Qualitatives zeitliches Schließen: Intelligentes Kuchenbacken. David Sabel Goethe-Universität, Frankfurt am Main
|
|
- Linus Lorentz
- vor 5 Jahren
- Abrufe
Transkript
1 Qualitatives zeitliches Schließen: Intelligentes Kuchenbacken David Sabel Goethe-Universität, Frankfurt am Main 16. Juli 2013 Stand der Folien: 16. Juli 2013
2 Käse-Sahne-Kuchen backen 2/31
3 Käse-Sahne-Kuchen backen 2/31
4 Käse-Sahne-Kuchen backen Zutaten besorgen 2/31
5 Käse-Sahne-Kuchen backen Zutaten besorgen 2/31
6 Käse-Sahne-Kuchen backen Zutaten Teig besorgen 2/31
7 Käse-Sahne-Kuchen backen Zutaten Teig besorgen 2/31
8 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen 2/31
9 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen 2/31
10 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag 2/31
11 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag 2/31
12 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen 2/31
13 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen 2/31
14 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten 2/31
15 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten 2/31
16 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten Teig in 2/31
17 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten Teig in 2/31
18 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten Teig in Belag in 2/31
19 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten Teig in Belag in 2/31
20 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten Teig in Belag in Ofen heizt 2/31
21 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten Teig in Belag in Ofen heizt 2/31
22 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten Teig in Belag in Ofen Kuchen im heizt Ofen 2/31
23 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten Teig in Belag in Ofen Kuchen im heizt Ofen 2/31
24 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten Teig in Belag in Ofen Kuchen im Kuchen heizt Ofen kühlt aus 2/31
25 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten Teig in Belag in Ofen Kuchen im Kuchen heizt Ofen kühlt aus 2/31
26 Käse-Sahne-Kuchen backen Zutaten Teig besorgen Teig ruhen lassen Belag Sahne schlagen einfetten Teig in Belag in Ofen Kuchen im Kuchen Kuchen heizt Ofen kühlt aus entnehmen 2/31
27 Zeitliche Zusammenhänge Zutaten besorgen Teig Teig ruhen lassen Belag Sahne schlagen einfetten Teig in Belag in Ofen heizt Kuchen im Ofen Kuchen kühlt aus Kuchen entnehmen Aktionen entsprechen (nicht-leeren) Zeitintervallen Wissen: Anforderungen an die relative Lage der Intervalle Wie kann man dieses Wissen repräsentieren? 3/31
28 Beispiele Zutaten besorgen vor Teig Zutaten bes. Teig zub. Teig ruhen lassen direkt nach Teig Teig zub. Teig ruht Sahne schlagen während, aber vorher endend Belag Sahne schl. Belag zub. Belag beginnt während Teig ruhen lassen Belag zub. Teig ruht 4/31
29 Welche Schlüsse lassen sich daraus ziehen? Neue Beziehungen zwischen Aktionen Darf der Belag vor dem Teig in die Form? Modell: Anordnung der Intervalle, die alle Beziehungen erfüllt Wie gelingt der Kuchen? Konsistenz: Gibt es ein Modell? Kann man den Kuchen überhaupt backen? 5/31
30 Welche Schlüsse lassen sich daraus ziehen? Neue Beziehungen zwischen Aktionen Darf der Belag vor dem Teig in die Form? Modell: Anordnung der Intervalle, die alle Beziehungen erfüllt Wie gelingt der Kuchen? Konsistenz: Gibt es ein Modell? Kann man den Kuchen überhaupt backen? Zutaten bes. Teig zub. Teig ruht Belag zub. Sahne schl. 5/31
