w = G 1 oder w = G 2 F = (G 1 G 2 ) w = G 1 oder w = G 2 w = G 1 und w = G 2 F = (G 1 G 2 ) w = G 1 oder w = G 2 w = G 1 und w = G 2 F = (G 1 G 2 ) w = G 1 und w = G 2 w = G 1 und w = G 2 oder oder w = G 1 und w = G 2 w = G 1 und w = G 2 Dabei bedeutet A oder B immer A oder B oder beides. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 12 von 32
16 Von Aussagen- zu Prädikatenlogik Die Prädikatenlogik gibt atomaren Aussagen eine innere Struktur: aus p Soktrates-ist-ein-Mensch wird istmensch(sokrates) Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 13 von 32
17 Von Aussagen- zu Prädikatenlogik Die Prädikatenlogik gibt atomaren Aussagen eine innere Struktur: aus p Soktrates-ist-ein-Mensch wird istmensch(sokrates) Dadurch können mehrere Dinge die selbe Eigenschaft haben: istmensch(sokrates) istmensch(emilia) istmensch(anton) Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 13 von 32
18 Von Aussagen- zu Prädikatenlogik Die Prädikatenlogik gibt atomaren Aussagen eine innere Struktur: aus p Soktrates-ist-ein-Mensch wird istmensch(sokrates) Dadurch können mehrere Dinge die selbe Eigenschaft haben: istmensch(sokrates) istmensch(emilia) istmensch(anton) Für allgemeine Aussagen über die Dinge, die eine Eigenschaft haben, gibt es zwei Quantoren: Existenzquantor : Mindestens ein Ding hat die Eigenschaft Allquantor : Alle Dinge haben die Eigenschaft Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 13 von 32
19 Beispiele Jeder Mensch ist sterblich. x. ( istmensch(x) iststerblich(x) ) Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 14 von 32
20 Beispiele Jeder Mensch ist sterblich. x. ( istmensch(x) iststerblich(x) ) Es ist nicht alles Gold was glänzt. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 14 von 32
21 Beispiele Jeder Mensch ist sterblich. x. ( istmensch(x) iststerblich(x) ) Es ist nicht alles Gold was glänzt. (a) x. ( glänzt(x) istgold(x) ) (b) x. ( glänzt(x) istgold(x) ) (c) x. ( glänzt(x) istgold(x) ) (d) x. ( glänzt(x) istgold(x) ) Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 14 von 32
22 Beispiele Jeder Mensch ist sterblich. x. ( istmensch(x) iststerblich(x) ) Es ist nicht alles Gold was glänzt. (a) x. ( glänzt(x) istgold(x) ) (b) x. ( glänzt(x) istgold(x) ) (c) x. ( glänzt(x) istgold(x) ) (d) x. ( glänzt(x) istgold(x) ) falsch falsch richtig richtig Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 14 von 32
23 Beispiele Jeder Mensch ist sterblich. x. ( istmensch(x) iststerblich(x) ) Es ist nicht alles Gold was glänzt. (a) x. ( glänzt(x) istgold(x) ) (b) x. ( glänzt(x) istgold(x) ) (c) x. ( glänzt(x) istgold(x) ) (d) x. ( glänzt(x) istgold(x) ) falsch falsch richtig richtig Null ist eine natürliche Zahl und jede natürliche Zahl hat einen Nachfolger, der ebenfalls eine natürliche Zahl ist. NatNum(null) x. ( NatNum(x) y. ( succ(x, y) NatNum(y) ) ) Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 14 von 32
24 Intuitive Semantik: Logelei In einem entlegenen Inselreich gibt es zwei Arten von Menschen: die einen (Typ W) sagen stets die Wahrheit die anderen (Typ L) lügen immer Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 15 von 32
25 Intuitive Semantik: Logelei In einem entlegenen Inselreich gibt es zwei Arten von Menschen: die einen (Typ W) sagen stets die Wahrheit die anderen (Typ L) lügen immer Wir besuchen einige der Inseln und fragen die Einheimischen nach dem Typ der Bewohner dort. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 15 von 32
26 Intuitive Semantik: Logelei In einem entlegenen Inselreich gibt es zwei Arten von Menschen: die einen (Typ W) sagen stets die Wahrheit die anderen (Typ L) lügen immer Wir besuchen einige der Inseln und fragen die Einheimischen nach dem Typ der Bewohner dort. Auf Insel A antwortet jeder der Bewohner: Wir sind hier alle vom gleichen Typ. Stimmt das? Und wenn ja, von welchem Typ sind sie? Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 15 von 32
27 Intuitive Semantik: Logelei In einem entlegenen Inselreich gibt es zwei Arten von Menschen: die einen (Typ W) sagen stets die Wahrheit die anderen (Typ L) lügen immer Wir besuchen einige der Inseln und fragen die Einheimischen nach dem Typ der Bewohner dort. Auf Insel A antwortet jeder der Bewohner: Wir sind hier alle vom gleichen Typ. Stimmt das? Und wenn ja, von welchem Typ sind sie? Auf Insel B antwortet jeder der Bewohner: Hier gibt es einige vom Typ W und einige vom Typ L. Was sagt uns das über die Typen der Bewohner von B? Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 15 von 32
