Entscheidungsprobleme in der autoepistemischen Logik
|
|
- Dirk Klein
- vor 5 Jahren
- Abrufe
Transkript
1 Entscheidungsprobleme in der autoepistemischen Logik Studienarbeit von Kaweh Djafari Naini Studiengang Mathematik mit Studienrichtung Informatik 3. Juni
2 Einleitung In dieser Studienarbeit geht es um drei Hauptprobleme, die in dem Kontext der autoepistemischen Logik entstehen, (1) das Entscheidungsproblem, ob eine Prämissenmenge Σ eine Stable Expansion besitzt, (2) das Entscheidungsproblem, ob eine gegebene Formel in mindestens einer Stable Expansion vorkommt (brave reasoning), (3) das Entscheidungsproblem, ob eine gegebene Formel in jeder Stable Expansion vorkommt (cautious reasoning). 2
3 1 Grundlagen 1.1 Orakel-Turing-Maschinen Die Polynomialzeit-Hierarchie ist wegen ihres engen Zusammenhanges zur Logik zweiter Stufe bekannt. Um die Komplexitatsklassen der Polynomialzeit-Hierarchie einführen zu können, benötigen wir den Begriff der Orakel-Turing-Maschinen. Definition 1.1. Sei Σ ein Alphabet und B Σ. Eine Orakel-Turing-Maschine M mit Orakel B ist eine Turing-Maschine (DTM, NDTM) mit einem zusätzlichen Band, dem so genannten Orakel-Band und 3 zusätzlichen Zuständen q ja, q nein, q?. Berechnungen und Konfigurationen von M sind wie üblich definiert, nur hat die Orakel-TM zusätzlich die Möglichkeit, Anfragen an das Orakel zu stellen. Dazu kann sie ein Wort w auf das Orakel-Band schreiben und dann in den Zustand q? gehen. Falls w B liegt, so geht die Maschine direkt in den Zustand q ja über; andernfalls in q nein. In jedem der beiden Fälle wird der Inhalt des Orakel-Bands gelöscht. Die Sprache B dient hier also als Orakel. Die Entscheidung, ob w B ist, ist atomar, d.h. sie benötigt nur einen Schritt. Dies kann hilfreich sein, falls die Komplexität von B höher ist als die Maschine M selbst berechnen kann, z.b. wenn M deterministisch und polynomiell zeitbeschränkt ist und B NP. [IP S] 1.2 Komplexitätsklassen definiert in Termen von Orakel-Turing- Maschinen 1. P NP = Das Entscheidungsproblem wird gelöst mit DTMs in Polynomialzeit und eine Orakel-Abfrage für die Entscheidung des Problems in NP. 2. NP NP = Das Entscheidungsproblem wird gelöst mit NDTMs in Polynomialzeit und eine Orakel-Abfrage für die Entscheidung des Problems in NP. 3. co-np NP = Das Komplement von dem Entscheidungsproblem wird gelöst mit NDTMs in Polynomialzeit und eine Orakel-Abfrage für die Entscheidung des Problems in NP. 1.3 Die polynomielle Hierarchie Definition 1.2. Wir definieren die Klassen p k, Σp k, Πp k der polynomielle Hierarchie wie folgt, und k 0, p 0 = Σ p 0 = Π p 0 = P p k+1 := PΣp k, Σ p k+1 := NPΣp k, Π p k+1 := co-npσp k. 3
4 1.4 Quantifizierte boolesche Formel Definition 1.3. Eine quantifizierte boolesche Formel (quantified boolean formula) besteht aus einem boolschen Ausdruck E(x) über 0, 1, x 1,..., x n und den booleschen Opertaoren (AND), (OR) und (NOT), bei dem alle Variablen quantifiziert sind: Q 1 x 1,..., Q n x n mit Q i {, }. Das Entscheidungsproblem QBF enthält alle wahren quantifizierten booleschen Formeln. In den QBF-Eingaben ist also die Anzahl der Quantorenwechsel nur durch die Anzahl der Variablen (minus 1) beschränkt. Somit ist QBF eine natürliche Verallgemeinerung von SAT k CIR 1. Satz 1.4. Das Erfüllbarkeitsproblem QBF ist PSPACE-vollständig. Beweis: Siehe [W 03]. Bemerkung 1.5. Wir verwenden später für unsere Reduktion das bekannteste Σ p 2-vollständige Problem Q von QBF 2,, wobei Q folgende Form hat: p 1... p n q 1... q n E, wobei p i und q j paarweise verschiedene aussagenlogische Variablen sind und E eine aussagenlogische Formel in p 1,..., p n, q 1,..., q n ist. Q ist genau dann erfüllt, wenn es eine Wahrheitswertbelegung für p 1,..., p n gibt, so dass für jede mögliche Erweiterung dieser Belegung auf q 1... q n, E wahr ist. Die Beobachtung des Entscheidungsproblems für QBF mit beschränktem Quantorenwechsel ergibt den folgenden Satz: Satz 1.6. Das Entscheidungsproblem von QBF k, ist Σ p k -vollständig und für QBF k, ist es Π p k -vollständig. Beweis: Siehe [CW ]. 1 SAT k CIR von SAT ist das erste Σ k-vollständiges Problem, so ist es auch eine naheliegende Verallgemeinerung von QBF, die sich als PSPACE-vollständig erweist. 4