31 Allensche Intervalllogik James F. Allen: Maintaining knowledge about temporal intervals Commun. ACM, 1983 Logik zur Darstellung der relativen Lage von (nicht leeren) Zeitintervallen ohne Absolutwerte (weder von wann bis wann, noch wie lang) 6/31
32 Formeln und Basisrelationen Allensche Formeln: F ::= (A r B) F F 1 F 2 F 1 F 2 wobei A, B sind Intervallnamen r ist eine der Allenschen Basisrelationen 7/31
33 Formeln und Basisrelationen Allensche Formeln: F ::= (A r B) F F 1 F 2 F 1 F 2 wobei A, B sind Intervallnamen r ist eine der Allenschen Basisrelationen Basisrelationen: Gegeben zwei nichtleere reellwertige Intervalle: A B a a a e b a b e Wie können A und B zueinander liegen? Wieviele Möglichkeiten gibt es? 7/31
34 Allensche Basisrelationen, Teil 1 A B A before B A B A m B A meets B A B A o B A overlaps B A B A s B A starts B A B A f B A finishes B A B A d B A during B A B A B A equal B A B 8/31
35 Alle Allensche Basisrelationen A B A B A B B A A m B A B A m B B A A o B A B A ŏ B B A A s B A B A s B B A A f B B A A f B A B A d B A B A d B A B A B A B 9/31
36 Allensche Basisrelationen Allensche Basisrelationen Die 13 Allenschen Basis-Relationen sind: R := {,, m, o, s, d, f,, m, ŏ, s, d, f}. Die Allenschen Basis-Relationen sind paarweise disjunkt, d.h. A r 1 B A r 2 B = r 1 = r 2. Schreibweise A{r 1,..., r n }B := (A r 1 B) (A r 2 B)... (A r n B) A{r 1,..., r n }B nennt man atomares Allen-Constraint 10/31
37 Beispiele Zutaten besorgen vor Teig Zutaten {, m} TeigZub Teig ruhen lassen direkt nach Teig TeigR { m} TeigZub Sahne schlagen während, aber vorher endend Belag Sahne {s, d} BelagZub Belag beginnt während Teig ruhen lassen BelagZub {s, s, d, ŏ,, f} TeigR 11/31
38 Beispiel als Constraintnetzwerk Zutaten besorgen, m Teig m Sahne schlagen s, d Belag s, s, d, ŏ,, f Teig ruhen lassen 12/31
39 Beispiel als Constraintnetzwerk, m Zutaten besorgen, m Teig m m Sahne schlagen s, d Belag s, s, d, ŏ,, f Teig ruhen lassen s, d s, s, d, o,, f 12/31
40 Beispiel als Constraintnetzwerk, m Zutaten besorgen, m Teig R R R R R m m Sahne schlagen s, d Belag s, s, d, ŏ,, f Teig ruhen lassen s, d R s, s, d, o,, f 12/31
41 Allensche Formeln: Semantik Interpretation I: Intervallnamen reellwertige Intervalle, d.h. I(A) = [a a, a e ], mit a a, a e R und a a < a e. Interpretation der Formeln: Sei I(A) = [a a, a e ] und I(B) = [b a, b e ], dann I(A B) = True, gdw. a e < b a I(A m B) = True, gdw. a e = b a I(A o B) = True, gdw. a a < b a, b a < a e und a e < b e I(A s B) = True, gdw. a a = b a und a e < b e I(A f B) = True, gdw. a a > b a und a e = b e I(A d B) = True, gdw. a a > b a und a e < b e I(A B) = True, gdw. a a = b a und a e = b e I(A r B) = I(B r A) I(F G) = True gdw. I(F ) = True und I(G) = True I(F G) = True gdw. I(F ) = True oder I(G) = True. I( F ) = True gdw. I(F ) = False 13/31
42 Modelle und Erfüllbarkeit Interpretation I ist ein Modell für F gdw. I(F ) = True gilt. Eine Allensche Formel F ist: widersprüchlich (inkonsistent), wenn es kein Modell für F gibt. erfüllbar, wenn es mindestens ein Modell für F gibt. Zwei Formeln F und G sind äquivalent gdw. I : I(F ) = I(G) 14/31
43 Normalform Atomares Allen-Constraint: A R B mit R R Konjunktives Allen-Constraint: A 1 R B 1... A n R B n Disjunktives Allen-Constraint: C 1... C m, wobei C i konjunktive Allen-Constraints Satz Jede Allen-Formel kann als äquivalentes disjunktives Allen-Constraint dargestellt werden Erfüllbarkeit von disjunktiven Allen-Constraints: Finde einen erfüllbaren konjunktiven Allen-Constraint. Daher: Erfüllbarkeitsproblem von konjunktiven Allen-Constraints ist das interessante Problem 15/31