28 Prädikatenlogik: Syntax (1) In der Aussagenlogik gab es eine unendliche Menge von Atomen. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 16 von 32
29 Prädikatenlogik: Syntax (1) In der Aussagenlogik gab es eine unendliche Menge von Atomen. In der Prädikatenlogik betrachten wir stattdessen mehrere Mengen: Eine Menge V von Variablen x, y, z,... Eine Menge C von Konstanten a, b, c,... Eine Menge P von Prädikatensymbolen p, q, r,... jedes Prädikat hat eine Stelligkeit 0 (auch Arität genannt) Variablen und Konstanten werden auch Terme genannt. Diese Mengen sind: (1) abzählbar unendlich (d.h. wir haben immer ausreichend Symbole jeden Typs zur Verfügung) (2) disjunkt (d.h. es ist stets klar, welcher Art ein Symbol ist) Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 16 von 32
30 Prädikatenlogik: Syntax (1) In der Aussagenlogik gab es eine unendliche Menge von Atomen. In der Prädikatenlogik betrachten wir stattdessen mehrere Mengen: Eine Menge V von Variablen x, y, z,... Eine Menge C von Konstanten a, b, c,... Eine Menge P von Prädikatensymbolen p, q, r,... jedes Prädikat hat eine Stelligkeit 0 (auch Arität genannt) Variablen und Konstanten werden auch Terme genannt. Diese Mengen sind: (1) abzählbar unendlich (d.h. wir haben immer ausreichend Symbole jeden Typs zur Verfügung) (2) disjunkt (d.h. es ist stets klar, welcher Art ein Symbol ist) Ein prädikatenlogisches Atom ist ein Ausdruck p(t 1,..., t n ) für ein n-stelliges Prädikatensymbol p P und Terme t 1,..., t n V C. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 16 von 32
31 Prädikatenlogik: Syntax (2) Formeln werden jetzt wie in der Aussagenlogik aus Atomen aufgebaut: Die Menge der prädikatenlogische Formeln ist induktiv definiert: Jedes Atom p(t 1,..., t n ) ist eine prädikatenlogische Formel Wenn x V eine Variable und F und G prädikatenlogische Formeln sind, dann sind auch die folgenden prädikatenlogische Formeln: F: Negation, nicht F (F G): Konjunktion, F und G (F G): Disjunktion, F oder G (F G): Implikation, F impliziert G (F G): Äquivalenz, F ist äquivalent zu G x.f: Existenzquantor, für ein x gilt F x.f: Allquantor, für alle x gilt F Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 17 von 32
32 Funktionssymbole Anmerkung: Oft werden in der Prädikatenlogik Funktionssymbole betrachtet, die in Termen (zusätzlich zu Variablen und Konstanten) vorkommen dürfen. Wir verzichten hier vorerst darauf, da dies die Definition komplexer (und eventuel verwirrender) macht, man damit keine zusätzliche Ausdruckstärke erhält und wir diese Erweiterung für spezielle Anwendungen leicht auch später noch einführen können. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 18 von 32
33 Konventionen und Vereinfachungen Wir erlauben folgende Vereinfachungen der Syntax: Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 19 von 32
34 Konventionen und Vereinfachungen Wir erlauben folgende Vereinfachungen der Syntax: (1) Bei nullstelligen Prädikatensymbolen lassen wir die (leeren) Klammern weg. Beispiel: wir schreiben (p q) anstelle von (p() q()) Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 19 von 32
35 Konventionen und Vereinfachungen Wir erlauben folgende Vereinfachungen der Syntax: (1) Bei nullstelligen Prädikatensymbolen lassen wir die (leeren) Klammern weg. Beispiel: wir schreiben (p q) anstelle von (p() q()) (2) Die äußersten Klammern einer Formel dürfen weggelassen werden. Beispiel: wir schreiben p q statt (p q) Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 19 von 32
36 Konventionen und Vereinfachungen Wir erlauben folgende Vereinfachungen der Syntax: (1) Bei nullstelligen Prädikatensymbolen lassen wir die (leeren) Klammern weg. Beispiel: wir schreiben (p q) anstelle von (p() q()) (2) Die äußersten Klammern einer Formel dürfen weggelassen werden. Beispiel: wir schreiben p q statt (p q) (3) Klammern innerhalb geschachtelter Konjunktionen und Disjunktionen dürfen weggelassen werden. Beispiel: wir schreiben p q r statt p (q r) Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 19 von 32
37 Konventionen und Vereinfachungen Wir erlauben folgende Vereinfachungen der Syntax: (1) Bei nullstelligen Prädikatensymbolen lassen wir die (leeren) Klammern weg. Beispiel: wir schreiben (p q) anstelle von (p() q()) (2) Die äußersten Klammern einer Formel dürfen weggelassen werden. Beispiel: wir schreiben p q statt (p q) (3) Klammern innerhalb geschachtelter Konjunktionen und Disjunktionen dürfen weggelassen werden. Beispiel: wir schreiben p q r statt p (q r) (4) Hintereinander vorkommende Quantoren gleicher Art werden zusammengefasst, wobei man die Variablen als Liste angibt. Beispiel: wir schreiben x, x. y, y.(p(x, x ) p(y, y )) statt x. x. y. y.(p(x, x ) p(y, y )) Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 19 von 32