5 2 Autoepistemische Logik Definition 2.1. (Autoepistemische Logik) Die Sprache der autoepistemischen Logik (autoepistemic logic), kurz L ae, besteht aus der Sprache L der klassischen Aussagenlogik mit den syntaktischen Operatoren,,,,,, und (wobei die Konstante für wahr und die Konstante für falsch ist) und einem modalen Operatoren L. Wir betrachten Formeln in der Form von LΦ, wobei Φ L ae. Der klassische =-relation in L würde für L ae wie folgt erweitert. Für Σ L ae und Φ L ae, gilt Σ = Φ gdw. Φ wahr ist, in jeder Intepretation in dem Σ wahr ist. L ist ein introspektiver Operator, d.h. ein Operator der sich auf die Theorie selbst bezieht. Intuitiv für eine Formel Φ mit einem Auftreten von L betrachten wir die Formel in der Form LΦ, was soviel bedeutet, wie Φ wird geglaubt oder Φ ist in der Wissenbasis (knowledge base) vorhanden. Allerdings sollte die Wissenbasis die Überzeugungsmengen (set of beliefs) enthalten, die ein Agent annehmen sollte. Beispiel 2.2. (Moore 1985) Hab ich eine ältere Schwester? Nun, wenn ich eine ältere Schwester hätte, würde ich daran glauben eine solche Schwester zu haben, dadurch dass ich sie gesehen habe, mit ihr gekämpft habe, usw. Einen solchen Glauben hab ich nicht. Deswegen muss ich keine ältere Schwester haben. Aufgrund eines fehlenden Glaubens in einer bestimmten Aussage (ich glaube nicht daran eine ältere Schwester zu haben), glaubt der Agent die Negation der Aussage (ich habe keine ältere Schwester). [N 94] Diese Schlussfolgerung geht davon aus, dass der Agent instropektive Fähigkeiten besitzt, d.h. er weiß sowohl über sein Wissen als auch über sein Nichtwissen Bescheid. Mit einem Modalen Operatoten L können die Aussagen wie folgt ausgedrückt werden, (1) ältereschwester(x) L Existiert(x) nichtexistiert(x) oder, (2) ältereschwester(x) L Existiert(x) Existiert(x). Definition 2.3. Eine Menge von autoepistemischen Prämissen, ist eine endliche Menge von Σ L ae. Notation 2.4. Sei L ae, dann gilt L( ) = {LΦ Φ }, = { Φ Φ }, = L ae. 2.1 Stable Expansions Definition 2.5. Eine Menge L ae ist eine Stable Expansion von Σ L ae gdw. die folgende Fixpunktgleichung erfüllt, = cons(σ L( ) L( )), wobei cons( ) = {Φ = Φ} L ae. 5
6 Die Stable Expansions sind Überzeugungsmengen, die ein Agent auf der Basis einer gegebenen Prämissenmenge annehmen sollte. Beispiel 2.6. (a) Die Menge {Lp p} hat zwei Stable Expansions. Eine Stable Expansion enthält Lp und p und die andere Lp und p. (b) Die Menge {Lp p, Lq p} hat drei Stable Expansions. Eine enthält ausschließlich alle Tautologien über L ae außer p und q. Eine enthält p, aber nicht q und die inkonsistente Expansion L ae. (c) Die Menge {Lq} hat keine Stable Expansion. 2.2 Finitary Characterization von Niemelä Da Expansions immer unendliche Mengen sind, benötigen rechnerische Methoden für das Lösen dieser Probleme eine Finitary Characterization (endliche Charakterisierung) für die Expansions von Σ. Es wurden 3 verschiedene Methoden für die Finitary Characterization von Expansions der autoepistemischen Theorie entwickelt. Diese benutzen alle den Kernel von Σ, z.b. Teilmengen aus (negativen oder nichtnegativen) Teilformeln von Σ-Formeln, die eins zu eins mit den Stable Expansions übereinstimmen. Niemelä benutzt modale Kerne, z.b Kerne die aus Formeln in der Form LΦ und LΦ bestehen. Definition 2.7. Sei Σ eine Prämissenmenge, dann ist Sf L (Σ) die Menge aller Teilformeln in der Form von LΦ für jede Formel von Σ. Außerdem ist Lbase (Σ) = Sf L (Σ) Sf L (Σ). Beispiel 2.8. Ist Σ = {L (Lp Lq), LLr}, dann ist Sf L (Σ) = {L (Lp Lq), LLr, Lp, Lq, LLr, Lr}. Definition 2.9. Für eine Prämissenmenge Σ ist eine Menge Λ Lbase (Σ) Σ-full gdw. die folgenden Bedingungen für jedes LΦ Sf L (Σ) gelten. (1) Σ Λ = Φ gdw. LΦ Λ. (2) Σ Λ = Φ gdw. LΦ Λ. Satz Für jede Prämissenmenge Σ gibt es eine eins zu eins Übereinstimmung zwischen den Stable Expansions von Σ und die Σ-full Mengen. Für die Expansion E gibt es eine entsprechende Σ-full Menge Λ, Λ = Lbase (Σ) ({LΦ Φ E} { LΦ Φ / E}) Die Stable Expansions entsprechen einer Σ-full-Menge Λ, bezeichnet mit SE Σ (Λ), wobei Λ der Kernel von SE Σ (Λ) genannt wird. Um zu untersuchen, ob eine Menge Λ = Lbase (Σ), Σ-full ist, reicht es die Bedingungen von Defintion 2.9 für jedes Element von Lbase (Σ) zu überprüfen. Da die aussagenlogische Untersuchung co-np-vollständig ist, erfordert sie eine NP-Oracle-Abfrage. Wenn Σ aus n Symbolen besteht, hat sie nicht mehr als n Teilformeln, es folgt Lbase (Σ) 2n. Also die Frage, ob Λ eine Σ-full Menge ist, kann mit einer polynomiellen Anzahl von Np-Oracle-Abfragen gelöst werden. Deshalb liegt dieses Problem in p 2. Um zu sehen, ob eine Menge Σ eine Stable Expansion besitzt, wird eine Teilmenge Λ Lbase(Σ) nichtdeterministisch erraten und geprüft, ob sie Σ-full ist. Daraus ergibt sich der folgende Satz: 6
7 Satz Das Entscheidungsproblem, ob eine Prämissenmenge Σ eine Stable Expansions besitzt, ist in Σ p 2. Sei Φ eine autoepistemische Formel und Sf q (Φ) die Menge der Quasi-Teilformeln von Φ, wobei Quasi-Teilformeln Formeln im gewöhnlichen Sinn sind, außer das die Formeln der Form LΨ keine weiteren Teilformeln haben. Mit Hilfe von Quasi-Teilformeln können wir bei einer gegebenen Prämissenmenge Σ und eine Σ-full Menge Λ überprüfen, ob eine Formel Φ die Stable Expansion SE Σ (Λ) beinhaltet. Satz Sei Σ eine Prämissenmenge, Λ eine Σ-full Menge und Φ L ae. Φ SE Σ (Λ) gdw. Σ Λ {LΨ LΨ Sf q (Φ) Ψ SE Σ (Λ)} { LΨ LΨ Sf q (Φ) Ψ / SE Σ (Λ)} = Φ Satz Das Entscheidungsproblem, ob eine Formel Φ in mindestens einer Stable Expansion von einer gegebenen Prämissenmenge Σ vorkommt, ist in Σ p 2. Satz Das Entscheidungsproblem, ob eine Formel Φ in jeder Stable Expansion von einer Prämissenmenge Σ vorkommt, ist in Π p 2. 7
8 3 Autoepistemische Logik: Entscheidungsprobleme Das folgende Lemma ist ein Hilfslemma für den Beweis von Theorem 3.2. Lemma 3.1. Sei Σ = {p 1 Lp 1,..., p n Lp n, LE}, dann gilt L ae Stable Expansion). (inkonsistente Beweis: (Beweis durch Widerspruch) Wäre = L ae, dann gilt = und nach Definition 2.5 erhalten wir = cons(σ L( )). Wir betrachten Σ L( ) und sehen, dass diese Menge von Formeln konsistent ist und für jedes Atom von L ae wahr ergibt. Σ L( ) wird also für diese Interpretation erfüllt. Also ist Σ L( ) konsitent, daraus folgt = cons(σ L( )) ist auch konsitent. Theorem 3.2. Das Entscheidungsproblem, ob eine Prämissenmenge Σ eine Stable Expansion besitzt, ist Σ p 2-vollständig. Beweis: Nach Satz 2.11 ist das Problem in Σ p 2. Wir zeigen die Σ p 2-härte, indem wir in Polynomialzeit eine Transformationsfunktion konstrurieren, die jede quantifizierte boolesche Formel Q aus QBF 2, in einer Menge von autoepistemischen Formeln Σ umwandelt, so dass gilt: Q wird erfüllt gdw. Σ eine Stable Expansion besitzt. Sei Q = p 1,..., p n q 1,..., q m E eine beliebige quantifizierte boolesche Formel aus QBF 2,. E ist eine aussagenlogische Formel bestehend aus p 1,..., p n, q 1,..., q m. Wir transformieren Q in die folgende Menge der autoepistemischen Formeln. Σ = {p 1 Lp 1,..., p n Lp n, LE}. Also gilt nach Lemma 3.1 L ae. Desweiteren gilt Σ und für 1 i n ist p i Lp i in. ist unter den Konsequenz-Operator (cons) abgeschlossen, es folgt für 1 i n, entweder p i oder p i. Der Kernel Λ von ergibt: Λ = {Lp i Lp i } { Lp i Lp i } {LE}. Da LE, folgt E und nach Satz 2.12 gilt Σ Λ = E. Das heißt, Σ Λ bestimmt einen Wahrheitswert für jedes p i aber lässt die Wahrheitswerte von q j durchaus unbestimmt, da Σ Λ kein Atom von q j beinhaltet. Wenn wir nun die Wahrheitskonstante für jedes p i in E, durch die entsprechende Wahrheitskonstante Σ Λ ermitteln, ist die resultierende Formel tautologisch (sonst würde sie ja nicht aus Σ Λ folgen). Es folgt, dass die quantifizierte boolesche Formel Q erfüllbar ist. Q ist erfüllbar. Es existiert folglich eine Wahrheitswertbelegung ν für die aussagenlogische Variablen p i... p n. Hierbei ist es nicht von Bedeutung, ob ν mit der aussagenlogische Variablen q i... q n erweitert wird. E ist mit der Wahrheitswertbelegung ν immer wahr. Sei Λ = {L pi ν (p i ) = wahr} { L pi ν (p i ) = falsch} {LE}. Wir zeigen nun, dass Λ eine 8
