Entscheidungsprobleme in der autoepistemischen Logik

Größe: px
Ab Seite anzeigen:

Download "Entscheidungsprobleme in der autoepistemischen Logik"

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

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

Mehr

Einführung in die Logik

Einführung 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

Mehr

Wissenschaftliche Arbeitstechniken und Präsentation. NP-Vollständigkeit

Wissenschaftliche 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

Mehr

Logik für Informatiker Logic for Computer Scientists

Logik 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

Mehr

Einige Grundlagen der Komplexitätstheorie

Einige Grundlagen der Komplexitätstheorie Deterministische Polynomialzeit Einige Grundlagen der Komplexitätstheorie Ziel: NP-Vollständigkeit als ressourcenbeschränktes Analagon zur RE-Vollständigkeit. Komplexitätstheorie untersucht den Ressourcenbedarf

Mehr

Theoretische Grundlagen der Informatik

Theoretische 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

Mehr

Informatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung

Informatik 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

Mehr

Einführung (1/3) Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (1) Vorlesungen zur Komplexitätstheorie.

Einführung (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

Mehr

Künstliche Intelligenz Logische Agenten & Resolution

Künstliche 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

Mehr

Theoretische Grundlagen der Informatik

Theoretische 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

Mehr

Theoretische Grundlagen der Informatik

Theoretische 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

Mehr

Berechenbarkeitstheorie 19. Vorlesung

Berechenbarkeitstheorie 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:

Mehr

Grundbegriffe für dreiwertige Logik

Grundbegriffe 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

Mehr

Kapitel L:II. II. Aussagenlogik

Kapitel 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

Mehr

Logik für Informatiker

Logik 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

Mehr

Das 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. 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?

Mehr

12. Woche: Verifizierer, nicht-deterministische Turingmaschine, Klasse NP

12. 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

Mehr

1.1 Motivation. Theorie der Informatik. Theorie der Informatik. 1.1 Motivation. 1.2 Syntax. 1.3 Semantik. 1.4 Formeleigenschaften. 1.

1.1 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

Mehr

Dank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Reduktion. Komplexitätsklassen.

Dank. 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

Mehr

Die Prädikatenlogik erster Stufe: Syntax und Semantik

Die 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,

Mehr

Satz 1.18 (Kompaktheitssatz der Aussagenlogik)

Satz 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

Mehr

SS Juli Übungen zur Vorlesung Logik Blatt 11

SS 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

Mehr

Berechenbarkeits- und Komplexitätstheorie

Berechenbarkeits- 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

Mehr

Komplexitätstheorie WiSe 2008/09 in Trier. Henning Fernau Universität Trier

Komplexitätstheorie 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

Mehr

Logik für Informatiker

Logik 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:

Mehr

Informatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung

Informatik 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

Mehr

Theoretische Grundlagen der Informatik

Theoretische 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

Mehr

THEORETISCHE INFORMATIK UND LOGIK

THEORETISCHE 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

Mehr

THEORETISCHE INFORMATIK UND LOGIK

THEORETISCHE 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

Mehr

Theoretische Grundlagen der Informatik

Theoretische 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

Mehr

Einführung in die Logik (Vorkurs)

Einführung 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

Mehr

Formale Grundlagen der Informatik 1 Kapitel 23 NP-Vollständigkeit (Teil 2)

Formale 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

Mehr

Theoretische Grundlagen der Informatik

Theoretische 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

Mehr

Was ist Logik? Was ist Logik? Aussagenlogik. Wahrheitstabellen. Geschichte der Logik eng verknüpft mit Philosophie

Was 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

Mehr

Erfüllbarkeit von Formelmengen

Erfüllbarkeit 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

Mehr

Tableaukalkül für Aussagenlogik

Tableaukalkül 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

Mehr

Informatik III - WS07/08

Informatik 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

Mehr

KESS - Die Komplexität evolutionär stabiler Strategien

KESS - 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.

Mehr

De Morgan sche Regeln

De 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,

Mehr

Definition (Modus Ponens) Wenn A, dann B. A gilt Also, gilt B

Definition (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

Mehr

Grundlagen der Theoretischen Informatik

Grundlagen 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

Mehr

Universität 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 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,

Mehr

Theorie der Informatik

Theorie 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?

Mehr

subexponentielle Algorithmen (d.h. Laufzeiten wie z. B. 2 n oder

subexponentielle 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

Mehr

THEORETISCHE INFORMATIK UND LOGIK

THEORETISCHE 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

Mehr

Logik für Informatiker

Logik 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

Mehr

Polynomielle Verifizierer und NP

Polynomielle 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

Mehr

THEORETISCHE INFORMATIK UND LOGIK

THEORETISCHE 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

Mehr

Was 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. 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

Mehr

abgeschlossen unter,,,, R,

abgeschlossen 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

Mehr

Klausur: Berechenbarkeit und Komplexität (Niedermeier/Chen/Froese/Sorge, Sommersemester 2016)

Klausur: 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.

Mehr

Formale Grundlagen der Informatik 1 Kapitel 21 P und NP

Formale 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

Mehr

2 Hennessy-Milner-Logik

2 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

Mehr

Allgemeingültige Aussagen

Allgemeingültige 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

Mehr

Formale Systeme. Das Erfu llbarkeitsproblem. Prof. Dr. Bernhard Beckert, WS 2017/2018

Formale 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

Mehr

Theorie der Informatik. Theorie der Informatik P und NP Polynomielle Reduktionen NP-Härte und NP-Vollständigkeit

Theorie 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

Mehr

Kapitel 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 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

Mehr

Notengebung. 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. 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

Mehr

Komplexitätstheorie Datenbanken und Deskriptive Komplexität

Komplexitätstheorie 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

Mehr

Formale Systeme. Aussagenlogik: Syntax und Semantik. Prof. Dr. Bernhard Beckert, WS 2015/2016.

Formale 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

Mehr

Aufgaben aus den Übungsgruppen 8(Lösungsvorschläge)

Aufgaben 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

Mehr

Logik für Informatiker

Logik 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:

Mehr

Klausur zur Vorlesung Mathematische Logik

Klausur 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

Mehr

Syntax. 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

Syntax. 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

Mehr

Dank. Theoretische Informatik II. Teil VI. Vorlesung

Dank. 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

Mehr

Rucksackproblem und Verifizierbarkeit

Rucksackproblem 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

Mehr

Formale Systeme. Prof. Dr. Bernhard Beckert, WS 2016/ KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft

Formale 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

Mehr

Formale Systeme. Prof. Dr. Bernhard Beckert, WS 2017/ KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft

Formale 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

Mehr

Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I

Grundlagen 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:

Mehr

Zusammenfassung der letzten LVA. Einführung in die Theoretische Informatik. Syntax der Aussagenlogik. Inhalte der Lehrveranstaltung

Zusammenfassung 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

Mehr

Komplexitätstheorie WiSe 2011/12 in Trier. Henning Fernau Universität Trier

Komplexitätstheorie 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

Mehr

Willkommen zur Vorlesung Komplexitätstheorie

Willkommen 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

Mehr

Reelle Komplexität - Grundlagen II

Reelle 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,

Mehr

Logik für Informatiker

Logik 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

Mehr

Zusammenfassung der letzten LVA. Einführung in die Theoretische Informatik. Syntax der Aussagenlogik. Inhalte der Lehrveranstaltung

Zusammenfassung 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

Mehr

Wozu formale Logik? Programmiersprachen Logik im Fingerhut. Formeln. Logik im Fingerhut (24. Januar 2005) Belegung und Interpretation

Wozu 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

Mehr

Proseminar Komplexitätstheorie P versus NP Wintersemester 2006/07. Nichtdeterministische Turingmaschinen und NP

Proseminar 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........................................

Mehr

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.

1 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)

Mehr

Jeder 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.) =?

Jeder 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.

Mehr

Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: Komplexitätstheorie und effiziente Algorithmen. Wintersemester 2012/13

Vorlesung 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

Mehr

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.

1 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)

Mehr

Übung Theoretische Grundlagen

Übung 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

Mehr

Deduktion in der Aussagenlogik. Semantische Folgerungsbeziehung. Zusammenhang zwischen semantischer und syntaktischer Folgerung

Deduktion 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

Mehr

Grundlagen der Mathematik

Grundlagen 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

Mehr

Grundbegriffe der mathematischen Logik

Grundbegriffe 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

Mehr

Deduktion in der Aussagenlogik

Deduktion 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

Mehr

Kapitel 4: Komplexitätstheorie Gliederung

Kapitel 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.

Mehr

Formale Systeme. Aussagenlogik: Syntax und Semantik. Prof. Dr. Bernhard Beckert, WS 2017/2018

Formale 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

Mehr

Kurt Mehlhorn und Adrian Neumann Max Planck Institute for Informatics and Saarland University 1. Dezember 2013

Kurt 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

Mehr

Theoretische Informatik 1

Theoretische 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

Mehr

NP-Vollständigkeit einiger Zahlprobleme

NP-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

Mehr

Grundlagen der Theoretischen Informatik

Grundlagen 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

Mehr

Syntax der Aussagenlogik. Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen. Formel als Syntaxbaum. Teilformel A 3 A 1 A 4

Syntax 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)

Mehr

Logische Äquivalenz. Definition Beispiel 2.23

Logische 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

Theoretische Informatik II

Theoretische 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

Mehr

Vorlesung Logik Wintersemester 2017/18 Universität Duisburg-Essen

Vorlesung 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