38 Konventionen und Vereinfachungen Wir erlauben folgende Vereinfachungen der Syntax: (1) Bei nullstelligen Prädikatensymbolen lassen wir die (leeren) Klammern weg. Beispiel: wir schreiben (p q) anstelle von (p() q()) (2) Die äußersten Klammern einer Formel dürfen weggelassen werden. Beispiel: wir schreiben p q statt (p q) (3) Klammern innerhalb geschachtelter Konjunktionen und Disjunktionen dürfen weggelassen werden. Beispiel: wir schreiben p q r statt p (q r) (4) Hintereinander vorkommende Quantoren gleicher Art werden zusammengefasst, wobei man die Variablen als Liste angibt. Beispiel: wir schreiben x, x. y, y.(p(x, x ) p(y, y )) statt x. x. y. y.(p(x, x ) p(y, y )) Ansonsten schreiben wir Formel immer gemäß der formalen Syntax, einschließlich aller Klammern. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 19 von 32
39 Teilformeln Die Teilformeln einer Formel sind alle Teilausdrücke der Formel, welche selbst Formeln sind. Die Menge der Teilformeln ist eindeutig bestimmt, wenn man der formalen Definition der Formel folgt. Beispiel: Die Teilformeln von x.(p(x) (q(x) r(x))) sind (p(x) (q(x) r(x))), (q(x) r(x)), p(x), q(x), r(x) sowie die Formel selbst, aber nicht p(x) (q(x) oder x.(p(x). Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 20 von 32
40 Teilformeln Die Teilformeln einer Formel sind alle Teilausdrücke der Formel, welche selbst Formeln sind. Die Menge der Teilformeln ist eindeutig bestimmt, wenn man der formalen Definition der Formel folgt. Beispiel: Die Teilformeln von x.(p(x) (q(x) r(x))) sind (p(x) (q(x) r(x))), (q(x) r(x)), p(x), q(x), r(x) sowie die Formel selbst, aber nicht p(x) (q(x) oder x.(p(x). Anmerkung: Lässt man manche Klammern zur Vereinfachung der Syntax weg, dann sind die Teilfomeln nicht mehr eineutig bestimmt. Beispiel: x.(p(x) q(x) r(x)) könnte sowohl x.(p(x) (q(x) r(x))) als auch x.((p(x) q(x)) r(x)) bezeichnen, was zu unterschiedlichen Teilformenl führt. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 20 von 32
41 Freie und gebundene Variablenvorkommen Eine Variable kann in einer Formel entweder frei oder gebunden vorkommen: Die freien Vorkommen von Variablen in einer Formel sind rekursiv wie folgt definiert: In einem Atom sind alle Vorkommen von Variablen frei. Die freien Vorkommen in F sind die selben wie in F Die freien Vorkommen in (F G), (F G), (F G) und (F G) sind alle freien Vorkommen aus F und G Die freien Vorkommen in x.f und x.f sind die selben wie in F, ohne die Vorkommen von x in F Damit sind Vorkommen von Variablen x genau dann gebunden wenn sie im Bereich eines Quantors auftauchen. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 21 von 32
42 Freie und gebundene Variablenvorkommen Eine Variable kann in einer Formel entweder frei oder gebunden vorkommen: Die freien Vorkommen von Variablen in einer Formel sind rekursiv wie folgt definiert: In einem Atom sind alle Vorkommen von Variablen frei. Die freien Vorkommen in F sind die selben wie in F Die freien Vorkommen in (F G), (F G), (F G) und (F G) sind alle freien Vorkommen aus F und G Die freien Vorkommen in x.f und x.f sind die selben wie in F, ohne die Vorkommen von x in F Damit sind Vorkommen von Variablen x genau dann gebunden wenn sie im Bereich eines Quantors auftauchen. Beispiel: Eine Variable kann gleichzietig frei und gebunden in einer Formel auftauchen, wie z.b. x in p(x) x.q(x). Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 21 von 32
43 Offene und geschlossene Formeln Formeln ohne freie Vorkommen von Variablen heißen geschlossene Formeln oder Sätze. Anmerkung: Eigentlich würde man sich oft gern auf Sätze beschränken (da sie geschlossene Aussagen darstellen). Leider muss man sich dennoch mit offenen Formeln beschäftigen, weil diese auftauchen, sobald man die Teilformeln einer geschlossenen Formeln anschaut (dies tun wir in vielen Defintionen und Beweisen). Formeln mit freien Vorkommen von Variablen heißen offene Formeln. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 22 von 32
44 Semantik der Prädikatenlogik Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 23 von 32
45 Atome interpretieren Grundgedanke: Der Wahrheitswert von Formeln sollte sich wie in der Aussagenlogik aus dem Wahrheitswert von Atomen ergeben. Beispiel: Ein mögliches Atom ist p(a, x) mit a C und x V. Wie soll diesem Ausdruck ein Wahrheitswert zugeordnet werden? Dazu müssen drei Fragen beantwortet werden: Was bedeutet p? Was bedeutet a? Was bedeutet x? Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 24 von 32