44 Allenscher Abschluss Eingabe: Konjunktives Allen-Constraint Ausgabe: Allenscher Abschluss Verfahren: Berechne Fixpunkt bezüglich der Regeln (auf Subformeln): Vereinfachungen: ( bedeutet ersetze ) A R 1 B A R 2 B A (R 1 R 2 ) B A B False A R B True A R A False, wenn R. A R A True, wenn R. Folgerungen: ( bedeutet füge hinzu ) A R B B R A, wobei R := { r1,..., r n } für R = {r 1,..., r n } A R 1 B B R 2 C A (R 1 R 2 ) C. und übliche aussagenlogische Umformungen 16/31
45 Allenscher Abschluss (2) Wesentliche Regel: A R 1 B B R 2 C A (R 1 R 2 ) C R 1 R 2 A B C R 1 R 2 (R 1 R 2 ) := {r i r j r i R 1, r j R 2 } 17/31
46 Allenscher Abschluss (2) Wesentliche Regel: A R 1 B B R 2 C A (R 1 R 2 ) C R 1 R 2 A B C R 1 R 2 (R 1 R 2 ) := {r i r j r i R 1, r j R 2 } Komposition der Basisrelationen: r i r j kann man vorberechnen. Beispiel: A B B d C A B C 17/31
47 Allenscher Abschluss (2) Wesentliche Regel: A R 1 B B R 2 C A (R 1 R 2 ) C R 1 R 2 A B C R 1 R 2 (R 1 R 2 ) := {r i r j r i R 1, r j R 2 } Komposition der Basisrelationen: r i r j kann man vorberechnen. Beispiel: A B B d C A B C Möglichkeiten: A {, } C. 17/31
48 Allenscher Abschluss (2) Wesentliche Regel: A R 1 B B R 2 C A (R 1 R 2 ) C R 1 R 2 A B C R 1 R 2 (R 1 R 2 ) := {r i r j r i R 1, r j R 2 } Komposition der Basisrelationen: r i r j kann man vorberechnen. Beispiel: A B B d C A B C Möglichkeiten: A {, m } C. 17/31
49 Allenscher Abschluss (2) Wesentliche Regel: A R 1 B B R 2 C A (R 1 R 2 ) C R 1 R 2 A B C R 1 R 2 (R 1 R 2 ) := {r i r j r i R 1, r j R 2 } Komposition der Basisrelationen: r i r j kann man vorberechnen. Beispiel: A B B d C A B C Möglichkeiten: A {, m, o } C. 17/31
50 Allenscher Abschluss (2) Wesentliche Regel: A R 1 B B R 2 C A (R 1 R 2 ) C R 1 R 2 A B C R 1 R 2 (R 1 R 2 ) := {r i r j r i R 1, r j R 2 } Komposition der Basisrelationen: r i r j kann man vorberechnen. Beispiel: A B B d C A B C Möglichkeiten: A {, m, o, s } C. 17/31
51 Allenscher Abschluss (2) Wesentliche Regel: A R 1 B B R 2 C A (R 1 R 2 ) C R 1 R 2 A B C R 1 R 2 (R 1 R 2 ) := {r i r j r i R 1, r j R 2 } Komposition der Basisrelationen: r i r j kann man vorberechnen. Beispiel: A B B d C A B C Möglichkeiten: A {, m, o, s, d} C. 17/31
52 Allenscher Abschluss (2) Wesentliche Regel: A R 1 B B R 2 C A (R 1 R 2 ) C R 1 R 2 A B C R 1 R 2 (R 1 R 2 ) := {r i r j r i R 1, r j R 2 } Komposition der Basisrelationen: r i r j kann man vorberechnen. Beispiel: A B B d C A B C Möglichkeiten: A {, m, o, s, d} C. Daher: d = {, o, m, s, d} 17/31
53 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 d f s d s o m d f f d ŏ d f ŏ d f s s d f ŏ m m o m d f o m ŏ d f m s s s d o m ŏ d f d o d f ŏ o d f m s s s ŏ d ŏ m 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 und (r ) = r ( r) = r 18/31
54 Beispiel Zutaten besorgen, m Teig m Sahne schlagen s, d Belag s, s, d, ŏ,, f Teig ruhen lassen 19/31
55 Beispiel Zutaten besorgen, m Teig, m m, m Sahne schlagen s, d Belag s, s, d, ŏ,, f Teig ruhen lassen,, d, f, s, s, o, m 19/31
56 Beispiel (2) Zutaten besorgen, m Teig, m m Sahne schlagen s, d Belag s, s, d, ŏ,, f Teig ruhen lassen 20/31
57 Beispiel (2) Zutaten besorgen, m Teig, m m Sahne schlagen s, d Belag s, s, d, ŏ,, f Teig ruhen lassen 20/31