9 Σ-full Menge ist. Wir haben Sf L (Σ) = {Lp i 1 i n} {LE}, da Σ für 1 i n, p i Lp i beinhaltet. Daraus folgt (1) Lp i Λ gdw. Σ Λ = p i. (2) Lp i Λ gdw. Σ Λ = p i. (3) LE Λ gdw. Σ Λ = E. Also sind die Bedingungen von Definition 2.9 für jedes Element LΦ von Sf L (Σ) erfüllt. Es folgt Λ ist eine Σ-full Menge, so besitzt Σ nach Satz 2.11 eine Stable Expansion. Hierbei sind häufig nur die konsistenten Stable Expansions von einer Prämissenmenge Σ interessant. Korollar 3.3. Das Entscheidungsproblem, ob eine Prämissenmenge Σ eine konsistente Stable Expansion Σ besitzt, ist Σ p 2-vollständig. Beweis: Der Korollar folgt sofort aus dem Beweis von Lemma 3.1, da wir gezeigt haben, dass die erstellte Prämissenmenge Σ, L ae nicht als konsistente Stable Expansion enthält. Also besitzt Σ eine Stbale Expansion gdw. Σ eine konsistente Stable Expansion besitzt. Es folgen die Vollständigkeitsergebnisse für brave- und cautious reasoning. Theorem 3.4. Das Entscheidungsproblem, ob eine Formel Φ in mindestens eine Stable Expansion von einer Prämissenmenge Σ vorkommt, ist Σ p 2-vollständig. Beweis: Aufgrund von Satz 2.13 genügt es die Σ p 2-härte zu zeigen. Das erhalten wir trivial von Theorem 3.2, da jede Stable Expansion unter logischen Folgerungen abgeschlossen ist. Es folgt, dass in jeder Stable Expansion das Element vorkommt. Daraus folgt, dass Σ eine Stable Expansion besitzt gdw. die Tautologie ein Element von irgendeiner Stable Expansion ist. Daher ist das Existenzproblem für Stable Expansions polynomiell transformierbar in das Problem von brave reasoning. Also ist das Problem von brave reasoning Σ p 2-hart. Theorem 3.5. Das Entscheidungsproblem, ob eine Formel Φ in mindestens eine konsistente Stable Expansion von einer Prämissenmenge Σ vorkommt, ist Σ p 2-vollständig. Beweis: Wir zeigen zuerst, dass das Problem in Σ p 2 ist. Wir beobachten, dass für jede Σ- full Menge Λ gilt: SE Σ (Λ) = L ae gdw. Σ Λ inkonsistent ist. Also die Frage, ob Λ mit der inkonsistenten Expansion übereinstimmt, kostet eine NP-Orakel-Abfrage. Die Anzahl der Abfragen bleibt polynomiell in der Größe der Eingabe. Also ist das Problem in Σ p 2. Die Härte wird so ähnlich wie in dem Beweis von Theorem 3.2 gezeigt. Σ hat eine konsistente Stable Expansion gdw. ein Element von irgendeiner konsistenten Stable Expansion ist. Nach Korollar 3.3 wissen wir, dass das Entscheidungsproblem Σ p 2-vollständig ist. Theorem 3.6. Das Entscheidungsproblem, ob eine Formel Φ in jeder Stable Expansion von einer Prämissenmenge Σ vorkommt, ist Π p 2-vollständig. Beweis: Nach Satz 2.14 ist das Problem in Π p 2. Nun zeigen wir die Härte. Nach Korollar 3.3 ist das Existenzproblem von einer konsistenten Stable Expansion Σ p 2-vollständig. Das Komplement von dem Problem kann polynomiell in das Problem für cautious reasoning transformiert werden. Folglich hat eine Prämissenmenge keine konsistente Stable Expansion gdw. ein Element in jeder Stable Expansion ist. 9
10 4 Referenzen [IP S] www2.informatik.hu-berlin.de/logik/lehre/ss05/luk/skript/skript p ps. [W 03] I.Wegner Komplexitätstheorie, Grenzen der Effizienz von Algorithmen, Springer- Verlag Berlin Heidelberg, [CW ] Celia Wrathall [CRN] GEORG GOTTLOB, Christian Doppler, Complexity Results for Nonmonotonic Logics, Technische Universität Wien Vienna, Austria. [N94] DOV M. GABBAY, C. J. HOGGER and J.A ROBINSON Handbook of Logic in Artifical Intelligence and Logic Programming, Volume 3 Nonmonotonic Reasoning and Uncertain Reasoning, CLARENDON PRESS. OXFORD
Lösungen 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
MehrEinführung in die Logik