46 Atome interpretieren Grundgedanke: Der Wahrheitswert von Formeln sollte sich wie in der Aussagenlogik aus dem Wahrheitswert von Atomen ergeben. Beispiel: Ein mögliches Atom ist p(a, x) mit a C und x V. Wie soll diesem Ausdruck ein Wahrheitswert zugeordnet werden? Dazu müssen drei Fragen beantwortet werden: Was bedeutet p? Prädikatssymbole stehen für Relationen gleicher Stelligkeit Was bedeutet a? Was bedeutet x? Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 24 von 32
47 Atome interpretieren Grundgedanke: Der Wahrheitswert von Formeln sollte sich wie in der Aussagenlogik aus dem Wahrheitswert von Atomen ergeben. Beispiel: Ein mögliches Atom ist p(a, x) mit a C und x V. Wie soll diesem Ausdruck ein Wahrheitswert zugeordnet werden? Dazu müssen drei Fragen beantwortet werden: Was bedeutet p? Prädikatssymbole stehen für Relationen gleicher Stelligkeit Was bedeutet a? Konstanten stehen für Elemente, die in Relationen stehen können Was bedeutet x? Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 24 von 32
48 Atome interpretieren Grundgedanke: Der Wahrheitswert von Formeln sollte sich wie in der Aussagenlogik aus dem Wahrheitswert von Atomen ergeben. Beispiel: Ein mögliches Atom ist p(a, x) mit a C und x V. Wie soll diesem Ausdruck ein Wahrheitswert zugeordnet werden? Dazu müssen drei Fragen beantwortet werden: Was bedeutet p? Prädikatssymbole stehen für Relationen gleicher Stelligkeit Was bedeutet a? Konstanten stehen für Elemente, die in Relationen stehen können Was bedeutet x? Variablen stehen auch für Elemente, aber ihre verschiedenen Vorkommen können für verschiedene Elemente stehen Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 24 von 32
49 Atome interpretieren Grundgedanke: Der Wahrheitswert von Formeln sollte sich wie in der Aussagenlogik aus dem Wahrheitswert von Atomen ergeben. Beispiel: Ein mögliches Atom ist p(a, x) mit a C und x V. Wie soll diesem Ausdruck ein Wahrheitswert zugeordnet werden? Dazu müssen drei Fragen beantwortet werden: Was bedeutet p? Prädikatssymbole stehen für Relationen gleicher Stelligkeit Was bedeutet a? Konstanten stehen für Elemente, die in Relationen stehen können Was bedeutet x? Variablen stehen auch für Elemente, aber ihre verschiedenen Vorkommen können für verschiedene Elemente stehen Ein Atom p(a, x) ist also wahr, wenn zwischen dem Element, für das a steht, und dem Element, für das x steht, die Relation besteht, für die p steht. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 24 von 32
50 Interpretationen Die Wertzuweisung der Aussagenlogik wird also durch Interpretationen und Zuweisungen für Variablen ersetzt. Eine Interpretation I ist ein Paar I, I bestehend aus einer nichtleeren Grundmenge von Elemente I (der Domäne) und einer Interpretationsfunktion I, welche: jede Konstante a C auf ein Element a I I und jedes n-stellige Prädikatensymbol p P auf eine Relation p I ( I ) n abbildet. Eine Zuweisung Z für eine Interpretation I ist eine Funktion Z : V I, die Variablen auf Elemente der Domäne abbildet. Für x V und δ I schreiben wir Z[x δ] für die Zuweisung, die x auf δ und alle anderen Variablen y x auf Z(y) abbildet. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 25 von 32
51 Beispiel (1) Null ist eine natürliche Zahl und jede natürliche Zahl hat einen Nachfolger, der ebenfalls eine natürliche Zahl ist. NatNum(null) x. ( NatNum(x) y. ( succ(x, y) NatNum(y) ) ) Wir betrachten eine Interpretation I mit I = R die Menge der reellen Zahlen null I = 0 NatNum I = N R die Menge der natürlichen Zahlen succ I = { d, e d, e R, d < e} Unter dieser Interpretation ist das Atom NatNum(null) wahr, da null I NatNum I gilt. Wir schreiben: NatNum(null) I = 1. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 26 von 32
52 Beispiel (2) Null ist eine natürliche Zahl und jede natürliche Zahl hat einen Nachfolger, der ebenfalls eine natürliche Zahl ist. NatNum(null) x. ( NatNum(x) y. ( succ(x, y) NatNum(y) ) ) Wir betrachten für die vorherige Interpretation I eine Zuweisung Z mit Z(x) = 42 Z(y) = 5 Unter dieser Interpretation und Zuweisung ist das Atom succ(x, y) falsch, da Z(x), Z(y) succ I gilt. Wir schreiben: succ(x, y) I,Z = 0. Anmerkung: Allgemein geben wir bei Interpretationen und Zuweisungen nur die Belegungen an, die für die Auswertung einer gegebenen Formel relevant sind. Zum Beispiel müssen wir Z nicht für alle z V definieren. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 27 von 32
