Darstellung und Inferenzen fu r zeitliche Zusammenha nge Viele verschiedene Logiken Allens Zeitintervalllogik
|
|
- Heinz Meinhardt
- vor 5 Jahren
- Abrufe
Transkript
1 Schließen u ber Zeit Einfu hrung in die Methoden der Ku nstlichen Intelligenz Darstellung und Inferenzen fu r zeitliche Zusammenha nge Viele verschiedene Logiken llens Zeitintervalllogik z.. Modallogiken und Temporallogiken (stellen meistens genaue Zeitpunkte dar) PD Dr. David Sabel Wir betrachten die llensche Intervall-Logik SoSe 2014 Stand der Folien: 20. ugust D. Sabel KI SoSe 2014 llens Zeitlogik eispiel: Ka se--kuchen backen 2/65 Zeitliche Zusammenha nge ruhen elag besorgen ackform in elag in schlagen einfetten ackform ackform besorgen ruhen elag schlagen ackform einfetten in ackform elag in ackform Ofen heizt Kuchen im Ofen Kuchen ku hlt aus Kuchen entnehmen ktionen entsprechen (nicht-leeren) Zeitintervallen Wissen: nforderungen an die relative Lage der Intervalle Ofen Kuchen im Kuchen Kuchen heizt Ofen ku hlt aus entnehmen D. Sabel KI SoSe 2014 llens Zeitlogik Wie kann man dieses Wissen repra sentieren? 3/65 D. Sabel KI SoSe 2014 llens Zeitlogik 4/65
2 eispiele Welche Schlüsse sich daraus ziehen? besorgen vor bes. zub. Neue eziehungen zwischen ktionen Darf der elag vor dem in die Form? Modell: nordnung der Intervalle, die alle eziehungen erfüllt ruhen direkt nach zub. ruht Wie gelingt der Kuchen? Konsistenz: Gibt es ein Modell? Kann man den Kuchen überhaupt backen? schlagen elag während, aber vorher endend beginnt während elag ruhen schl. elag zub. elag zub. ruht bes. zub. ruht elag zub. schl. D. Sabel KI SoSe 2014 llens Zeitlogik 5/65 D. Sabel KI SoSe 2014 llens Zeitlogik 6/65 llensche Intervalllogik Formeln und asisrelationen llensche Formeln: James F. llen: Maintaining knowledge about temporal intervals Commun. CM, 1983 Keine Darstellung von Zeitpunkten, sondern: Darstellung von Zeitintervallen ohne bsolutwerte (weder von wann bis wann noch wie lang) sondern: nur die relative Lage von Intervallen F ::= ( r ) F F 1 F 2 F 1 F 2 wobei, sind Intervallnamen r ist eine der llenschen asisrelationen asisrelationen: Gegeben zwei nichtleere reellwertige Intervalle: a a a e b a b e Wie können und zueinander liegen? Wieviele Möglichkeiten gibt es? D. Sabel KI SoSe 2014 llens Zeitlogik 7/65 D. Sabel KI SoSe 2014 llens Zeitlogik 8/65
3 llensche asisrelationen llensche asisrelationen, Teil 1 edingung bkürzung ezeichnung Z < before Z = m meets < < Z < Z o overlaps = < Z < Z s starts < < Z = Z f finishes < < Z < Z d during =, Z = Z equal und inverse Relationen (ohne ) Inverse: r ist inverse Relation zu r usnahme (in der Schreibweise): inverses zu und = m o s f d before meets overlaps starts finishes during equal D. Sabel KI SoSe 2014 llens Zeitlogik 9/65 D. Sabel KI SoSe 2014 llens Zeitlogik 10/65 lle llensche asisrelationen llensche asisrelationen m o s m ŏ s llensche asisrelationen Die 13 llenschen asis-relationen sind: R := {,, m, o, s, d, f,, m, ŏ, s, d, f}. Satz Die llenschen asis-relationen sind paarweise disjunkt, d.h. f d f d Schreibweise r 1 r 2 = r 1 = r 2. {r 1,..., r n } := ( r 1 ) ( r 2 )... ( r n ) {r 1,..., r n } nennt man atomares llen-constraint D. Sabel KI SoSe 2014 llens Zeitlogik 11/65 D. Sabel KI SoSe 2014 llens Zeitlogik 12/65
4 eispiele eispiel als Constraintnetzwerk besorgen vor {, m} Zub besorgen, m, m ruhen schlagen direkt nach während, aber vorher endend elag R { m} Zub {s, d} elagzub schlagen R s, d R R elag R R s, s, d, ŏ,, f m m ruhen elag beginnt während ruhen elagzub {s, s, d, ŏ,, f} R s, d R s, s, d, o,, f D. Sabel KI SoSe 2014 llens Zeitlogik 13/65 D. Sabel KI SoSe 2014 llens Zeitlogik 14/65 llensche Formeln: Semantik Interpretation I: bildet Intervallnamen auf Intervalle [a, b] ab, wobei a, b R und a < b. Interpretation von atomaren ussagen r : Sei I() = [, Z] und I() = [, Z]. I( ) = 1, gdw. Z < I( m ) = 1, gdw. Z = I( o ) = 1, gdw. <, < Z und Z < Z I( s ) = 1, gdw. = und Z < Z I( f ) = 1, gdw. > und Z = Z I( d ) = 1, gdw. > und Z < Z I( ) = 1, gdw. = und Z = Z I( r 0 ) = 1, gdw. I( r 0 ) = 1 I( ) = 1, gdw. I( ) = 1 D. Sabel KI SoSe 2014 llens Zeitlogik 15/65 llensche Formeln: Semantik (2) Interpretation von llenschen Formeln: I(F G) = 1 gdw. I(F ) = 1 und I(G) = 1 I(F G) = 1 gdw. I(F ) = 1 oder I(G) = 1. I( F ) = 1 gdw. I(F ) = 0 I(F G) = 1 gdw. I(F ) = I(G) I(F G) = 1 gdw. I(F ) = 0 oder I(G) = 1 D.h.: wie üblich D. Sabel KI SoSe 2014 llens Zeitlogik 16/65
5 Modelle und Erfüllbarkeit Disjunktionen von atomaren Formeln Interpretation I ist ein Modell für F gdw. I(F ) = True gilt. Eine llensche Formel F ist: widersprüchlich (inkonsistent), wenn es kein Modell für F gibt. allgemeingültig, wenn jede Interpretation ein Modell für F ist. erfüllbar, wenn es mindestens ein Modell für F gibt. Zwei Formeln F und G sind äquivalent gdw. I : I(F ) = I(G) Semantische Folgerung: G = F gdw. I : I(G) = 1 I(F ) = 1 Zur Erinnerung: S mit S R nennen wir atomares llen-constraint Z..: Statt s f schreiben wir {, s, f} eachte: Es gibt 2 13 solche Mengen S. uch erlaubt:, Semantik: I( ) = 0. R bedeutet: alles ist möglich, I( R ) = 1. D. Sabel KI SoSe 2014 llens Zeitlogik 17/65 D. Sabel KI SoSe 2014 llens Zeitlogik 18/65 Vereinfachungsregeln für llensche Formeln Vereinfachungen (2) Ein atomare ussage der Form r kann man immer vereinfachen zu 0, 1: r 0, wenn r und 1. Negationszeichen kann man nach innen schieben. Eine Formel ( R ) kann man zu (R \ R) umformen. Unterformeln der Form R 1 R 2 kann man durch (R 1 R 2 ) ersetzen. Unterformeln der Form R 1 R 2 kann man durch (R 1 R 2 ) ersetzen. atomare Formeln der Form kann man durch 0 ersetzen. atomare Formeln der Form R kann man durch 1 ersetzen. lle aussagenlogischen Umformungen sind erlaubt. Theorem Jede Vereinfachungsregel für llensche Formeln erhält die Äquivalenz, d.h. wenn F F, dann sind F und F äquivalente Formeln. eweis: Verwende die Semantik D. Sabel KI SoSe 2014 llens Zeitlogik 19/65 D. Sabel KI SoSe 2014 llens Zeitlogik 20/65