Einführung in die Logik Klaus Madlener und Roland Meyer 24. April 2013 Inhaltsverzeichnis 1 Aussagenlogik 1 1.1 Syntax................................. 1 1.2 Semantik............................... 3 1.3
MehrWissenschaftliche Arbeitstechniken und Präsentation. NP-Vollständigkeit
Wissenschaftliche Arbeitstechniken und Präsentation Dominik Fakner, Richard Hentschel, Hamid Tabibian, den 20.01.2012 Inhalt Definitionen Definition Nachweis Beispiel Reduktion Komplexitätsklasse Befasst
MehrLogik für Informatiker Logic for Computer Scientists
Logik für Informatiker Logic for Computer Scientists Till Mossakowski Wintersemester 2014/15 Till Mossakowski Logik 1/ 13 Vollständigkeit der Aussagenlogik Till Mossakowski Logik 2/ 13 Objekt- und Metatheorie
MehrEinige Grundlagen der Komplexitätstheorie
Deterministische Polynomialzeit Einige Grundlagen der Komplexitätstheorie Ziel: NP-Vollständigkeit als ressourcenbeschränktes Analagon zur RE-Vollständigkeit. Komplexitätstheorie untersucht den Ressourcenbedarf
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 23. November 2017 INSTITUT FÜR THEORETISCHE 0 23.11.2017 Dorothea Wagner - Theoretische Grundlagen der Informatik INSTITUT FÜR THEORETISCHE KIT Die Forschungsuniversität
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 27. Vorlesung 08.02.2007 1 Komplexitätstheorie - Platzklassen Platzkomplexität Definition Simulation mehrerer Bänder Savitchs Theorem PSPACE
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
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
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 16.11.2010 INSTITUT FÜR THEORETISCHE INFORMATIK 0 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 25. November 2014 INSTITUT FÜR THEORETISCHE 0 KIT 25.11.2014 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrBerechenbarkeitstheorie 19. Vorlesung
1 Berechenbarkeitstheorie Dr. Institut für Mathematische Logik und Grundlagenforschung WWU Münster WS 15/16 Alle Folien unter Creative Commons Attribution-NonCommercial 3.0 Unported Lizenz. Erinnerung:
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
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
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
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?
Mehr12. Woche: Verifizierer, nicht-deterministische Turingmaschine, Klasse NP
12 Woche: Verifizierer, nicht-deterministische Turingmaschine, Klasse NP 12 Woche: Verifizierer, nicht-deterministische Turingmaschine, NP 254/ 333 Polynomielle Verifizierer und NP Ḋefinition Polynomieller
Mehr1.1 Motivation. Theorie der Informatik. Theorie der Informatik. 1.1 Motivation. 1.2 Syntax. 1.3 Semantik. 1.4 Formeleigenschaften. 1.
Theorie der Informatik 19. Februar 2014 1. Aussagenlogik I Theorie der Informatik 1. Aussagenlogik I Malte Helmert Gabriele Röger Universität Basel 19. Februar 2014 1.1 Motivation 1.2 Syntax 1.3 Semantik
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
MehrDie Prädikatenlogik erster Stufe: Syntax und Semantik
Die Prädikatenlogik erster Stufe: Syntax und Semantik 1 Mathematische Strukturen und deren Typen Definition 1.1 Eine Struktur A ist ein 4-Tupel A = (A; (R A i i I); (f A j j J); (c A k k K)) wobei I, J,
MehrSatz 1.18 (Kompaktheitssatz der Aussagenlogik)
Satz 1.18 (Kompaktheitssatz der Aussagenlogik) Σ F ist erfüllbar genau dann, wenn jede endliche Teilmenge von Σ erfüllbar ist. Σ F ist unerfüllbar genau dann, wenn es eine unerfüllbare endliche Teilmenge
MehrSS Juli Übungen zur Vorlesung Logik Blatt 11
SS 2011 06. Juli 2011 Übungen zur Vorlesung Logik Blatt 11 Prof. Dr. Klaus Madlener Abgabe bis 13. Juli 2011 10:00 Uhr 1. Aufgabe: [Axiomatisierung, Übung] 1. Definieren Sie eine Formel A n der Prädikatenlogik
MehrBerechenbarkeits- und Komplexitätstheorie
Berechenbarkeits- und Komplexitätstheorie Lerneinheit 5: Die Klasse NP Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Wintersemester 2015/2016 26.9.2015 Einleitung Thema dieser Lerneinheit
MehrKomplexitätstheorie WiSe 2008/09 in Trier. Henning Fernau Universität Trier