53 Atome interpretieren Wir bestimmen dementsprechend die Wahrheit von Atomen unter einer Interpretation und Zuweisung: Sei I eine Interpretation und Z eine Zuweisung für I. Für eine Konstante c definieren wir c I,Z = c I Für eine Variable x definieren wir x I,Z = Z(x) Für ein Atom p(t 1,..., t n ) setzen wir sodann: p(t 1,..., t n ) I,Z = 1 wenn t I,Z 1,..., tn I,Z p I und p(t 1,..., t n ) I,Z = 0 wenn t I,Z 1,..., tn I,Z p I. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 28 von 32
54 Atome interpretieren Wir bestimmen dementsprechend die Wahrheit von Atomen unter einer Interpretation und Zuweisung: Sei I eine Interpretation und Z eine Zuweisung für I. Für eine Konstante c definieren wir c I,Z = c I Für eine Variable x definieren wir x I,Z = Z(x) Für ein Atom p(t 1,..., t n ) setzen wir sodann: p(t 1,..., t n ) I,Z = 1 wenn t I,Z 1,..., tn I,Z p I und p(t 1,..., t n ) I,Z = 0 wenn t I,Z 1,..., tn I,Z p I. Achtung! Wir verwenden Interpretationen und Zuweisungen auf zwei Ebenen, die man nicht verwecheln sollte: (1) um Terme t auf Elemente t I,Z I abzubilden (2) um Atome A auf Wahrheitswerte A I,Z {0, 1} abzubilden Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 28 von 32
55 Formeln interpretieren Eine Interpretation I und eine Zuweisung Z für I erfüllen eine Formel F, in Symbolen I, Z = F, wenn eine der folgenden rekursiven Bedingungen gilt: Formel F I, Z = F wenn: I, Z = F wenn: F Atom F I,Z = 1 F I,Z = 0 G I, Z = G I, Z = G (G 1 G 2 ) I, Z = G 1 und I, Z = G 2 I, Z = G 1 oder I, Z = G 2 (G 1 G 2 ) I, Z = G 1 oder I, Z = G 2 I, Z = G 1 und I, Z = G 2 (G 1 G 2 ) I, Z = G 1 oder I, Z = G 2 I, Z = G 1 und I, Z = G 2 (G 1 G 2 ) I, Z = G 1 und I, Z = G 2 I, Z = G 1 und I, Z = G 2 oder oder I, Z = G 1 und I, Z = G 2 I, Z = G 1 und I, Z = G 2 x.g I, Z[x δ] = G I, Z[x δ] = G für alle δ I für mindestens ein δ I x.g I, Z[x δ] = G I, Z[x δ] = G für mindestens ein δ I für alle δ I Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 29 von 32
56 Beispiel Null ist eine natürliche Zahl und jede natürliche Zahl hat einen Nachfolger, der ebenfalls eine natürliche Zahl ist. F = NatNum(null) x. ( NatNum(x) y. ( succ(x, y) NatNum(y) ) ) Wir betrachten eine Interpretation I mit I = R die Menge der reellen Zahlen null I = 0 NatNum I = N R die Menge der natürlichen Zahlen succ I = { d, e d, e R, d < e} Dann gilt I = F (unter jeder beliebigen Zuweisung). Notation: Bei der Interpretation von Sätzen (Formeln ohne freie Variablen) spielen Zuweisungen keine Rolle. Wir schreiben sie in diesem Fall nicht. Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 30 von 32
57 Intuitive Semantik: Logelei Wir kehren zurück auf das Inselreich mit Menschen von Typ W und Typ L. Smullyan 1 fragte die Bewohner nach ihren Rauchgewohnheiten. 1 R. Smullyan: A Beginner s Guide to Mathematical Logic, Dover 2014 Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 31 von 32
58 Intuitive Semantik: Logelei Wir kehren zurück auf das Inselreich mit Menschen von Typ W und Typ L. Smullyan 1 fragte die Bewohner nach ihren Rauchgewohnheiten. Auf Insel A antwortete jeder der Bewohner: Jeder, der hier von Typ W ist, raucht. Auf Insel B antwortete jeder der Bewohner: Einige von uns hier sind von Typ L und rauchen. Auf Insel C hatten alle den gleichen Typ und jeder sagte: Falls ich rauche, dann raucht jeder hier. Auf Insel D hatten alle den gleichen Typ und jeder sagte: Einige hier rauchen, aber ich nicht. Was können wir jeweils über die Bewohner und ihre Gewohnheiten schließen? 1 R. Smullyan: A Beginner s Guide to Mathematical Logic, Dover 2014 Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 31 von 32
59 Zusammenfassung und Ausblick Prädikatenlogik verallgemeinert Aussagenlogik mit n-stelligen Prädikaten, Termen und Quantoren Zur Auswertung von Formeln benötigen wir eine Interpretation und eine Variablenzuweisung Was erwartet uns als nächstes? Logisches Schließen Entscheidbare logische Probleme Unentscheidbare logische Probleme Markus Krötzsch, 26. Mai 2017 Theoretische Informatik und Logik Folie 32 von 32
Wissensbasierte 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)
Theoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 9: Prädikatenlogik schulz@eprover.org Rückblick 2 Rückblick: Vor- und Nachteile von Aussagenlogik Aussagenlogik ist deklarativ: Syntaxelemente entsprechen
Formale 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
Mai 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