6 llensche Constraints llenscher Kalkül Mit den Vereinfachungen kann jede llensche Formel umgeformt werden in ein Disjunktives llen-constraint (konjunktives) llen-constraint: Eine Konjunktion von atomaren llen-constraints: 1 S n S n n Disjunktives llen-constraint: Disjunktion von (konjunktiven) llen-constraints Eingabe: llen-constraint usgabe: Weitere eziehungen die daraus folgen, bzw. 0 (Widerspruch) oder 1 (Tautologie) Es reicht im Grunde: Konjunktive llen-constraints ei disjunktiven llen-constraints: bearbeite die llen-constraints unabhängig und füge dann zusammen. D. Sabel KI SoSe 2014 llens Zeitlogik 21/65 D. Sabel KI SoSe 2014 llens Zeitlogik 22/65 llenscher Kalkül (2) llenscher Kalkül (3) Wesentliche Regel: Transitivitätsregel us C kann man C folgern. us C kann man nichts neues über die eziehung zwischen und C folgern (alles ist möglich) Wie folgert man genau? asisrelationen r 1, r 2 : r 1 r 2 C. Man braucht die Komposition (r 1 r 2 ), als kleinste Menge mit: r 1 r 2 C = (r 1 r 2 )C. eachte:(r 1 r 2 ) ist nicht unbedingt eine asisrelation R 1, R 2 R: R 1 R 2 C. Komposition der Mengen: Sei R 1 R 2 gerade die (kleinste) Menge mit: R 1 R 2 C = (R 1 R 2 )C. D. Sabel KI SoSe 2014 llens Zeitlogik 23/65 D. Sabel KI SoSe 2014 llens Zeitlogik 24/65
7 Kompositionsmatrix d d o ŏ m m s s f f R o m o m o m o m d s d s d s d s R ŏ m ŏ m ŏ m ŏ m d f d f d f d f d d R o m d d d o m R \ ŏ m d f d s m m o ŏ o m d f ŏ m d s d s ŏ m d f ŏ m d f o m d s d o d f ŏ d s o d f ŏ d s o d f d ŏ d s d o d s o m R \ d f o m m m ŏ d f ŏ m d s ŏ d s o d f o d s o o m R \ ŏ m o d f ŏ d f ŏ m ŏ ŏ d s m m m ŏ m d s o d s o d s f f m m d s o m o m ŏ d f ŏ d f s s d f ŏ m m d f o m s d o m ŏ d f m s s s d o m d f s o m ŏ d f d o d f ŏ o d f m s s s ŏ d d f ŏ m f d d s o d s ŏ m m d ŏ m f f f f ŏ m d s o d s d o ŏ d s m ŏ d s o d f f f Nur Matrix, da: r = r = r Kompositionsmatrix Die Eintrage muss/kann man per Hand ausrechnen. eispiel: d etrachte alle Möglichen Lagen für d C C Möglichkeiten: {, o, m, s, d} C. D. Sabel KI SoSe 2014 llens Zeitlogik 25/65 D. Sabel KI SoSe 2014 llens Zeitlogik 26/65 Komposition der Mengen eispiel: us {m, d} {f, d} C kann man schließen llgemein gilt: Satz (m f m d d f d d) C = {d, s, o} {d, s, o} {d} {d} C = {d, s, o} C Seien r 1,..., r k, r 1,..., r k llensche asisrelationen. Dann gilt {r 1,..., r k } {r 1,..., r k } = {r i r j i = 1,..., k, j = 1,..., k } Inverse für Mengen Inversion für Mengen von asisrelationen Sei S = {r 1,..., r k } R. Dann sei Desweiteren sei r = r Damit gilt: Satz S = { r 1,..., r k }. Für S R gilt: S und S sind äquivalente llensche Formeln. Satz.(r 1 r 2 ) = r 2 r 1. D. Sabel KI SoSe 2014 llens Zeitlogik 27/65 D. Sabel KI SoSe 2014 llens Zeitlogik 28/65
8 llenscher bschluss für Konjunktive llen-constraints llenscher bschluss für alle llen-constraints Eingabe: Konjunktives llen-constraint usgabe: llenscher bschluss Verfahren: erechne Fixpunkt bezüglich der Regeln (auf Subformeln): Vereinfachungen: ( bedeutet ersetze ) R 1 R 2 (R 1 R 2 ) False R True R False, wenn R. R True, wenn R. Folgerungen: ( bedeutet füge hinzu ) R R, wobei R := { r1,..., r n } für R = {r 1,..., r n } R 1 R 2 C (R 1 R 2 ) C. und übliche aussagenlogische Umformungen Für konjunktive llensche Constraints: Wende die Regeln des llenschen Kalküls solange an, bis sich keine neuen eziehungen mehr herleiten (Fixpunkt) Disjunktive Constraints: Wende Fixpunktiteration auf jede Kommponente an, und vereinfache anschließend Komponente = 1: Disjunktiver Constraints ist äquivalent zu 1 Komponente = 0: Kann gesrtrichen werden lle Komponenten = 0: Disjunktiver Constraint widersprüchlich (Inkonsistenz) D. Sabel KI SoSe 2014 llens Zeitlogik 29/65 D. Sabel KI SoSe 2014 llens Zeitlogik 30/65 eispiel eispiel (2) besorgen, m, m, m m besorgen, m, m m schlagen s, d elag s, s, d, ŏ,, f ruhen schlagen s, d elag s, s, d, ŏ,, f ruhen,, d, f, s, s, o, m D. Sabel KI SoSe 2014 llens Zeitlogik 31/65 D. Sabel KI SoSe 2014 llens Zeitlogik 32/65
9 Korrektheit, Vollständigkeit Fragestellungen Wir sagen, der llen-kalkül ist korrekt, wenn bei F F stets gilt: F und F sind äquivalente Formeln herleitungs-vollständig, wenn er für jedes konjunktive Constraint alle semantisch folgerbaren Einzel-Relationen herleiten kann. widerspruchs-vollständig, wenn er für jedes konjunktive Constraint herausfinden kann, ob es widersprüchlich ist (Herleitung der 0) Wie aufwändig ist die erechnung des bschlusses der llenschen Relationen? Ist der llen-kalkül korrekt? Ist die erechnung herleitungs- bzw- widerspruchs-vollständig? Was ist die Komplexität der Logik und der Herleitungsbeziehung, evtl. für eingeschränkte Eingabeformeln? Wie kann man den llenschen Kalkül für aussagenlogische Kombinationen von Intervallformeln verwenden? D. Sabel KI SoSe 2014 llens Zeitlogik 33/65 D. Sabel KI SoSe 2014 llens Zeitlogik 34/65 Implementierung der llen-vervollständigung eispiel für das Eingabearray Wesentliche Regel: Transitivitätsregel R 1 R 2 C R 1 R 2 C. Konjunktive llen-constraints (schon zusammengefasst, Intervalle 1,..., n ): i R i,j j i,j {1,...,n} Nicht vorhandene Relation werden auf R gesetzt. bschluss kann mit einer n n-tabelle gemacht werden Sobald irgendwo auftaucht, kann man abbrechen Ähnlich zum Warshall-lgorithmus ei disjunktiven llen-constraints: bearbeite die llen-constraints separat und fasse dann zusammen. {, m} Zub ruht { m} Zub {s, d} elagzub elagzub {, s, s, d, f, ŏ} Ruht R i,j (1) (2) zub (3) ruht (4) (5) elagzub (1) { } {, m} R R R (2) zub {, m} { } {m} R R (3) ruht R { m} { } R {, d, f, s, s, o} (4) R R R { } {d, s} (5) elagzub R R {, s, s, d, f, ŏ} { d, s} { } D. Sabel KI SoSe 2014 llens Zeitlogik 35/65 D. Sabel KI SoSe 2014 llens Zeitlogik 36/65