Komplexitätstheorie WiSe 2008/09 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Komplexitätstheorie Gesamtübersicht Organisatorisches / Einführung Motivation / Erinnerung / Fragestellungen
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 3. Aussagenlogik Syntax und Semantik der Aussagenlogik Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.16 Syntax der Aussagenlogik:
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
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 5. Dezember 2017 INSTITUT FÜR THEORETISCHE 0 05.12.2017 Dorothea Wagner - Theoretische Grundlagen der Informatik INSTITUT FÜR THEORETISCHE KIT Die Forschungsuniversität
MehrTHEORETISCHE INFORMATIK UND LOGIK
THEORETISCHE INFORMATIK UND LOGIK 9. Vorlesung: NP und NP-Vollständigkeit Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 10. Mai 2017 Rückblick PTime und LogSpace als mathematische Modelle
MehrTHEORETISCHE INFORMATIK UND LOGIK
Rückblick: Logelei Wir kehren zurück auf das Inselreich mit Menschen von Typ W (Wahrheitssager) und Typ L (Lügner). THEORETISCHE INFORMATIK UND LOGIK 14. Vorlesung: Modelltheorie und logisches Schließen
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Übung am 22.12.2011 INSTITUT FÜR THEORETISCHE 0 KIT 09.01.2012 Universität des Andrea Landes Schumm Baden-Württemberg - Theoretische und Grundlagen der Informatik
MehrEinführung in die Logik (Vorkurs)
Einführung in die Logik (Vorkurs) Jürgen Koslowski 2014-04-07 Ein Beispiel Familie A will im kommenden Jahr eine Waschmaschine, ein Auto und ein Moped anschaffen. Aber falls Herr A seinen üblichen Bonus
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
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 06. Dezember 2011 INSTITUT FÜR THEORETISCHE 0 KIT 06.12.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
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
MehrErfüllbarkeit von Formelmengen
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.6 Aussagenlogik Kompaktheit 75 Erfüllbarkeit von Formelmengen bisher nur Erfüllbarkeit einzelner Formeln betrachtet erweitere Begriff auf Mengen
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
MehrInformatik III - WS07/08
Informatik III - WS07/08 Kapitel 4 1 Informatik III - WS07/08 Prof. Dr. Dorothea Wagner dwagner@ira.uka.de Kapitel 4 : Komplexitätsklassen Informatik III - WS07/08 Kapitel 4 2 Sprachen, Probleme, Zeitkomplexität
MehrKESS - Die Komplexität evolutionär stabiler Strategien
KESS - Die Komplexität evolutionär stabiler Strategien Andreas Lochbihler Universität Karlsruhe (TH) 0..008 K. Etessami, A. Lochbihler: The computational complexity of evolutionarily stable strategies.
MehrDe Morgan sche Regeln
De Morgan sche Regeln Durch Auswerten der Wahrheitswertetabelle stellen wir fest, dass allgemeingültig ist; ebenso (p q) p q (p q) p q. Diese beiden Tautologien werden als die De Morgan schen Regeln bezeichnet,
MehrDefinition (Modus Ponens) Wenn A, dann B. A gilt Also, gilt B
Zusammenfassung der letzten LVA Wenn das Kind schreit, hat es Hunger Das Kind schreit Also, hat das Kind Hunger Fakt Korrektheit dieser Schlussfigur ist unabhängig von den konkreten Aussagen Einführung
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Komplexitätstheorie (VI) 20.07.2016 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 DTIME und NTIME / DSPACE und NSPACE DTIME(T(n)) ist die Klasse
MehrUniversität Heidelberg 12. April 2018 Institut für Informatik Klaus Ambos-Spies Nadine Losert. 2. Klausur zur Vorlesung Mathematische Logik
Universität Heidelberg 12. April 2018 Institut für Informatik Klaus Ambos-Spies Nadine Losert 2. Klausur zur Vorlesung Mathematische Logik Es können maximal 48 Punkte erworben werden. Die Klausur ist bestanden,
MehrTheorie der Informatik
Theorie der Informatik 1. Aussagenlogik I Malte Helmert Gabriele Röger Universität Basel 19. Februar 2014 Motivation Aufgabe von letzter Vorlesungsstunde Worin besteht das Geheimnis Ihres langen Lebens?