58 Allenscher Abschluss: Eigenschaften Satz Der Allensche Abschluss für n Intervalle kann in Zeit O(n 3 ) berechnet werden. Algorithmus Allenscher Abschluss Eingabe: (n n)-array R, mit Einträgen R i,j R R i,j (1) Zutaten (2) Teigzub (3) Teigruht (4) Sahne (5) Belagzub (1) Zutaten { } {, m} R R R (2) Teigzub {, m} { } {m} R R (3) Teigruht R { m} { } R {, d, f, s, s, o} (4) Sahne R R R { } {d, s} (5) Belagzub R R {, s, s, d, f, ŏ} { d, s} { } 21/31
59 Allenscher Abschluss: Eigenschaften Satz Der Allensche Abschluss für n Intervalle kann in Zeit O(n 3 ) berechnet werden. Algorithmus Allenscher Abschluss Eingabe: (n n)-array R, mit Einträgen R i,j R procedure AllenAbschluss(R): queue := {(i, k, j) 1 i, k, j n}; while queue do Wähle und entferne Tripel (i, k, j) aus queue; R i,k R k,j R := R i,j (R i,k R k,j ); if R i,j R then R i,j := R ; i k R i,j j queue := queue ++ {(i, j, m) 1 m n} ++ {(m, i, j) 1 m n} endif endwhile 21/31
60 Allenscher Abschluss: Eigenschaften Satz Der Allensche Abschluss für n Intervalle kann in Zeit O(n 3 ) berechnet werden. Algorithmus Allenscher Abschluss Eingabe: (n n)-array R, mit Einträgen R i,j R procedure AllenAbschluss(R): queue := {(i, k, j) 1 i, k, j n}; while queue do Wähle und entferne Tripel (i, k, j) aus queue; R i,k R k,j R := R i,j (R i,k R k,j ); if R i,j R then R i,j := R ; i k R i,j j queue := queue ++ {(i, j, m) 1 m n} ++ {(m, i, j) 1 m n} endif R i,j R j,m R m,i R i,j endwhile i j m m i j R i,m R m,i 21/31
61 Allenscher Abschluss: Eigenschaften Theorem Der Allensche Kalkül ist korrekt, d.h. wenn F der Allensche Abschluss von F, dann sind F und F äquivalente Formeln. Aber der Allensche Kalkül ist weder herleitungsvollständig noch widerspruchsvollständig, d.h. Die hergeleiteten Einzel-Relationen sind nicht minimal bzgl. der Semantik Widersprüchliche Formeln werden nicht immer erkannt. Beispiel zur Widerspruchs-Unvollständigkeit: D s, m o B s, m d, d d, d Der Allensche Abschluss verändert keine der Beziehungen, aber sie sind widersprüchlich! A f, f C 22/31
62 Partielle Vollständigkeit Der Allensche Kalkül ist vollständig in eingeschränktem Sinn: Satz (Pfadkonsistenz) Der Allensche Abschluss ist 3-konsistent: A R AB B R AC C R CB Jede Belegung I der Intervalle A und B mit I(A R AB B) = True kann auf das Intervall C erweitert werden, so dass I(A R BC C) = True = I(C R AC B). Es gilt nicht (globale Konsistenz): Jede Belegung von k Knoten kann auf k + 1 Knoten unter Erhaltung der Erfüllbarkeit erweitert werden 23/31
63 Eindeutige Allen-Constraints Definition: Ein konjunktives Allen-Constraint ist eindeutig, gdw. alle atomaren Constraints von der Form A {r} B sind. Satz (Valdés-Pérez, 1987) Auf eindeutigen Allen-Constraints ist der Allen-Kalkül korrekt und vollständig 24/31
64 Vollständiges Verfahren Algorithmus Erfüllbarkeitstest für konjunktive Allensche Constraints Eingabe: (n n)-array R, mit Einträgen R i,j R function ASAT(R): R := AllenAbschluss(R); if R i,j mit R i,j = then return False endif; if R i,j gilt: R i,j = 1 then return True else wähle R i,j mit R i,j = {r 1, r 2,...}; R l := R ; R l i,j := {r 1}; R r := R ; R r i,j := R i,j \ {r 1}; return (ASAT(R l ) ASAT(R r )); endif Der Algorithmus ist korrekt und vollständig. Die Laufzeit ist im worst-case exponentiell. Mittlere Verzweigungsrate: 6,5 25/31
65 Komplexität des Problems Satz Das Erfüllbarkeitsproblem für konjunktive Allenschen Constraints ist N P-vollständig. Beweis: 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 26/31
66 Beweis (Fortsetzung) N P-Härte: Reduktion von 3-Färbbarkeit auf Erfüllbarkeit von Allen-Constraints 3-Färbbarkeit: Kann man die Knoten eines ungerichteten Graphen mit drei Farben färben, so dass benachbarte Knoten stets verschiedene Farben haben? 27/31
67 Beweis (Fortsetzung) Für G = (V, E) erzeuge: 28/31
68 Beweis (Fortsetzung) Für G = (V, E) erzeuge: (Rot m Gruen) (Gruen m Blau) Rot Gruen Blau 28/31
69 Beweis (Fortsetzung) Für G = (V, E) erzeuge: (Rot m Gruen) (Gruen m Blau) Rot Gruen Blau Für die Knoten: v i V : v i {m,, m} Gruen Rot Gruen Blau v i v i v i 28/31
70 Beweis (Fortsetzung) Für G = (V, E) erzeuge: (Rot m Gruen) (Gruen m Blau) Rot Gruen Blau Für die Knoten: v i V : v i {m,, m} Gruen Rot Gruen Blau v i v i v i Für die Kanten: (v i, v j ) E : v i {m, m,, } v j v j v i v j 28/31
71 Varianten und Verbesserungen Idee: Schränke erlaubte Relationen R für A R B so ein, dass der Allen-Kalkül vollständig ist. Bereits gesehen: R = {r} mit r Basisrelation Nebel & Bürckert 1995: Klasse H 2 R : Beinhaltet nur R R deren Übersetzung in Constraints über Endpunkten nur Hornklauseln mit Literalen a b, a = b und (a = b) erzeugen. Von den 2 13 = 8192 möglichen Beziehungen erfüllen 868 diese Eigenschaft Werden nur R H verwendet, so ist der Allen-Kalkül vollständig. Verbesserung des exponentiellen Verfahrens: Zerlege bei der Fallunterscheidung die Menge R in Elemente aus H Vorteil: Kleinere mittlere Verweigungsrate (statt 6,5 nur 2,533 (Nebel 1997)) 29/31
72 Ausblick Qualitatives räumliches Schließen Eindimensional: Genau die Allensche 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 30/31
73 Kuchen backen Zutaten besorgen Teig Teig ruhen lassen Belag Sahne schlagen einfetten Teig in Belag in Ofen heizt Kuchen im Ofen Kuchen kühlt aus Kuchen entnehmen Zutaten {<,m} TeigZub, Zutaten {<,m} TeigRuht, Zutaten {<,m} BelZub, Zutaten {<,m} Sahne, TeigRuht {m} TeigForm, TeigForm {<,m} BelForm, BelForm {<,m} Backen, Backen {f} Heizen, Sahne {s,d} BelZub, Heizen {S,o,>} TeigRuht, Heizen {<,m} Kuehlen, Kuehlen {<,m} Entnehmen, Zutaten {<,m} Einfett, Zutaten {<,m} Heizen, TeigZub {<,m} TeigForm, BelZub {<,m} BelForm, TeigZub {<,>,m,m} BelZub, Einfett {<,>,m,m} BelZub, Einfett {>,M} TeigZub, Einfett {<,m,m,>} TeigForm, Einfett {<,>,m,m} BelForm, Einfett {<,m} TeigForm, TeigZub {m} TeigRuht, Einfett {>,M} Zutaten, Backen {m} Kuehlen, BelZub {s,s,d,o,=,f} TeigRuht, Einfett {>} Sahne 31/31
74 Kuchen backen Zutaten besorgen Teig Teig ruhen lassen Belag Sahne schlagen einfetten Teig in Belag in Ofen heizt Kuchen im Ofen Kuchen kühlt aus Kuchen entnehmen Zutaten {<,m} TeigZub, Zutaten {<,m} TeigRuht, Zutaten {<,m} BelZub, Zutaten {<,m} Sahne, TeigRuht {m} TeigForm, TeigForm {<,m} BelForm, BelForm {<,m} Backen, Backen {f} Heizen, Sahne {s,d} BelZub, Heizen {S,o,>} TeigRuht, Heizen {<,m} Kuehlen, Kuehlen {<,m} Entnehmen, Zutaten {<,m} Einfett, Zutaten {<,m} Heizen, TeigZub {<,m} TeigForm, BelZub {<,m} BelForm, TeigZub {<,>,m,m} BelZub, Einfett {<,>,m,m} BelZub, Einfett {>,M} TeigZub, Einfett {<,m,m,>} TeigForm, Einfett {<,>,m,m} BelForm, Einfett {<,m} TeigForm, TeigZub {m} TeigRuht, Einfett {>,M} Zutaten, Backen {m} Kuehlen, BelZub {s,s,d,o,=,f} TeigRuht, Einfett {>} Sahne Allen-Programm: Max. #Modelle in der Eingabe : Max. #Modelle nach Allen-Abschluss: Anzahl Modelle : Allenscher Abschluss genau? : True 31/31
Einführung 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
MehrDarstellung und Inferenzen fu r zeitliche Zusammenha nge Viele verschiedene Logiken Allens Zeitintervalllogik
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
MehrSchließen 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
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.