10 lgorithmus 1 Erläuterung lgorithmus llenscher bschluss, Variante 1 Eingabe: (n n)-rray R, mit Einträgen R i,j R lgorithmus: repeat change := False; for i := 1 to n do for j := 1 to n do for k := 1 to n do R := R i,j (R i,k R k,j ); if R i,j R then R i,j := R ; change := True; endif endfor endfor endfor until change=false R i,k R k,j i k j R i,j R := R i,j (R i,k R k,j ) entspricht gerade i R i,k k k R k,j j i R i,j j i R i,k k k R k,j j i R i,k R k,j j i R i,j j i R i,k k k R k,j j i (R i,k R k,j ) R i,j j D. Sabel KI SoSe 2014 llens Zeitlogik 37/65 D. Sabel KI SoSe 2014 llens Zeitlogik 38/65 Eigenschaften lgorithmus 1 lgorithmus 2 Ähnlich zu Warshall-lgorithmus, aber iteriert (notwendig!) solange bis Fixpunkt erreicht ist Korrekt: Offensichtlich Laufzeit: Im worst-case O(n 5 ) egründung: 3 for-schleifen: O(n 3 ) repeat-schleife: Im schlechtesten Fall wird ein R i,j um eins verkleinert pro R i,j maximal 13 Verkleinerungen Es gibt n 2 Mengen R i,j Daher: repeat-schleife wird maximal O(n 2 ) mal durchlaufen ergibt: O(n 5 ) lgorithmus llenscher bschluss, Variante 2 Eingabe: (n n)-rray R, mit Einträgen R i,j R lgorithmus: queue := {(i, k, j) 1 i n, 1 k n, 1 j n}; while queue do Wähle und entferne Tripel (i, k, j) aus queue; R := R i,j (R i,k R k,j ); if R i,j R then R i,j := R; queue := queue ++ {(i, j, m) 1 m n} ++ {(m, i, j) 1 m n} endif endwhile R i,j R j,m i j m R i,m R i,k R k,j i k j m R i,j R m,i i R m,i R i,j j D. Sabel KI SoSe 2014 llens Zeitlogik 39/65 D. Sabel KI SoSe 2014 llens Zeitlogik 40/65
11 Eigenschaften lgorithmus 2 Korrektheit: ei Änderung von R i,j werden alle Nachbarn, die evtl. neu berechnet werden müssen, in queue eingefügt Laufzeit: m nfang: queue enthält n 3 Tripel while-schleife entfernt pro Durchlauf ein Element aus queue Einfügen in queue in der Summe: R i,j kann höchstens 13 mal verändert werden. D.h. höchstens n 2 13 mal wird eingefügt Einmal einfügen: 2 n Tripel werden hinzugefügt Insgesamt: Es werden höchstens 13 2 n n 2 Tripel zu queue hinzugefügt Ergibt O(n 3 ) Durchläufe der while-schleife (von denen maximal O(n 2 ) Durchläufe O(n) Laufzeit verbrauchen und die restlichen O(n) in konstanter Laufzeit laufen) lgorithmus 2 hat worst-case-laufzeit O(n 3 ) llenscher Kalkül: Korrektheit Korrekheit Der llensche Kalkül ist korrekt, d.h. wenn F F, dann sind F und F äquivalente Formeln eweis (Skizze): Verwende die Semantik - ussagenlogische Umformungen: klar - R 1 R 2 ist äquivalent zu (R 1 R 2 ) : Sei R 1 = {r 1,..., r k }, R 2 = {r 1,..., r k }. R 1 R 2 = ( r i) ( r i ) {( r i ) ( r i ) 1 i k, 1 i k } (ausmultiplizieren) {( r i ) ( r i ) 1 i k, 1 i k, r i = r i } (asisrelationen disjunkt) = (R 1 R 2) - 0 und R 1 (klar) D. Sabel KI SoSe 2014 llens Zeitlogik 41/65 D. Sabel KI SoSe 2014 llens Zeitlogik 42/65 llenscher Kalkül: Korrektheit (2) eweis (Fortsetzung) - R ist äquivalent zu 0, wenn R und R ist äquivalent zu 1, wenn R: Jede Interpretation bildet I() eindeutig auf ein Intervall ab. -Transitivitätsregel: asisrelationen: Man muss die Korrekheit der Matrix prüfen Für mehrelementige Mengen: {r 1,..., r k } {r 1,..., r k } C = ( r 1... r k ) ( r 1 C... r k C) (ausmultiplizieren) {( r i r i C) 1 i k, 1 i k } (asis) {( r i r i C ri r i C) 1 i k, 1 i k } {r 1,..., r k } {r 1,..., r k } C {( r i r i C) 1 i k, 1 i k } = {r 1,..., r k } {r 1,..., r k } C {r1,..., r k} {r 1,..., r k } C D. Sabel KI SoSe 2014 llens Zeitlogik 43/65 Partielle Vollständigkeit Der llensche Kalkül ist vollständig in eingeschränktem Sinn: Satz (Pfadkonsistenz) Der llensche bschluss ist 3-konsistent: R C R C R C Jede elegung I der Intervalle und mit I( R ) = True kann auf das Intervall C erweitert werden, so dass I( R C C) = True = I(C R C ). Es gilt nicht (globale Konsistenz): Jede elegung von k Knoten kann auf k + 1 Knoten unter Erhaltung der Erfüllbarkeit erweitert werden D. Sabel KI SoSe 2014 llens Zeitlogik 44/65
12 Unvollständigkeit des llen-kalküls Leider gilt: Theorem Der llensche Kalkül ist nicht herleitungs-vollständig. eweis: Gegenbeispiel: Für den llenschen Constraint: D {o} D {s, m} C D {s, m} {d, d} C {d, d} ist der llensche bschluss: D {o} D {s, m} C D {s, m} {d, d} C {d, d} C {s, s,, o, ŏ, d, d, f, f} ber in diesem Fall ist C {f, f, o, ŏ} nicht möglich (nächste Folie) D. Sabel KI SoSe 2014 llens Zeitlogik 45/65 eweis (Fortsetzung) Die Lage von zu D ist eindeutig. Möglichkeiten wie zu D und C zu D: 4 Fälle D C Fall (1): D s C und D s C { s, s, } D C Fall (3): D s C und D m C { d} D C Fall (2): D m C und D s C {d} D C Fall (4): D m C und D m C {s, s, } C {f, f, o, ŏ} nicht möglich! D. Sabel KI SoSe 2014 llens Zeitlogik 46/65 Unvollständigkeit des llen-kalküls (2) Ebenso gilt: Theorem Der llensche Kalkül ist nicht widerlegungsvollständig. eweis: Gegenbeispiel: Leichte bwandlung des eispiels davor Füge {f, f} C hinzu, d.h. man erhält das Constraintnetzwerk: s, m D s, m d, d o f, f C d, d llenscher bschluss: Verändert das Netzwerk nicht, aber es ist widersprüchlich! D. Sabel KI SoSe 2014 llens Zeitlogik 47/65 Konsequenzen der Unvollständigkeit Frage: Ist llen-constraint F widersprüchlich? bschluss = 0, dann J bschluss = 1, dann NEIN bschluss weder 0 noch 1: man weiß nichts Frage: Ist llen-constraint F erfüllbar? bschluss = 0, dann NEIN bschluss = 1, dann J (Tautologie) bschluss weder 0 noch 1: man weiß nichts D. Sabel KI SoSe 2014 llens Zeitlogik 48/65
13 Eindeutige llen-constraints Eindeutige llen-constraints (2) Definition Ein llensches Constraint nennt man eindeutig, wenn für alle Paare, von Intervallkonstanten gilt: Das Constraint enthält genau eine eziehung r, wobei r eine der dreizehn asisrelationen ist. Es gilt: Satz Der llensche bschluss eines eindeutigen llenschen Constraints F ist entweder 0, oder wiederum F. eweis: Jede Transitivitätsregelanwendung leitet her, oder lässt Eintrag unverändert. Satz (Valdés-Pérez, 1987) Ein eindeutiges llensches Constraint ist erfüllbar, gdw. der llensche Kalkül bei Vervollständigung das Constraint nicht verändert, d.h. wenn es ein Fixpunkt ist. eweisidee: Zeige, wenn llen-kalkül kein Widerspruch entdeckt, dann ist Constraint erfüllbar. Es gibt dann eine totale Ordnung der Intervallenden Korollar uf eindeutigen llen-constraints ist der llen-kalkül korrekt und vollständig D. Sabel KI SoSe 2014 llens Zeitlogik 49/65 D. Sabel KI SoSe 2014 llens Zeitlogik 50/65 Eindeutige llen-constraints: Menge Vollständiges Verfahren Zu jedem llenschen Constraint C kann man die Menge aller zugehörigen eindeutigen llenschen Constraints D definieren, wobei gelten muss: Wenn r in D vorkommt und R in C, dann gilt r R. Lemma Ein llen-constraint ist erfüllbar, gdw. es ein zugehöriges eindeutiges Constraint gibt, das erfüllbar ist. eweis: Klar lgorithmus Erfüllbarkeitstest für konjunktive llensche Constraints Eingabe: (n n)-rray R, mit Einträgen R i,j R usgabe: True (Widerspruch) oder False (erfüllbar) function llenst(r): R := llenbschluss(r); if R i,j mit R i,j = then return True endif;// Widerspruch if R i,j gilt: R i,j = 1 then return False // eindeutig und erfüllbar else wähle R i,j mit R i,j = {r 1, r 2,...}; R l := R ; R l i,j := {r 1};// kopiere R und setze (i, j) auf r 1 R r := R ; R r i,j := R i,j \ {r 1};// kopiere R und setze (i, j) auf r 2,... return (ST(R l ) ST(R r )); endif Der lgorithmus ist korrekt und vollständig. Die Laufzeit ist im worst-case exponentiell. Mittlere Verzweigungsrate: 6,5 D. Sabel KI SoSe 2014 llens Zeitlogik 51/65 D. Sabel KI SoSe 2014 llens Zeitlogik 52/65
14 Komplexität des Problems eweis (Fortsetzung) Satz Das Erfüllbarkeitsproblem für konjunktive llenschen Constraints ist N P-vollständig. eweis: Problem ist in N P: Rate lineare Reihenfolge der Intervallanfänge und -enden D.h. Ordnung auf allen X a, X e für alle Intervalle X Verifiziere ob Reihenfolge das Constraint erfüllt Verifikation geht in Polynomialzeit N P-Härte: Reduktion von 3-Färbbarkeit auf Erfüllbarkeit von llen-constraints 3-Färbbarkeit: Kann man die Knoten eines ungerichteten Graphen mit drei Farben färben, so dass benachbarte Knoten stets verschiedene Farben haben? D. Sabel KI SoSe 2014 llens Zeitlogik 53/65 D. Sabel KI SoSe 2014 llens Zeitlogik 54/65 eweis (Fortsetzung) eweis (Fortsetzung) Für G = (V, E) erzeuge: (Rot m Gruen) (Gruen m lau) Rot Gruen lau Für die Knoten: v i V : v i {m,, m} Gruen Rot Gruen lau v i v i v i Daher gilt: Der Graph ist dreifärbbar, gdw. die llenschen Relationen erfüllbar sind. Die Zuordnung ist: v i hat Farbe grün gdw. v i Gruen v i hat Farbe rot gdw. v i m Gruen v i hat Farbe blau gdw. v i m Gruen Übersetzung ist in Polynomialzeit durchführbar, daher Erfüllbarkeit N P-Hart Für die Kanten: (v i, v j ) E : v i {m, m,, } v j v j v i v j D. Sabel KI SoSe 2014 llens Zeitlogik 55/65 D. Sabel KI SoSe 2014 llens Zeitlogik 56/65
15 Folgerungen Varianten Jeder vollständige lgorithmus braucht Exponentialzeit. (solange P N P) Die polynomielle llen-vervollständigung muss unvollständig sein Es gibt polynomielle, vollständige Verfahren für llensche Constraints mit eingeschränkter Syntax Eine haben wir bereits gesehen: Eindeutige llen-constraints D. Sabel KI SoSe 2014 llens Zeitlogik 57/65 D. Sabel KI SoSe 2014 llens Zeitlogik 58/65 Varianten (2) Varianten (3) Neue Variante: Erlaube nur llensche Relationen, so dass: Übersetzung in edingungen über die Endpunkte nur Konjunktionen von der Form x < y oder x = y Dann gilt: Man braucht keine Fallunterscheidung Passender Satz von Relationen: lle asisrelationen, {d, o, s}, und {ŏ, f, d} und deren Konverse. d.h. { d, ŏ, s}, und {o, f, d}. Z.. {d, o, s} als Ungleichung über den Endpunkten: Wenn = [, Z], = [, Z], dann entspricht obige Relation gerade < Z, < Z, Z < Z, < Z D. Sabel KI SoSe 2014 llens Zeitlogik 59/65 D. Sabel KI SoSe 2014 llens Zeitlogik 60/65
16 Varianten (4) Hintergrund Diese spezielle Klasse la sst sich als Grund-Hornklauseln darstellen, d.h. Klauseln mit maximal einem positiven Literal. uf solchen Constraints kann man Erfu llbarkeit in Polynomialzeit testen Fu r Grund-Hornklauselmengen ist Erfu llbarkeit in polynomieller Zeit testbar. Transitiver bschluss der Endpunktbeziehungen Man hat Fakten in der Form a < b und c = d, wobei a, b, c, d unbekannte Konstanten sind. Es gibt auch Hornklauseln, die von der Symmetrie und Transitivita t stammen: anschließend lineare Reihenfolge mit topologischem Sortieren Es gilt aber sogar Satz (Nebel, u rckert, 1995) x<y y x=y y x=y x<y y x=y y uf den so eingeschra nkten llen-constraints ist der llensche Kalku l korrekt und vollsta ndig. D. Sabel KI SoSe 2014 llens Zeitlogik 61/65 Hintergrund (2) <z x<z =z x=z y=x =z x<z <z x<z D. Sabel KI SoSe 2014 llens Zeitlogik 62/65 Kuchen backen besorgen ruhen elag schlagen ackform einfetten in ackform elag in ackform Ofen heizt Kuchen im Ofen Kuchen ku hlt aus Kuchen entnehmen Man kann weitere llensche Constraints zu, und beha lt die Vollsta ndigkeit des llen-kalku ls: lle Constraints deren U bersetzung in Constraints u ber Endpunkten Hornklauseln ausschließlich mit Literalen a b, a = b und (a = b) erzeugt. elform Heizen elzub Einfett Einfett acken 213 Von den = 8192 mo glichen eziehungen erfu llen 868 diese Eigenschaft Man kann diese auch fu r die Fallunterscheidung des exponentiellen Verfahrens verwenden. Vorteil: Kleinere mittlere Verweigungsrate (Statt 6,5 nur 2,533 (Nebel 1997)) {S,o,>} {>,M} {m} Zub,, acken, Ruht, Einfett, elform, Zub, Form, Kuehlen, Ruht acken Heizen Zub Einfett Zub elzub {m} {f} {<,>,m,m} {<,m,m,>} {m} {s,s,d,o,=,f} Ruht, Form, Heizen, Kuehlen, Heizen, elzub, Form, Ruht, Ruht, Form Kuehlen Zub Einfett Einfett Einfett Einfett {s,d} {<,>,m,m} {<,>,m,m} {>,M} {>} elzub, elform, elzub, Entnehmen, Form, elzub, elform,, llen-programm: Max. #Modelle in der Eingabe : Max. #Modelle nach llen-bschluss: nzahl Modelle llenscher bschluss genau? D. Sabel KI SoSe 2014 llens Zeitlogik 63/65 D. Sabel KI SoSe 2014 llens Zeitlogik : : True 64/65
17 usblick Qualitatives räumliches Schließen Eindimensional: Genau die llensche Intervalllogik Zweidimensional: Region-Connection-Calculus (RCC8), (Randell, Cui & Cohn, 1992) X Y X Y X Y X Y X DC Y disconnected X EC Y externally connected X TPP Y tangential proper part X NTPP Y non-tangential proper part X Y X Y Y X Y X X PO Y partially overlapping X EC Y equal X TPPi Y tangential proper part inverse X NTPPi Y non-tangential proper part inverse D. Sabel KI SoSe 2014 llens Zeitlogik 65/65
Schließen über Zeit. Einführung in die Methoden der Künstlichen Intelligenz... Allens Zeitintervalllogik. Beispiel: Rezept zum Apfelkuchenbacken
Einführung in die Methoden der Künstlichen Intelligenz... llens Zeitintervalllogik Dr. David Sabel WS 2012/13 1: Hefeteig zubereiten 2: Hefeteig gehen lassen 3: Äpfel schälen und schneiden 4: lech einfetten
MehrQualitatives zeitliches Schließen: Intelligentes Kuchenbacken. David Sabel Goethe-Universität, Frankfurt am Main
Qualitatives zeitliches Schließen: Intelligentes Kuchenbacken David Sabel Goethe-Universität, Frankfurt am Main 16. Juli 2013 Stand der Folien: 16. Juli 2013 Käse-Sahne-Kuchen backen 2/31 Käse-Sahne-Kuchen
MehrEinführung in die Methoden der Künstlichen Intelligenz. Allens Zeitintervalllogik
Einführung in die Methoden der Künstlichen Intelligenz Allens Zeitintervalllogik PD Dr. David Sabel SoSe 2014 Stand der Folien: 20. August 2015 Schließen über Zeit Darstellung und Inferenzen für zeitliche
MehrLogikbasierte Systeme der Wissensverarbeitung. Allens Zeitintervalllogik
Logikbasierte Systeme der Wissensverarbeitung Allens Zeitintervalllogik Prof. Dr M. Schmidt-Schauß SoSe 2018 Stand der Folien: 5. Juli 2018 Schließen über Zeit Darstellung und Inferenzen für zeitliche
MehrEinführung in die Methoden der Künstlichen Intelligenz. Allens Zeitintervalllogik
Einführung in die Methoden der Künstlichen Intelligenz Allens Zeitintervalllogik Dr. David Sabel WS 2012/13 Stand der Folien: 28. Januar 2013 Schließen über Zeit Darstellung und Inferenzen für zeitliche
MehrQualitatives zeitliches Schließen
Kapitel 6 Qualitatives zeitliches Schließen 6.1 llens Zeitintervall-Logik Um Repräsentationen von Zeit kommt man nicht herum. Die Modallogikvarianten können Zeitpunkte inklusive der Zustände repräsentieren
MehrAussagenlogik: Syntax von Aussagen
Aussagenlogik: Syntax von Aussagen A ::= X (A A) (A A) ( A) (A A) (A A) 0 1 Prioritätsreihenfolge :,,,,. A B: Konjunktion (Verundung). A B: Disjunktion (Veroderung). A B: Implikation. A B: Äquivalenz.
MehrResolutionsalgorithmus
112 Resolutionskalkül Mit dem Begriff Kalkül bezeichnet man eine Menge von syntaktischen Umformungsregeln, mit denen man semantische Eigenschaften der Eingabeformel herleiten kann. Für den Resolutionskalkül:
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 5 8.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge
MehrWas ist Logik? Was ist Logik? Aussagenlogik. Wahrheitstabellen. Geschichte der Logik eng verknüpft mit Philosophie
Was ist Logik? Geschichte der Logik eng verknüpft mit Philosophie Begriff Logik wird im Alltag vielseitig verwendet Logik untersucht, wie man aus Aussagen andere Aussagen ableiten kann Beschränkung auf
MehrResolutionskalkül. wird t als eine Menge K t von Klauseln geschrieben, welche die einzelnen Maxterme repräsentieren:
Resolutionskalkül Ein Kalkül ist eine Kollektion von syntaktischen Umformungsregeln, die unter gegebenen Voraussetzungen aus bereits vorhandenen Formeln neue Formeln erzeugen. Der Resolutionskalkül besteht
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 3 06.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax (Formeln) Semantik Wertebelegungen/Valuationen/Modelle
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 4 7.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 4 07.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Gestern Normalformen Atome, Literale, Klauseln Konjunktive
MehrTableaukalkül für Aussagenlogik
Tableaukalkül für Aussagenlogik Tableau: Test einer Formel auf Widersprüchlichkeit Fallunterscheidung baumförmig organisiert Keine Normalisierung, d.h. alle Formeln sind erlaubt Struktur der Formel wird
MehrFormale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Hornformeln
Formale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Frank Heitmann heitmann@informatik.uni-hamburg.de 9. Juni 2015 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/36 Ersetzbarkeitstheorem
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 6 14.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge
MehrWeitere NP-vollständige Probleme
Weitere NP-vollständige Probleme Wir betrachten nun folgende Reduktionskette und weisen dadurch nach, daß alle diese Probleme NP-hart sind (sie sind auch in NP und damit NP-vollständig). SAT p 3-SAT p
Mehr6.3 NP-Vollständigkeit. alle anderen Probleme in NP darauf polynomiell reduzierbar. 1 Polynomielle Reduzierbarkeit p
6.3 NP-Vollständigkeit 1 Polynomielle Reduzierbarkeit p 2 NP-vollständige Probleme = härteste Probleme in NP, alle anderen Probleme in NP darauf polynomiell reduzierbar 3 Satz: SAT ist NP-vollständig Definition
MehrAussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/25
Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/25 Einführendes Beispiel Falls Lisa Peter trifft, dann trifft Lisa auch Gregor.
MehrSyntax der Aussagenlogik. Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen. Formel als Syntaxbaum. Teilformel A 3 A 1 A 4
Syntax der Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume Eine atomare Formel hat die Form A i (wobei i = 1, 2, 3,...). Definition (Formel)
MehrTheoretische Informatik: Logik
Theoretische Informatik: Logik Vorlesung mit Übungen im WS 2006/2007 Vorlesung: Montag Montag 9-10 Uhr, Raum 1603 WAneu 14-16 Uhr, Raum 1603 WAneu Beginn: Montag, den 23.10.2006, 9 15 Uhr. Übungen in 3
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 5. Aussagenlogik Normalformen Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Normalformen Definition: Literal Atom (aussagenlogische
MehrZusammenfassung Syntax: Formale Grundlagen der Informatik 1 Kapitel 15 Normalformen und Hornformeln. Zusammenfassung
Formale der Informatik 1 Kapitel 15 und Frank Heitmann heitmann@informatik.uni-hamburg.de 30. Mai 2016 Zusammenfassung Syntax Zusammenfassung Syntax: Motivation Definition der Syntax: Alphabet, Junktor
MehrTheorie der Informatik. Theorie der Informatik. 2.1 Äquivalenzen. 2.2 Vereinfachte Schreibweise. 2.3 Normalformen. 2.
Theorie der Informatik 24. Februar 2014 2. Aussagenlogik II Theorie der Informatik 2. Aussagenlogik II 2.1 Äquivalenzen Malte Helmert Gabriele Röger 2.2 Vereinfachte Schreibweise Universität Basel 24.
MehrDeduktion in der Aussagenlogik
Deduktion in der Aussagenlogik Menge von Ausdrücken der Aussagenlogik beschreibt einen bestimmten Sachverhalt, eine "Theorie" des Anwendungsbereiches. Was folgt logisch aus dieser Theorie? Deduktion: aus
MehrAufgabe. Gelten die folgenden Äquivalenzen?. 2/??
Äquivalenz Zwei Formeln F und G heißen (semantisch) äquivalent, falls für alle Belegungen A, die sowohl für F als auch für G passend sind, gilt A(F ) = A(G). Hierfür schreiben wir F G.. 1/?? Aufgabe Gelten
MehrDeduktion in der Aussagenlogik. Semantische Folgerungsbeziehung. Zusammenhang zwischen semantischer und syntaktischer Folgerung
Deduktion in der Aussagenlogik Menge von Ausdrücken der Aussagenlogik beschreibt einen bestimmten Sachverhalt, eine "Theorie" des Anwendungsbereiches Was folgt logisch aus dieser Theorie? Deduktion: aus
MehrLogik für Informatiker
Logik für Informatiker Wintersemester 2007/08 Thomas Schwentick Teil A: Aussagenlogik 3. Erfüllbarkeit Version von: 23. Januar 2008(16:11) Inhalt 3.1 Grundbegriffe 3.2 Aussagenlogische Resolution 3.3 Endlichkeitssatz
MehrFormale Grundlagen der Informatik 1 Kapitel 15 Normalformen und Hornformeln
Formale Grundlagen der Informatik 1 Kapitel 15 Normalformen und Frank Heitmann heitmann@informatik.uni-hamburg.de 30. Mai 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/42 Zusammenfassung Syntax
MehrAussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/37
Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/37 Modellierungsaufgabe Es gibt drei Tauben und zwei Löcher. Jede Taube soll in
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Beweise)
WS 2014/15 Diskrete Strukturen Kapitel 2: Grundlagen (Beweise) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_14
MehrDiskrete Strukturen Endterm
Technische Universität München Winter 016/17 Prof H J ungartz / Dr M Luttenberger, J räckle, K Röhner H- Diskrete Strukturen Endterm eachten Sie: Soweit nicht anders angegeben, ist stets eine egründung
MehrBeispiel Aussagenlogik nach Schöning: Logik...
Beispiel Aussagenlogik nach Schöning: Logik... Worin besteht das Geheimnis Ihres langen Lebens? wurde ein 100-jähriger gefragt. Ich halte mich streng an die Diätregeln: Wenn ich kein Bier zu einer Mahlzeit
MehrFormale Systeme. Das Erfu llbarkeitsproblem. Prof. Dr. Bernhard Beckert, WS 2017/2018
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2017/2018 Das Erfu llbarkeitsproblem KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
MehrDer Hilbert-Kalkül für die Aussagenlogik (Notizen zur Vorlesung Logik im Wintersemester 2003/04 an der Universität Stuttgart)
Der Hilbert-Kalkül für die Aussagenlogik (Notizen zur Vorlesung Logik im Wintersemester 2003/04 an der Universität Stuttgart) Javier Esparza und Barbara König 4. Dezember 2003 Für eine gegebene aussagenlogische
MehrErfüllbarkeitstests. Im folgenden: Ein sehr effizienter Erfüllbarkeitstest für eine spezielle Klasse von Formeln in KNF, sogenannte Hornformeln (vgl.
Erfüllbarkeitstests Im folgenden: Ein sehr effizienter Erfüllbarkeitstest für eine spezielle Klasse von Formeln in KNF, sogenannte Hornformeln (vgl. Grundlagen und diskrete Strukturen ) Ein für Formeln
Mehr1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.
Grundlagen der Mathematik für Informatiker 1 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage)
MehrSyntax. 1 Jedes A AS AL ist eine (atomare) Formel. 2 Ist F eine Formel, so ist auch F eine Formel. 3 Sind F und G Formeln, so sind auch
Formale der Informatik 1 Kapitel 15 Folgerbarkeit, Äquivalenzen und Normalformen Frank Heitmann heitmann@informatik.uni-hamburg.de 8. Juni 2015 Syntax Definition (Syntax der Aussagenlogik) Mit AS AL sei
MehrÜberblick. Einführung in die Methoden der Künstlichen Intelligenz. Aussagenlogik (1) Wissenrepräsentations- und inferenzsysteme (2)
Überblick Einführung in die Methoden der Künstlichen Intelligenz Aussagenlogik (1) Dr. David Sabel WS 2012/13 Grober Inhalt des Kapitels Aussagenlogik allgemein Darstellung von Wissen in der Aussagenlogik
Mehr1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.
Grundlagen der Mathematik für Informatiker 1 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage)
MehrVorlesung Logik Wintersemester 2017/18 Universität Duisburg-Essen
Vorlesung Logik Wintersemester 2017/18 Universität Duisburg-Essen Barbara König Übungsleitung: Dennis Nolte, Harsh Beohar Barbara König Logik 1 Mengen, Relationen und Funktionen Menge: Menge X von Elementen,
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 4. Aussagenlogik Syntax und Semantik der Aussagenlogik Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Syntax der Aussagenlogik:
MehrJeder Aussage p kann ein Wahrheitswert W(p) {0, 1} zugeordnet werden. Beispiele: W(Es regnet.) =? (je nach Lage der Dinge) W(Die Straße ist naß.) =?
Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 2 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl.
MehrFORMALE SYSTEME. 23. Vorlesung: Logisches Schließen. TU Dresden, 16. Januar Markus Krötzsch Lehrstuhl Wissensbasierte Systeme
FORMALE SYSTEME 23. Vorlesung: Logisches Schließen Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 16. Januar 2017 Rückblick Markus Krötzsch, 16. Januar 2017 Formale Systeme Folie 2 von 31
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Reduktion. Komplexitätsklassen.
Dank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Diese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 28. Aussagenlogik: DPLL-Algorithmus Malte Helmert Universität Basel 2. Mai 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26. Grundlagen 27. Logisches
MehrKapitel L:II. II. Aussagenlogik
Kapitel L:II II. Aussagenlogik Syntax der Aussagenlogik Semantik der Aussagenlogik Eigenschaften des Folgerungsbegriffs Äquivalenz Formeltransformation Normalformen Bedeutung der Folgerung Erfüllbarkeitsalgorithmen
MehrKünstliche Intelligenz Logische Agenten & Resolution
Künstliche Intelligenz Logische Agenten & Resolution Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Inferenz-Algorithmus Wie könnte ein
MehrEinige Grundlagen der Komplexitätstheorie
Deterministische Polynomialzeit Einige Grundlagen der Komplexitätstheorie Ziel: NP-Vollständigkeit als ressourcenbeschränktes Analagon zur RE-Vollständigkeit. Komplexitätstheorie untersucht den Ressourcenbedarf
MehrCognitive Interaction Technology Center of Excellence
Kanonische Abdeckung Motivation: eine Instanz einer Datenbank muss nun alle funktionalen Abhängigkeiten in F + erfüllen. Das muss natürlich immer überprüft werden (z.b. bei jedem update). Es reicht natürlich
MehrResolution (Motivation) Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen. Resolution (Idee) Resolution (Idee)
(Motivation) Vorlesung Logik Sommersemester 0 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume Wir benötigen Algorithmen für Erfüllbarkeitstests, die zumindest in vielen Fällen gutartiges
MehrVorlesung Logik Wintersemester 2012/13 Universität Duisburg-Essen
Vorlesung Logik Wintersemester 2012/13 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume & Dr. Sander Bruggink Barbara König Logik 1 (Motivation) Wir benötigen Algorithmen für Erfüllbarkeitstests,
MehrWozu formale Logik? Programmiersprachen Logik im Fingerhut. Formeln. Logik im Fingerhut (24. Januar 2005) Belegung und Interpretation
Wozu formale Logik? Logik im Fingerhut Studiengang Informatik Universität Bremen präzise Beschreibung von Aussagen über die Welt bzw. über verschiedene Welten Ziehen und Überprüfen von Schlussfolgerungen
MehrKomplexität von Algorithmen Musterlösungen zu ausgewählten Übungsaufgaben
Dieses Dokument soll mehr dazu dienen, Beispiele für die formal korrekte mathematische Bearbeitung von Aufgaben zu liefern, als konkrete Hinweise auf typische Klausuraufgaben zu liefern. Die hier gezeigten
MehrMethoden der KI in der Biomedizin Logische Agenten 2
ethoden der KI in der iomedizin ogische genten 2 Karl D. Fritscher Übersicht Wissensbasierte genten Wumpus Welt ogik allgemein ussagenlogik Syntax, Semantik Äquivalenz, llgemeingültigkeit und Erfüllbarkeit
MehrLogik Vorlesung 5: Grundlagen Resolution
Logik Vorlesung 5: Grundlagen Resolution Andreas Maletti 21. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen Weitere
MehrGrundlagen der Logik
Grundlagen der Logik Denken Menschen logisch? Selektionsaufgabe nach Watson (1966): Gegeben sind vier Karten von denen jede auf der einen Seite mit einem Buchstaben, auf der anderen Seite mit einer Zahl
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 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/ws1314
MehrFakultät für Informatik Universität Magdeburg Jürgen Dassow. Vorbemerkungen
Vorbemerkungen if (x > y) z = x; else z = y; Wenn es blaue Tiger regnet, dann fressen alle Kirschbäume schwarze Tomaten. q(1) = 1, q(i) = q(i 1) + 2i 1 für i 2 Welchen Wert hat q(6)? 24 ist durch 2 teilbar.
MehrWas bisher geschah: klassische Aussagenlogik
Was bisher geschah: klassische Aussagenlogik Syntax Symbole und Struktur Junktoren: t, f,,,,, aussagenlogische Formeln AL(P) induktive Definition: IA Atome (Aussagenvariablen) p, q, r,... P IS zusammengesetzte
MehrLogik. Gabriele Kern-Isberner LS 1 Information Engineering. TU Dortmund Wintersemester 2014/15 WS 2014/15
Logik Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2014/15 WS 2014/15 G. Kern-Isberner (TU Dortmund) Logik WS 2014/15 1 / 125 Übersicht Modallogik 5. Grundlagen 6. Erfüllbarkeit
MehrLogik Vorlesung 4: Horn-Logik und Kompaktheit
Logik Vorlesung 4: Horn-Logik und Kompaktheit Andreas Maletti 14. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen
MehrAllgemeingültige Aussagen
Allgemeingültige Aussagen Definition 19 Eine (aussagenlogische) Formel p heißt allgemeingültig (oder auch eine Tautologie), falls p unter jeder Belegung wahr ist. Eine (aussagenlogische) Formel p heißt
MehrDas Heiratsproblem. Definition Matching
Das Heiratsproblem Szenario: Gegeben: n Frauen und m > n Männer. Bekanntschaftsbeziehungen zwischen allen Männern und Frauen. Fragestellung: Wann gibt es für jede der Frauen einen Heiratspartner? Modellierung
MehrTheorie der Informatik Übersicht. Theorie der Informatik SAT Graphenprobleme Routing-Probleme. 21.
Theorie der Informatik 19. Mai 2014 21. einige NP-vollständige Probleme Theorie der Informatik 21. einige NP-vollständige Probleme 21.1 Übersicht 21.2 Malte Helmert Gabriele Röger 21.3 Graphenprobleme
Mehr23. Vorlesung: Logisches Schließen Markus Kr otzsch Professur f ur Wissensbasierte Systeme Normalformen
Logik: Glossar FORMALE SYSTEME 23. Vorlesung: Logisches Schließen Markus Krötzsch Professur für Wissensbasierte Systeme TU Dresden, 15. Januar 2018 Atom kleinste mögliche Formel p P Teilformel Unterausdruck,
MehrLogik Vorlesung 3: Äquivalenz und Normalformen
Logik Vorlesung 3: Äquivalenz und Normalformen Andreas Maletti 7. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen
MehrFORMALE SYSTEME. 8. Vorlesung: Minimale Automaten. TU Dresden, 6. November Markus Krötzsch Lehrstuhl Wissensbasierte Systeme
FORMALE SYSTEME 8. Vorlesung: Minimale Automaten Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 6. November 2017 Rückblick Markus Krötzsch, 6. November 2017 Formale Systeme Folie 2 von 26
MehrLernen mit Queries. Hans Kleine Büning Institut für Informatik, Universität Paderborn Paderborn (Germany),
Lernen mit Queries Hans Kleine Büning Institut für Informatik, Universität Paderborn 33095 Paderborn (Germany), E-mail: kbcsl @upb.de November 2007 1 Einführung In diesem Abschnitt beschreiben wir kurz,
MehrLogische und funktionale Programmierung
Logische und funktionale Programmierung Vorlesung 2: Prädikatenkalkül erster Stufe Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. Oktober 2016 1/38 DIE INTERPRETATION
MehrEinführung in die Methoden der Künstlichen Intelligenz. Klausurvorbereitung Überblick, Fragen,...
Einführung in die Methoden der Künstlichen Intelligenz Klausurvorbereitung Überblick, Fragen,... PD Dr. David Sabel SoSe 2014 Stand der Folien: 18. Juli 2014 Klausur Termin: Donnerstag 31. Juli um 9.15h
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 16. Resolution. Motivation. Beispiel
rundlagen und Motivation Formale rundlagen der Informatik 1 Kapitel 16 Frank Heitmann heitmann@informatik.uni-hamburg.de 31. Mai 2016 Motivation Wir benötigen einen (Un-)Erfüllbarkeitstest für aussagenlogische
MehrAlgorithmen und Datenstrukturen Tutorium Übungsaufgaben
Algorithmen und Datenstrukturen Tutorium Übungsaufgaben AlgoDat - Übungsaufgaben 1 1 Landau-Notation Aufgabe Lösung 2 Rekurrenzen Aufgabe 3 Algorithmenentwurf und -analyse Aufgabe AlgoDat - Übungsaufgaben
MehrKlammersprache Definiere
Klammersprache w=w 1...w n {(,)}* heißt korrekt geklammert, falls die Anzahl ( ist gleich der Anzahl ). in jedem Anfangsstück w 1,...,w i (i n) ist die Anzahl ( nicht kleiner als die Anzahl ). Definiere
MehrGrundlagen der Programmierung
GdP4 Slide 1 Grundlagen der Programmierung Vorlesung 4 vom 04.11.2004 Sebastian Iwanowski FH Wedel Grundlagen der Programmierung 1. Einführung Grundlegende Eigenschaften von Algorithmen und Programmen
MehrMinesweeper ist NP-vollständig
1 Einleitung Minesweeper ist NP-vollständig Damian Schmidt 28.06.2007 Das bekannte Spiel Minesweeper ( Minenräumer ) wird mit Microsoft Windows mitgeliefert. In einem rechteckigen Feld aus quadratischen
MehrWas bisher geschah: klassische Aussagenlogik
Was bisher geschah: klassische Aussagenlogik Syntax Symbole und Struktur, Junktoren: t, f,,,,, Prinzip der strukturellen Induktion über Baumstruktur von Formeln, arithmetischen Ausdrücken usw. induktive
MehrHilbert-Kalkül (Einführung)
Hilbert-Kalkül (Einführung) Es gibt viele verschiedene Kalküle, mit denen sich durch syntaktische Umformungen zeigen läßt, ob eine Formel gültig bzw. unerfüllbar ist. Zwei Gruppen von Kalkülen: Kalküle
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 5 14.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Normalformen Atome, Literale, Klauseln Konjunktive
MehrLogic in a Nutshell. Christian Liguda
Logic in a Nutshell Christian Liguda Quelle: Kastens, Uwe und Büning, Hans K., Modellierung: Grundlagen und formale Methoden, 2009, Carl Hanser Verlag Übersicht Logik - Allgemein Aussagenlogik Modellierung
MehrKochrezept für NP-Vollständigkeitsbeweise
Kochrezept für NP-Vollständigkeitsbeweise Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 11. Januar 2010 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrAufgabe 13 (Markierungsalgorithmus). Gegeben ist die Formel F = (A D C) (E A) ( ( B D) E) A B (B D)
INTA - Lösungshinweise zum Übungsblatt 4, Version 1.0α. Wenn sie Fehler finden oder Ihnen etwas auch nach dem Gespräch mit ihren Kommilitonen noch unklar ist, dann schicken sie mir bitte eine Email! Aufgabe
MehrDie Klassen P und NP. Formale Grundlagen der Informatik 1 Kapitel 11. Die Klassen P und NP. Die Klasse P
Die Klassen Formale Grundlagen der Informatik 1 Kapitel 11 Frank Heitmann heitmann@informatik.uni-hamburg.de P := {L es gibt ein Polynom p und eine p(n)-zeitbeschränkte DTM A mit L(A) = L} = i 1 DTIME(n
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 10 4.06.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Organisatorisches Hauptklausur: Montag, 23.07.2012, 16:00-18:00,
MehrLogische und funktionale Programmierung
Logische und funktionale Programmierung Vorlesung 11: Logikprogramme Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 19. Dezember 2016 1/55 WIEDERHOLUNG: HORN-KLAUSELN
Mehr2 Hennessy-Milner-Logik
2.1 Syntax und Semantik Hennessy-Milner-Logik (HML), auch als multi-modale Logik K bekannt, erweitert die Aussagenlogik um zwei Konstrukte ( diamond und box ), mit denen man über Nachfolger eines Zustandes
MehrLogische Äquivalenz. Definition Beispiel 2.23
Logische Äquivalenz Definition 2.22 Zwei aussagenlogische Formeln α, β A heißen logisch äquivalent, falls für jede Belegung I von α und β gilt: Schreibweise: α β. Beispiel 2.23 Aus Folgerung 2.6 ergibt
MehrLösungen zur Vorlesung Berechenbarkeit und Komplexität
Lehrstuhl für Informatik 1 WS 009/10 Prof. Dr. Berthold Vöcking 0.0.010 Alexander Skopalik Thomas Kesselheim Lösungen zur Vorlesung Berechenbarkeit und Komplexität. Zulassungsklausur Aufgabe 1: (a) Worin
MehrDas SAT Problem oder Erfüllbarkeitsproblem. Formale Systeme. Teilklassen. Satz von Cook. SAT Instanz: Eine aussagenlogische Formel F For 0
Das SAT Problem oder Erfüllbarkeitsproblem Formale Systeme Prof. Dr. Bernhard Beckert Fakultät für Informatik Universität Karlsruhe TH SAT Instanz: Eine aussagenlogische Formel F For 0 Frage: Ist F erfüllbar?
MehrGrundbegriffe für dreiwertige Logik
Grundbegriffe für dreiwertige Logik Hans Kleine Büning Universität Paderborn 1.11.2011 1 Syntax und Semantik Die klassische Aussagenlogik mit den Wahrheitswerten falsch und wahr bezeichnen wir im weiteren
MehrSatz 227 3SAT ist N P-vollständig. Info IV 2 N P-Vollständigkeit 375/388 c Ernst W. Mayr
Definition 6 3SAT ist die Menge der booleschen Formeln in konjunktiver Normalform, die in jeder Klausel höchstens drei Literale enthalten und die erfüllbar sind. Satz 7 3SAT ist N P-vollständig. Info IV
MehrAussagenlogik. (MAF2) MAF(I, t) = t und MAF(I, f ) = f. Die Semantik aussagenlogischer Formeln ist durch die Funktion
43 Vergleiche mit MBA! (MAF4) MAF(I, (F G)) = MAF(I, F) MAF(I, G), wobei die zum Symbol gehörende Funktion ist. (MAF3) MAF(I, F) = MAF(I, F) (MAF2) MAF(I, t) = t und MAF(I, f ) = f (MAF1) MAF(I, A) = I(A),
MehrWissensrepräsentation und Schlussfolgern
Wissensrepräsentation und Schlussfolgern Wissensrepräsentationshypothese: (B. Smith) Die Verarbeitung von Wissen lässt sich trennen in: Repräsentation von Wissen, wobei dieses Wissen eine Entsprechung
Mehr2.3 Deduktiver Aufbau der Aussagenlogik
2.3 Deduktiver Aufbau der Aussagenlogik Dieser Abschnitt beschäftigt sich mit einem axiomatischen Aufbau der Aussagenlogik mittels eines Deduktiven Systems oder eines Kalküls. Eine syntaktisch korrekte
MehrKapitel 1.3. Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln
Kapitel 1.3 Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln Mathematische Logik (WS 2011/12) Kapitel 1.3: Normalformen 1/ 29 Übersicht
Mehr