Mehrsubexponentielle Algorithmen (d.h. Laufzeiten wie z. B. 2 n oder
Wie schwer ist SAT? Ziel: Nachweis, dass SAT eines der schwersten Probleme in NP ist: SAT ist das erste bekannte Beispiel eines NP-vollständigen Problems. Demnach kann SAT mit bisher bekannten Techniken
MehrTHEORETISCHE INFORMATIK UND LOGIK
THEORETISCHE INFORMATIK UND LOGIK 14. Vorlesung: Modelltheorie und logisches Schließen Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 31. Mai 2017 Rückblick: Logelei Wir kehren zurück auf
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 13. Prädikatenlogik Der Satz von Herbrand Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Semantische Bäume Eine klassische
MehrPolynomielle Verifizierer und NP
Polynomielle Verifizierer und NP Definition Polynomieller Verifizierer Sei L Σ eine Sprache. Eine DTM V heißt Verifizierer für L, falls V für alle Eingaben w Σ hält und folgendes gilt: w L c Σ : V akzeptiert
MehrTHEORETISCHE INFORMATIK UND LOGIK
NP-vollständige Probleme THEORETISCHE INFORMATIK UND LOGIK 11. Vorlesung: NL und PSpace Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 19. Mai 2017 NP-vollständige Probleme = Probleme, die
MehrWas bisher geschah. wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min Disjunktion 2 max Negation 1 x 1 x Implikation 2 Äquivalenz 2 =
Was bisher geschah (Klassische) Aussagenlogik: Aussage Wahrheitswerte 0 (falsch) und 1 (wahr) Junktoren Syntax Semantik Stelligkeit Symbol Wahrheitswertfunktion wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min
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
MehrKlausur: Berechenbarkeit und Komplexität (Niedermeier/Chen/Froese/Sorge, Sommersemester 2016)
Technische Universität Berlin, Berlin, 28.07.2016 Name:... Matr.-Nr.:... Klausur: Berechenbarkeit und Komplexität (Niedermeier/Chen/Froese/Sorge, Sommersemester 2016) Einlesezeit: Bearbeitungszeit: Max.
MehrFormale Grundlagen der Informatik 1 Kapitel 21 P und NP
Formale Grundlagen der Informatik 1 Kapitel 21 Frank Heitmann heitmann@informatik.uni-hamburg.de 28. Juni Frank Heitmann heitmann@informatik.uni-hamburg.de 1/41 Die Klassen Probleme in P := {L es gibt
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
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
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
MehrTheorie der Informatik. Theorie der Informatik P und NP Polynomielle Reduktionen NP-Härte und NP-Vollständigkeit
Theorie der Informatik 13. Mai 2015 20. P, NP und polynomielle Reduktionen Theorie der Informatik 20. P, NP und polynomielle Reduktionen 20.1 P und NP Malte Helmert Gabriele Röger 20.2 Polynomielle Reduktionen
MehrKapitel 1.4. Exkurs: Entscheidbarkeit und Komplexität. Mathematische Logik (WS 2012/3) K. 1.4: Entscheidbarkeit und Komplexität 1/10
Kapitel 1.4 Exkurs: Entscheidbarkeit und Komplexität Mathematische Logik (WS 2012/3) K. 1.4: Entscheidbarkeit und Komplexität 1/10 Algorithmen Ein Algorithmus oder eine Rechenvorschrift ist ein effektives
MehrNotengebung. Teilnote Kreuzerlliste: 60% 69% 4; 70% 79% 3; 80% 89% 2; 90% 100% 1. Falls Sie weitere Fragen haben, bitte melden Sie sich bei mir.
Notengebung Die Gesamtnote für die Übung ergibt sich je zur Hälfte aus der Teilnote Kreuzerlliste und der Teilnote Zwischentest, gerundet auf freundliche Weise; für eine positive Benotung müssen beide
MehrKomplexitätstheorie Datenbanken und Deskriptive Komplexität
Tabellen von Elementen Komplexitätstheorie Datenbanken und Deskriptive Komplexität Helmut Veith Technische Universität München E: A B ========= 1 2 2 1 3 4 2 3 1 4 3 1 1 1 1 3 2 4 SQL: Anfragen über Tabellen
MehrFormale Systeme. Aussagenlogik: Syntax und Semantik. Prof. Dr. Bernhard Beckert, WS 2015/2016.