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 5 8.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge
MehrLogik für Informatiker
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
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:
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
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
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 4 07.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Gestern Normalformen Atome, Literale, Klauseln Konjunktive
MehrLogik 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
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
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
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
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
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
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.
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
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
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
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
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
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
Mehra b b a a b b a Dank Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Chart-Parsing Chart-Parsing Vorlesung
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
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
MehrGrundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I
Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Institut für Informatik ommersemester 2007 B. Beckert Grundlagen d. Theoretischen Informatik:
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
MehrErsetzbarkeitstheorem
Ersetzbarkeitstheorem Die Abgeschlossenheit läßt sich auch folgendermaßen formulieren: Ersetzbarkeitstheorem Seien F und G Formeln mit F G. SeienH und H Formeln, so daß H aus H hervorgeht, indem ein Vorkommen
MehrGrundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I
Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Institut für Informatik ommersemester 2007 B. Beckert Grundlagen d. Theoretischen Informatik:
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
MehrKünstliche Intelligenz Logische Agenten & Resolution
Künstliche Intelligenz Logische Agenten & Resolution Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Inferenz-Algorithmus Wie könnte ein
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 5 14.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Normalformen Atome, Literale, Klauseln Konjunktive
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.
MehrEinige Grundlagen der Komplexitätstheorie
Deterministische Polynomialzeit Einige Grundlagen der Komplexitätstheorie Ziel: NP-Vollständigkeit als ressourcenbeschränktes Analagon zur RE-Vollständigkeit. Komplexitätstheorie untersucht den Ressourcenbedarf
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
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.
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
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
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
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
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
MehrGrundbegriffe der mathematischen Logik
Grundbegriffe der mathematischen Logik Vorlesung WS 2005/2006 Jakob Kellner http://www.logic.univie.ac.at/ kellner Kurt Gödel Research Center for Mathematical Logic 5. Vorlesung, 2005-11-16 Jakob Kellner
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
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:
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
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,
MehrÜbung Theoretische Grundlagen
Übung Theoretische Grundlagen Komplexitätstheorie Nico Döttling 8. Januar 2010 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in
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
MehrBeispiel Aussagenlogik nach Schöning: Logik...
Beispiel Aussagenlogik nach Schöning: Logik... Worin besteht das Geheimnis Ihres langen Lebens? wurde ein 100-jähriger gefragt. Ich halte mich streng an die Diätregeln: Wenn ich kein Bier zu einer Mahlzeit
MehrAussagenlogik. 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
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
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)
MehrTU5 Aussagenlogik II
TU5 Aussagenlogik II Daniela Andrade daniela.andrade@tum.de 21.11.2016 1 / 21 Kleine Anmerkung Meine Folien basieren auf den DS Trainer von Carlos Camino, den ihr auf www.carlos-camino.de/ds findet ;)
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
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)
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.
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
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
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
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 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
MehrEinführung (1/3) Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (1) Vorlesungen zur Komplexitätstheorie.