Logik 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:
Terme 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
Beschreibungslogiken. 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
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
Logik 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,......
Fixpunktsemantik 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
5 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
Formeln. 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
Universität 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...
Grundlagen 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.
Binäre 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.
Semantic 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!
Prädikatenlogik - Micromodels of Software
Prädikatenlogik - Micromodels of Software Philipp Koch Seminar Logik für Informatiker Universität Paderborn Revision: 30. Mai 2005 1 Inhaltsverzeichnis 1 Motivation 3 2 Modelle 3 2.1 Definition eines Modells.......................
5. 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
Wissensrepräsentation 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)
Logik & 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
Grundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 3: Alphabete (und Relationen, Funktionen, Aussagenlogik) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/18 Überblick Alphabete ASCII Unicode
Zusammenhänge präzisieren im Modell
Zusammenhänge präzisieren im Modell Dr. Roland Poellinger Munich Center for Mathematical Philosophy Begriffsfeld Logik 1 Mathematik und Logik Die Mathematik basiert auf logisch gültigen Folgerungsschritten
Theorie 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
Theoretische 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
Temporale Logiken: CTL und LTL
Westfälische Wilhelms-Universität Münster usarbeitung Temporale Logiken: CTL und LTL im Rahmen des Seminars Formale Spezifikation im WS 2005/06 Thorsten Bruns Themensteller: Prof. Dr. Herbert Kuchen Betreuer:
Einführung in die Theoretische Informatik
Einführung in die Theoretische Informatik Woche 10 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Zusammenfassung Zusammenfassung der letzten LV Satz Sei G = (V, Σ, R, S) eine kontextfreie
der 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
Satz. 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
Wissensbasierte 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
2. 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
Klausur 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
Inhalt. SWP Logische Programme. Motivation. Formalisierung. Wissensbasis. Bsp (Bibel)Verwandtschaften. Motivation Sprache LP
Inhalt SWP Logische Programme Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at Motivation Sprache LP Resolution Unifikation Datenbanken und logische Programme Semantik 2 Motivation Bsp
Kapitel 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
Zusammenfassung. 1 Wir betrachten die folgende Signatur F = {+,,, 0, 1} sodass. 3 Wir betrachten die Gleichungen E. 4 Dann gilt E 1 + x 1
Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 7 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 1 Wir betrachten die folgende Signatur
Klausur 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
Grundlagen 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
7. 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.,...)
Zusammenfassung. 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
Beispiel. 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
Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
Datenstruktur 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.
Kapitel 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
Theoretische 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
Was 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
WS 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
SWP Logische Programme
SWP Logische Programme Alexander Felfernig, Stephan Gspandl Institut für Softwaretechnologie {alexander.felfernig,sgspandl}@ist.tugraz.at Institute for Software Technology Inhalt Motivation Logische Programme
Formale Methoden III - Tutorium
Formale Methoden III - Tutorium Daniel Jettka 19.06.06 Inhaltsverzeichnis 1. Logische Eigenschaften von Merkmalsstrukturen 1. Logische Eigenschaften von MS Ausgangspunkt: Unterscheidung von: Linguistische
Mächtigkeit 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
Wortproblem 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?
Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014
egelsammlung mb2014 THM Friedberg von 6 16.08.2014 15:04 Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014 Sammlung von Rechenregeln, extrahiert aus dem Lehrbuch: Erhard Cramer, Johanna Neslehová: Vorkurs
Informatik A ( Frank Hoffmann)
Teillösungen zum 1. Aufgabenblatt zur Vorlesung Informatik A ( Frank Hoffmann) 1. Improvisieren Stellen Sie die Zahl 6 dar durch einen Ausdruck, der genau dreimal die Ziffer i enthält und ansonsten neben
Organisatorisches. Zeit und Ort: Mo 12-14 MZH 1450 Mi 16-18 MZH 1460. Prof. Carsten Lutz Raum Cartesium 2.59 Tel. (218)-64431 clu@uni-bremen.
Logik Organisatorisches Zeit und Ort: Mo 12-14 MZH 1450 Mi 16-18 MZH 1460 Prof. Carsten Lutz Raum Cartesium 2.59 Tel. (218)-64431 clu@uni-bremen.de Position im Curriculum: Wahlbereich Bachelor-Basis, Theoretische
Komplexitätstheorie Einführung und Überblick (Wiederholung)
Literatur C. Papadimitriou UC Berkeley Zum Komplexitätsbegriff Strukturelle Komplexität Average Case Analyse Effiziente Algorithmen Logische Komplexität Beschreibungssprachen: SQL Kolmogorov Komplexität
Prädikatenlogik: Grundlagen
Prädikatenlogik: Grundlagen Vorversion der Folien des Kap. 9! Stand 15.05.2007 Im Verlauf der Vorlesungen zu diesem Kapitel werden Änderungen und Ergänzungen erfolgen. Sie sollten daher sorgfältig auf
y(p F x) gebunden und in den Formeln F xy
Wirkungsbereich (Skopus) eines Quantors i bzw. i nennen wir die unmittelbar auf i bzw. i folgende Formel. Wir sagen, eine IV i kommt in einer Formel A gebunden vor, wenn sie unmittelbar auf oder folgt
Erfüllbarkeit 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
Numerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 16 4. Groß-O R. Steuding (HS-RM)
Prof. 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
Logische Programmierung
Logische Programmierung B-82 Deklaratives Programmieren in Prädikatenlogik: Problem beschreiben statt Algorithmus implementieren (idealisiert). Grundlagen: Relationen bzw. Prädikate (statt Funktionen);
Theoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 12: Termersetzungssysteme schulz@eprover.org Reduktionssysteme Definition: Reduktionssystem Ein Reduktionssystem ist ein Tupel (A, ) Dabei gilt: A ist eine
Program = Logic + Control
Program = Logic + Control Prozedurale/imperative Sprachen: Abläufe formulieren Computer führt aus von-neumann-maschine Idee von deklarativen/logischen/funktionalen Programmiersprachen: Zusammenhänge formulieren
Grundlagen 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,
Logische 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
Künstliche Intelligenz Unsicherheit. Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln
Künstliche Intelligenz Unsicherheit Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Rückblick Agent in der Wumpuswelt konnte Entscheidungen
1 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) ^
Bitte schreiben Sie sich in die Mailingliste der Vorlesung ein! Den Link finden Sie auf der Vorlesungshomepage.
Mailingliste Bitte schreiben Sie sich in die Mailingliste der Vorlesung ein! Den Link finden Sie auf der Vorlesungshomepage. ZUR ERINNERUNG Regulärer Stundenplan Freitag, 14-16 Uhr: Vorlesung, ExWi A6
6.1 Syntax und Semantik von Constraint-Logikprogrammen
Kapitel 6 Logikprogrammierung mit Constraints Nachdem wir nun sowohl die reine Logikprogrammierung als auch ihre Implementierung in der Sprache Prolog betrachtet haben, wollen wir uns zum Schluss mit einer
Logik für Informatiker Wintersemester 2012/13
2 Prädikatenlogik In der Prädikatenlogik kann man die in der Aussagenlogik bereits betrachteten atomaren Aussagen eleganter formulieren: A = Borussia Dortmund ist deutscher Fußballmeister : deutscher_fussballmeister(
Grundlagen der Informatik II. Teil I: Formale Modelle der Informatik
Grundlagen der Informatik II Teil I: Formale Modelle der Informatik 1 Einführung GdInfoII 1-2 Ziele/Fragestellungen der Theoretischen Informatik 1. Einführung abstrakter Modelle für informationsverarbeitende
Relationale 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
Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Ulrich Furbach. Sommersemester 2014
Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Ulrich Furbach Institut für Informatik Sommersemester 2014 Furbach Grundlagen d. Theoretischen Informatik:
A.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
1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen. I.2. I.2. Grundlagen von von Programmiersprachen.