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2015/2016 Aussagenlogik: Syntax und Semantik KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK KIT Universita t des Landes Baden-Wu rttemberg und nationales Forschungszentrum
MehrAufgaben aus den Übungsgruppen 8(Lösungsvorschläge)
Universität des Saarlandes Theoretische Informatik (WS 2015) Fakultät 6.2 Informatik Team der Tutoren Aufgaben aus den Übungsgruppen 8(Lösungsvorschläge) 1 Berechenbarkeitstheorie Aufgabe 8.1 (Wahr oder
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:
MehrKlausur zur Vorlesung Mathematische Logik
Universität Heidelberg 13. Februar 2014 Institut für Informatik Prof. Dr. Klaus Ambos-Spies Dipl.-Math. Thorsten Kräling Klausur zur Vorlesung Mathematische Logik Musterlösung Aufgabe 1 (Aussagenlogik
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
MehrDank. Theoretische Informatik II. Teil VI. Vorlesung
Dank Vorlesung Theoretische Informatik II Bernhard Beckert Institut für Informatik Diese Vorlesungsmaterialien basieren zum Teil auf den Folien zu den Vorlesungen von Katrin Erk (gehalten an der Universität
MehrRucksackproblem und Verifizierbarkeit
Rucksackproblem und Verifizierbarkeit Gegeben: n Gegenstände mit Gewichten G={g 1,g 2,,g n } und Werten W={w 1,w 2,,w n } sowie zulässiges Gesamtgewicht g. Gesucht: Teilmenge S {1,,n} mit i i S unter der
MehrFormale Systeme. Prof. Dr. Bernhard Beckert, WS 2016/ KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2016/2017 Aussagenlogik: Tableaukalku l KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
MehrFormale Systeme. Prof. Dr. Bernhard Beckert, WS 2017/ KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2017/2018 Aussagenlogik: Tableaukalku l KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
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 Sommersemester 2007 B. Beckert Grundlagen d. Theoretischen Informatik:
MehrZusammenfassung der letzten LVA. Einführung in die Theoretische Informatik. Syntax der Aussagenlogik. Inhalte der Lehrveranstaltung
Zusammenfassung Zusammenfassung der letzten LVA Einführung in die Theoretische Informatik Wenn das Kind schreit, hat es Hunger Das Kind schreit Also, hat das Kind Hunger Christina Kohl Alexander Maringele
MehrKomplexitätstheorie WiSe 2011/12 in Trier. Henning Fernau Universität Trier
Komplexitätstheorie WiSe 2011/12 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Komplexitätstheorie Diskussion verschiedener Komplexitätsklassen: parameterisierte (Zeit-)Komplexität zugehörige
MehrWillkommen zur Vorlesung Komplexitätstheorie
Willkommen zur Vorlesung Komplexitätstheorie WS 2011/2012 Friedhelm Meyer auf der Heide V7, 5.12.2011 1 Themen 1. Turingmaschinen Formalisierung der Begriffe berechenbar, entscheidbar, rekursiv aufzählbar
MehrReelle Komplexität - Grundlagen II
Reelle Komplexität - Grundlagen II Julian Bitterlich Themenübersicht: Beziehungen zwischen den Komplexitätsklassen Savitchs Theorem conp und Charakterisierungen von NP und conp Reduktion, 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
MehrZusammenfassung der letzten LVA. Einführung in die Theoretische Informatik. Syntax der Aussagenlogik. Inhalte der Lehrveranstaltung
Zusammenfassung Zusammenfassung der letzten LVA Einführung in die Theoretische Informatik Christina Kohl Alexander Maringele Georg Moser Michael Schaper Manuel Schneckenreither Institut für Informatik
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
MehrProseminar Komplexitätstheorie P versus NP Wintersemester 2006/07. Nichtdeterministische Turingmaschinen und NP
Proseminar Komplexitätstheorie P versus NP Wintersemester 2006/07 Vortrag am 17.11.2006 Nichtdeterministische Turingmaschinen und NP Yves Radunz Inhaltsverzeichnis 1 Wiederholung 3 1.1 Allgemeines........................................
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.
MehrVorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: Komplexitätstheorie und effiziente Algorithmen. Wintersemester 2012/13
Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: und effiziente Algorithmen Wintersemester 2012/13 Prof. Barbara König Übungsleitung: Henning Kerstan & Sebastian Küpper Barbara
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)
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
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 Mathematik
Universität Hamburg Winter 2016/17 Fachbereich Mathematik Janko Latschev Grundlagen der Mathematik Lösungsskizzen 2 Präsenzaufgaben (P2) Wir betrachten drei Teilmengen der natürlichen Zahlen: - A = {n
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
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
MehrKapitel 4: Komplexitätstheorie Gliederung
Gliederung 0. Motivation und Einordnung 1. Endliche Automaten 2. Formale Sprachen 3. Berechnungstheorie 4. Komplexitätstheorie 4.1. Motivation und Grundbegriffe 4.2. Die Komplexitätsklassen P und NP 4.3.
MehrFormale Systeme. Aussagenlogik: Syntax und Semantik. Prof. Dr. Bernhard Beckert, WS 2017/2018
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2017/2018 Aussagenlogik: Syntax und Semantik KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
MehrKurt Mehlhorn und Adrian Neumann Max Planck Institute for Informatics and Saarland University 1. Dezember 2013
P versus NP Kurt Mehlhorn und Adrian Neumann Max Planck Institute for Informatics and Saarland University 1. Dezember 2013 Gliederung Informelle Formulierung des P = NP Problems Das Erfüllbarkeitsproblem
MehrTheoretische Informatik 1
Theoretische Informatik 1 Vollständigkeit 1 David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 20.05.2016 Übersicht Schwere Definition CIRCUIT-VALUE ist P-schwer
MehrNP-Vollständigkeit einiger Zahlprobleme
NP-Vollständigkeit einiger Zahlprobleme Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 22. Januar 2010 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Turingmaschinen und rekursiv aufzählbare Sprachen (V) 16.07.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Übersicht 1. Motivation 2. Terminologie
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)
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
MehrTheoretische Informatik II
Theoretische Informatik II Einheit 5.2 Das P N P Problem 1. Nichtdeterministische Lösbarkeit 2. Sind N P-Probleme handhabbar? 3. N P-Vollständigkeit Bei vielen schweren Problemen ist Erfolg leicht zu testen
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,
Mehr