Einführung (1/3) 3 Wir verfolgen nun das Ziel, Komplexitätsklassen mit Hilfe von charakteristischen Problemen zu beschreiben und zu strukturieren Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 2 28.04.2015 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Organisatorisches Termine Donnerstags: 30.04.2015 nicht
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
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
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
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 7 15.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Unser Ziel Kalkül(e) zur systematischen Überprüfung
Mehrabgeschlossen unter,,,, R,
Was bisher geschah Turing-Maschinen können Sprachen L X akzeptieren entscheiden Funktionen berechnen f : X X (partiell) Menge aller Turing-akzeptierbaren Sprachen genau die Menge aller Chomsky-Typ-0-Sprachen
MehrFormale Grundlagen der Informatik 1 Kapitel 23 NP-Vollständigkeit (Teil 2)
Formale Grundlagen der Informatik 1 Kapitel 23 (Teil 2) Frank Heitmann heitmann@informatik.uni-hamburg.de 5. Juli 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/37 Die Klassen P und NP P := {L
MehrInformatik II, SS 2018
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 13 (6.6.2018) Graphenalgorithmen II Yannic Maus Algorithmen und Komplexität Repräsentation von Graphen Zwei klassische Arten, einen Graphen
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
MehrNotizen zu Transformationen und Permutationen. T (A) = {f : A A}
Transformationen Notizen zu Transformationen und Permutationen Ist A eine Menge, so ist die Menge T (A) = {f : A A} bezüglich der Komposition (Hintereinanderausführung) als Operation und der identischen
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
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
MehrAufgabe Gegeben sind die folgenden aussagenlogischen Formeln F, G, H über den Variablen u, w, y, z:
Aufgabe 1.1 8 (a) Zeichnen Sie einen einfachen Graphen mit der Gradsequenz (1, 2, 2, 2, 3, 4). (b) Ist jeder einfache Graph mit der Gradsequenz (1, 2, 2, 2, 3, 4) zusammenhängend? (c) Hat jeder einfache
MehrAufgabe Gegeben sind die folgenden aussagenlogischen Formeln F, G, H über den Variablen s, u, w, y:
Aufgabe 3.1 8 (a) Zeichnen Sie einen einfachen Graphen mit der Gradsequenz (2, 3, 3, 3, 3, 4). (b) Ist jeder einfache Graph mit der Gradsequenz (2, 3, 3, 3, 3, 4) zusammenhängend? (c) Hat jeder einfache
MehrAufgabe Gegeben sind die folgenden aussagenlogischen Formeln F, G, H über den Variablen s, p, w, y:
Aufgabe 2.1 8 (a) Zeichnen Sie einen einfachen Graphen mit der Gradsequenz (1, 1, 2, 2, 4, 4). (b) Ist jeder einfache Graph mit der Gradsequenz (1, 1, 2, 2, 4, 4) zusammenhängend? (c) Hat jeder einfache
MehrTU9 Aussagenlogik. Daniela Andrade
TU9 Aussagenlogik Daniela Andrade daniela.andrade@tum.de 18.12.2017 1 / 21 Kleine Anmerkung Meine Folien basieren auf den DS Trainer von Carlos Camino, den ihr auf www.carlos-camino.de/ds findet ;) 2 /
MehrKomplexitätstheorie NP-Vollständigkeit: Reduktionen (2) Der Satz von Cook/Levin
Komplexitätstheorie NP-Vollständigkeit: Reduktionen (2) Der Satz von Cook/Levin Helmut Veith Technische Universität München Organisatorisches Anmeldung zur Lehrveranstaltung: complexity@tiki.informatik.tu-muenchen.de
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
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
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
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 20. Vorlesung 12.01.2007 1 Komplexitätstheorie - Zeitklassen Die Komplexitätsklassen TIME DTIME, NTIME P NP Das Cook-Levin-Theorem Polynomial-Zeit-Reduktion
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,
MehrGrundlagen digitaler Systeme WS12
Grundlagen digitaler Systeme WS12 Binary Decision Diagrams Johann Blieberger 183.580, VU 2.0 Automation Systems Group E183-1 Institute of Computer Aided Automation Vienna University of Technology email:
MehrDiskrete Strukturen Wiederholungsklausur
Technische Universität München (I7) Winter 2013/14 Prof. J. Esparza / Dr. M. Luttenberger LÖSUNG Diskrete Strukturen Wiederholungsklausur Beachten Sie: Soweit nicht anders angegeben, ist stets eine Begründung
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,
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
MehrAlgorithmen und Datenstrukturen 2. Stefan Florian Palkovits, BSc Juni 2016
Algorithmen und Datenstrukturen 2 Übung 1 Stefan Florian Palkovits, BSc 0926364 e0926364@student.tuwien.ac.at 12. Juni 2016 Aufgabe 1: Es existiert eine Reduktion von Problem A auf Problem B in O(n 3 +
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
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
Mehr