1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen I.2. I.2. Grundlagen von von Programmiersprachen. - 1 - 1. Der Begriff Informatik "Informatik" = Kunstwort aus Information und Mathematik
Semantik 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
Theoretische Informatik
Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:
Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen
Berechenbarkeit und Komlexität Entscheidbarkeit und Unentscheidbarkeit Wolfgang Schreiner Wolfgang.Schreiner@risc.uni-linz.ac.at Research Institute for Symbolic Comutation (RISC) Johannes Keler University,
Verwendet 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
Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse
Kapitel 4: (Einige) Andere Logiken
Kapitel 4: (Einige) Andere Logiken 4.1: Modale Logiken Grundgedanke Nicht alles stimmt unabhängig vom Zeitpunkt es schneit unabhängig vom Ort man kann das Meer sehen unabhängig vom Sprecher ich bin müde
Modallogik (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
5.1 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
Grundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
Theoretische Informatik
Theoretische Informatik Einheit 1 Mathematische Methodik 1. Problemlösen 2. Beweistechniken 3. Wichtige Grundbegriffe Methodik des Problemlösens Klärung der Voraussetzungen Welche Begriffe sind zum Verständnis
8. Logische Programmierung. Prolog Sprachkonstrukte: Fakten. Prolog Übersicht
8. Logische Programmierung GPS-8-1 Übersicht zur logischen Programmierung GPS-8-2 Themen dieses Kapitels: Deklaratives Programmieren: Problem beschreiben statt Algorithmus implementieren (idealisiert).
Prädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung;
Mehr Prolog Prolog bietet mehr an, z.b.: Prädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung; Mehr extra-logische Prädikate,
Leseprobe. Uwe Lämmel, Jürgen Cleve. Künstliche Intelligenz ISBN: 978-3-446-42758-7. Weitere Informationen oder Bestellungen unter
Leseprobe Uwe Lämmel, Jürgen Cleve Künstliche Intelligenz ISBN: 978-3-446-42758-7 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-42758-7 sowie im Buchhandel. Carl Hanser Verlag,
Haskell zur Constraint-Programmierung HaL8
Haskell zur Constraint-Programmierung HaL8 Alexander Bau 2. Mai 2013 Wir benutzen eine Teilmenge von Haskell zur Spezifikation von Constraint- Systemen über Haskell-Datentypen. Ein Constraint-Compiler
4.0 VU Theoretische Informatik und Logik (Logik-Teil)
4.0 VU Theoretische Informatik und Logik (Logik-Teil) Christian Fermüller unter Mitwirkung von Marion Oswald, Rudi Freund, Alex Leitsch, Gernot Salzer sowie 15 TutorInnen Institut für Computersprachen
Stichwortverzeichnis. A-Aussage. logisches Quadrat 42
A A-Aussage logisches Quadrat 43 Addition boolesche Algebra 46 Algebra boolesche 46 Algorithmus 306 Alle-Aussage alternative Schreibweise 253 f., 265 erkennen 256 Übersetzung 250 f. Allquantor 242 Definition
Ein 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:
IP=PSPACE. t Joachim Kneis t IP = PSPACE t 16. Dezember 2003 t
Rheinisch Westfälische Technische Hochschule Aachen Lehr- und Forschungsgebiet Theoretische Informatik Seminar Programmverifikation IP=PSPACE Joachim Kneis Gliederung IP=PSPACE Teil 0 Einführung und Motivation
Vorlesung 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)
Überblick über dieses Kapitel Grundlagen der Programmierung Kapitel 12: Information und Repräsentation
Überblick über dieses Kapitel Grundlagen der Programmierung Dr. Christian Herzog Technische Universität München Wintersemester 2007/2008 Kapitel 12: Information und Repräsentation! Repräsentation, Information,!
Logik und diskrete Strukturen
Skript zur Vorlesung Logik und diskrete Strukturen Prof. Dr. Heiko Röglin Institut für Informatik Wintersemester 2015/16 9. Oktober 2015 Vorwort Dieses Skript ist als Begleitmaterial für die Vorlesung
Programmiersprachen und Übersetzer
Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch
Was 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,
Baader Nutt 1: Basic Description Logics
Baader Nutt 1: Basic Description Logics Ludwig Maximilians Universität München Sommersemester 2009 Institut: CIS Hauptseminar: Beschreibungslogik Seminarleiter: Hans Leiß, Martin Hofmann Referentin: Natalia
Mathematische Grundlagen
Luise Unger In LATEX gesetzt von Luise Unger Mathematische Grundlagen Kurseinheit 1: Grundlagen 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 77 7 7 777 7 77 7777777 77777 7 77 7 7 7 7 7 7 77777777777
9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
Künstliche Intelligenz Maschinelles Lernen
Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen