Theoretische Grundlagen des Software Engineering
|
|
|
- Insa Hase
- vor 8 Jahren
- Abrufe
Transkript
1 Theoretische Grundlagen des Software Engineering 7: Einführung Aussagenlogik
2 Logisches Schließen 2
3 gold +1000, 1 per step, Beispiel: Jage den Wumpus Performance measure death for using the arrow Sensors Stench in squares next to wumpus Breeze in squares adjacent to pit Glitter iff gold is in the same square Actuators Left turn Right turn Forward Shoot (kills wumpus if facing it) Grab (picks up gold if in same square) 3
4 Exploration der Wumpus- Welt 4
5 Exploration der Wumpus- Welt 4
6 Exploration der Wumpus- Welt 4
7 Exploration der Wumpus- Welt 4
8 Exploration der Wumpus- Welt 4
9 Exploration der Wumpus- Welt 4
10 Exploration der Wumpus- Welt 4
11 Exploration der Wumpus- Welt 4
12 Gewonnen! 5
13 Wumpus- Welt: Problematische Situationen Problem Breeze in (1,2) und (2,1) keine sichere Aktion 6
14 Wumpus- Welt: Problematische Situationen Problem Breeze in (1,2) und (2,1) keine sichere Aktion Möglicher Ansatz 8 Möglichkeiten haben gleiche Ausgangswahrscheinlichkeit 5 kompatibel mit Beobachtungen (2,2) hat Grube: Wahrscheinlichkeit p = 0, 8 (1,3) und (3,1) haben Gruben: Wahrscheinlichkeit je p = 0, 6 6
15 Wumpus- Welt: Problematische Situationen Problem Stench in (1,1) keine sicheres Feld 7
16 Wumpus- Welt: Problematische Situationen Problem Stench in (1,1) keine sicheres Feld Mögliche Lösung Schieße Pfeil Wumpus war da tot sicher Wumpus nicht da sicher 7
17 Wumpus- Welt: Problematische Situationen Strategien für problematische Situationen Aussagenlogik findet mögliche (sichere) Aktionen Problematische Situation, wenn keine der Aktionen sicher ist Lösungsstrategien basieren nicht auf Aussagenlogik 8
18 Wumpus- Welt: Problematische Situationen Strategien für problematische Situationen Aussagenlogik findet mögliche (sichere) Aktionen Problematische Situation, wenn keine der Aktionen sicher ist Lösungsstrategien basieren nicht auf Aussagenlogik Zunächst nicht weiter betrachtet 8
19 Formale Logik Syntax - Welche Formeln? Semantik - Wann ist eine Formel wahr (in einer Struktur)? Deduktionsmechanismus - Ableitung neuer wahrer Formeln 9
20 Formale Logik Syntax - Welche Formeln? Semantik - Wann ist eine Formel wahr (in einer Struktur)? Deduktionsmechanismus - Ableitung neuer wahrer Formeln Welche Formeln sollen ableitbar sein? 9
21 Logische Folgerung Definition: Logische Folgerung Formel A folgt logisch aus Formelmenge KB gdw. A ist wahr in allen Modellen, in denen KB wahr ist 10
22 Logische Folgerung Definition: Logische Folgerung Formel A folgt logisch aus Formelmenge KB gdw. A ist wahr in allen Modellen, in denen KB wahr ist Notation KB = A 10
23 Logische Folgerung Definition: Logische Folgerung Formel A folgt logisch aus Formelmenge KB gdw. A ist wahr in allen Modellen, in denen KB wahr ist Notation KB = A Anmerkung: Folgerbarkeit ist eine Beziehung zwischen Formeln (Syntax), die auf Semantik basiert 10
24 Logische Folgerung Beispiel Aus das Hemd ist grün und gestreift folgt logisch das Hemd ist grün 11
25 Logische Folgerung Beispiel Aus das Hemd ist grün und gestreift folgt logisch das Hemd ist grün Beispiel Aus den Axiomen der Arithmetik und x + y = 4 folgt logisch 4 = x + y 11
26 Modelle Intuition Modelle sind formale Strukturen, bzgl. derer die Wahrheit einer Formel ausgewertet werden kann 12
27 Modelle Intuition Modelle sind formale Strukturen, bzgl. derer die Wahrheit einer Formel ausgewertet werden kann Definition: Modell einer Formel m ist Modell einer Formel A, wenn A in m wahr ist 12
28 Modelle Intuition Modelle sind formale Strukturen, bzgl. derer die Wahrheit einer Formel ausgewertet werden kann Definition: Modell einer Formel m ist Modell einer Formel A, wenn A in m wahr ist Notation M(A) bezeichnet die Menge aller Modelle von A Also: KB = A gdw. M(KB) M(A) 12
29 Modelle: Beispiel M(KB) M(A) KB = Das Hemd ist grün und gestreift A = Das Hemd ist grün 13
30 Folgerungen in der Wumpus-Welt Situation nach nichts in [1,1], gehe rechts, Breeze in [2,1] Mögliche Modelle für? (betrachte nur Gruben) 3 boolesche Wahlmöglichkeiten 8 mögliche Modelle 14
31 Wumpus-Modelle 15
32 Wumpus-Modelle KB = Regeln der Wumpus-Welt + Beobachtungen 15
33 Wumpus-Modelle KB = A 1 KB = Regeln der Wumpus-Welt + Beobachtungen A 1 = [1,2] ist sicher 15
34 Wumpus-Modelle KB = Regeln der Wumpus-Welt + Beobachtungen 15
35 Wumpus-Modelle KB = A 2 KB = Regeln der Wumpus-Welt + Beobachtungen A 2 = [2,2] ist sicher 15
36 Ableitbarkeit Notation KB i A bedeutet Formel A kann aus KB mit Kalkül i abgeleitet werden 16
37 Ableitbarkeit Notation KB i A bedeutet Formel A kann aus KB mit Kalkül i abgeleitet werden Definition: Korrektheit (von i) Wenn KB i A, dann auch KB = A Definition: Vollständigkeit (von i) Wenn KB = A, dann auch KB i A 16
38 Syntax und Semantik der Aussagenlogik 17
39 Syntax der Aussagenlogik: Logische Zeichen 1 Symbol für den Wahrheitswert wahr 0 Symbol für den Wahrheitswert falsch 18
40 Syntax der Aussagenlogik: Logische Zeichen 1 Symbol für den Wahrheitswert wahr 0 Symbol für den Wahrheitswert falsch Negationssymbol ( nicht ) 18
41 Syntax der Aussagenlogik: Logische Zeichen 1 Symbol für den Wahrheitswert wahr 0 Symbol für den Wahrheitswert falsch Negationssymbol ( nicht ) Konjunktionssymbol ( und ) Disjunktionssymbol ( oder ) Implikationssymbol ( wenn... dann ) Symbol für Äquivalenz ( genau dann, wenn ) 18
42 Syntax der Aussagenlogik: Logische Zeichen 1 Symbol für den Wahrheitswert wahr 0 Symbol für den Wahrheitswert falsch Negationssymbol ( nicht ) Konjunktionssymbol ( und ) Disjunktionssymbol ( oder ) Implikationssymbol ( wenn... dann ) Symbol für Äquivalenz ( genau dann, wenn ) ( ) die beiden Klammern 18
43 Syntax der Aussagenlogik: Signatur Definition: Aussagenlogische Signatur Abzählbare Menge von Symbolen, etwa Σ = {P 0,..., P n } oder Σ = {P 0, P 1,...} 19
44 Syntax der Aussagenlogik: Signatur Definition: Aussagenlogische Signatur Abzählbare Menge von Symbolen, etwa oder Σ = {P 0,..., P n } Σ = {P 0, P 1,...} Bezeichnungen für Symbole in Σ atomare Aussagen Atome Aussagevariablen, aussagenlogische Variablen Propositionen 19
45 Formeln der Aussagenlogik Definition: Menge For0 Σ der Formeln über Σ Sei Σ eine Menge von Atomen. For0 Σ ist die kleinste Menge mit: 1 For0 Σ und 0 For0 Σ Σ For0 Σ Wenn A, B For0 Σ, dann sind auch A, (A B), (A B), (A B), (A B) Elemente von For0 Σ 20
46 Beispiel: Formeln aus der Wumpus-Welt Aussagenlogische Variablen P i,j bedeutet: B i,j bedeutet: Grube in [i, j] Luftzug in [i, j] P 1,1 B 1,1 B 2,1 21
47 Beispiel: Formeln aus der Wumpus-Welt Aussagenlogische Variablen P i,j bedeutet: B i,j bedeutet: Grube in [i, j] Luftzug in [i, j] P 1,1 B 1,1 B 2,1 Formeln Gruben bewirken Luftzug in angrenzenden Feldern P 1,2 (B 1,1 B 1,3 B 2,2 ) Luftzug in einem Feld gdw. es an eine Grube grenzt B 1,1 (P 1,2 P 2,1 ) B 2,1 (P 1,1 P 2,2 P 3,1 ) 21
48 Semantik der Aussagenlogik Sei Σ eine aussagenlogische Signatur Definition: Aussagenlogische Interpretation Eine Interpretation ist eine beliebige Abbildung I : Σ {true, false} 22
49 Semantik der Aussagenlogik Sei Σ eine aussagenlogische Signatur Definition: Aussagenlogische Interpretation Eine Interpretation ist eine beliebige Abbildung I : Σ {true, false} Beispiel A B C true true false (Bei drei Symbolen gibt es 8 mögliche Interpretationen) 22
50 Semantik der Aussagenlogik Definition: Auswertung von Formeln unter einer Interpretation Eine Interpretation I wird fortgesetzt zu einer Auswertungsfunktion val I : For0 Σ {true, false} durch: val I (1) = true val I (0) = false val I (P) = I(P) für P Σ 23
51 Semantik der Aussagenlogik und: und: val I ( A) = { false falls vali (A) = true true falls val I (A) = false { true falls vali (A) = true und val val I (A B) = I (B) = true false sonst { true falls vali (A) = true oder val val I (A B) = I (B) = true false sonst 24
52 Semantik der Aussagenlogik und: { true falls vali (A) = false oder val val I (A B) = I (B) = true false sonst und: { true falls vali (A) = val val I (A B) = I (B) false sonst 25
53 Wahrheitstafel für die logischen Operatoren A B A A B A B A B A B false false true false false true true false true true false true true false true false false false true false false true true false true true true true 26
54 Materielle Implikation Ex falso, Quodlibet Aus einer falschen (widersprüchlichen) Annahme kann man alles folgern 27
55 Materielle Implikation Ex falso, Quodlibet Aus einer falschen (widersprüchlichen) Annahme kann man alles folgern 0 A ist immer gültig Wenn der Staatshaushalt ausgeglichen ist, werden wir die Steuern senken 27
56 Modell einer Formel(menge) Definition: Modell einer Formel Eine Interpretation I ist Modell einer Formel A For0 Σ, falls val I (A) = true 28
57 Modell einer Formel(menge) Definition: Modell einer Formel Eine Interpretation I ist Modell einer Formel A For0 Σ, falls val I (A) = true Definition: Modell einer Formelmenge Eine Interpretation I ist Modell einer Formelmenge M For0 Σ, falls val I (A) = true für alle A M 28
58 Logische Folgerung Definition: Logische Folgerung Formel A folgt logisch aus Formelmenge KB gdw. alle Modelle von KB sind auch Modell von A Notation KB = A 29
59 Allgemeingültigkeit Definition: Allgemeingültigkeit/Tautologie Eine Formel A ist allgemeingültig ( eine Tautologie ), wenn sie in allen Interpretationen wahr ist. Wir schreiben: = A 30
60 Allgemeingültigkeit Definition: Allgemeingültigkeit/Tautologie Eine Formel A ist allgemeingültig ( eine Tautologie ), wenn sie in allen Interpretationen wahr ist. Wir schreiben: = A A A A A (A (A B)) B 1 Beispiele 30
61 Unerfüllbarkeit Definition: Unerfüllbarkeit Eine Formel A ist unerfülbar ( widersprüchlich ), wenn sie in allen Interpretationen falsch ist. 31
62 Unerfüllbarkeit Definition: Unerfüllbarkeit Eine Formel A ist unerfülbar ( widersprüchlich ), wenn sie in allen Interpretationen falsch ist. Beispiele A A (A A) A (A (A B)) B 0 31
63 Logische Äquivalenz Definition: Logische Äquivalenz Zwei Formeln sind logisch äquivalent, wenn sie in den gleichen Modellen wahr sind, d.h. α = β und β = α 32
64 Logische Äquivalenz Definition: Logische Äquivalenz Zwei Formeln sind logisch äquivalent, wenn sie in den gleichen Modellen wahr sind, d.h. α = β und β = α Notation α β 32
65 Logische Äquivalenz Definition: Logische Äquivalenz Zwei Formeln sind logisch äquivalent, wenn sie in den gleichen Modellen wahr sind, d.h. α = β und β = α Notation α β Beispiel (A B) ( B A) (Kontraposition) 32
66 Uniforme Notation Konjunktive Formeln: Typ α A A B (A B) (A B) Disjunktive Formeln: Typ β (A B) A B A B Raymond Smullyan 33
67 Uniforme Notation Zuordnungsregeln Formeln / Unterformeln α α 1 α 2 A B A B (A B) A B (A B) A B A A A 34
68 Uniforme Notation Zuordnungsregeln Formeln / Unterformeln α α 1 α 2 A B A B (A B) A B (A B) A B A A A β β 1 β 2 (A B) A B A B A B A B A B 34
69 Uniforme Notation Zuordnungsregeln Formeln / Unterformeln α α 1 α 2 A B A B (A B) A B (A B) A B A A A α ist wahr, wenn α 1 und α 2 wahr sind β ist wahr, wenn β 1 und β 2 wahr sind β β 1 β 2 (A B) A B A B A B A B A B 34
70 Uniforme Notation: Beispiel der Anwendung Alternative Art der Definition von val I { true falls val I (α) = false sonst vali (α 1 ) = true und val I (α 2 ) = true { true falls val I (β) = false sonst vali (β 1 ) = true oder val I (β 2 ) = true 35
71 Uniforme Notation: Beispiel der Anwendung Alternative Art der Definition von val I { true falls val I (α) = false sonst vali (α 1 ) = true und val I (α 2 ) = true { true falls val I (β) = false sonst vali (β 1 ) = true oder val I (β 2 ) = true Umfasst Definition von val I für alle Operatoren außer: 1, 0,, 35
72 Ein erster Kalkül: Wahrheitstafelmethode Beispielformel α = A B KB = (A C) (B C) Überprüfen ob KB = α A B C A C B C KB α false false false false false true false true false false true true true false false true false true true true false true true true 36
73 Ein erster Kalkül: Wahrheitstafelmethode Beispielformel α = A B KB = (A C) (B C) Überprüfen ob KB = α A B C A C B C KB α false false false false false false true true false true false false false true true true true false false true true false true true true true false true true true true true 36
74 Ein erster Kalkül: Wahrheitstafelmethode Beispielformel α = A B KB = (A C) (B C) Überprüfen ob KB = α A B C A C B C KB α false false false false true false false true true false false true false false true false true true true true true false false true true true false true true false true true false true true true true true true true 36
75 Ein erster Kalkül: Wahrheitstafelmethode Beispielformel α = A B KB = (A C) (B C) Überprüfen ob KB = α A B C A C B C KB α false false false false true false false false true true false false false true false false true false false true true true true true true false false true true true true false true true false false true true false true true true true true true true true true 36
76 Ein erster Kalkül: Wahrheitstafelmethode Beispielformel α = A B KB = (A C) (B C) Überprüfen ob KB = α A B C A C B C KB α false false false false true false false false false true true false false false false true false false true false true false true true true true true true true false false true true true true true false true true false false true true true false true true true true true true true true true true true 36
77 Ein erster Kalkül: Wahrheitstafelmethode Beispielformel α = A B KB = (A C) (B C) Überprüfen ob KB = α A B C A C B C KB α false false false false true false false false false true true false false false false true false false true false true false true true true true true true true false false true true true true true false true true false false true true true false true true true true true true true true true true true 36
78 Zusammenfassung Beispiel: Wumpus-Welt Logische Folgerung Modelle Definition: Korrektheit und Vollständigkeit Aussagenlogik Syntax Semantik - Interpretationen Semantik - Modelle und Folgerung Uniforme Notation 37
79 Aufgaben Sei KB = {((a b) (a c)), (b ( b))} and A = ((b c) (b c)). Zeigen oder widelegen Sie: KB = A Geben Sie zu KB und A equivalente Formulierungen, die nicht und enthalten. Welche der folgenden Aussagen ist wahr? Warum? Wenn eine Formel nicht allgemeingültig ist, dann ist sie unerfüllbar. Die Negation einer Tautologie ist widersprüchlich Wenn I eine Interpretation von A ist, dann ist I eine Interpretation von (A ( A)) Wenn I ein Modell von A ist, dann ist I ein Modell von (A ( A)) Wenn I eine Interpretation von A ist, dann ist I ein Modell von (A ( A)) 38
Logik für Informatiker
Vorlesung Logik für Informatiker 3. Aussagenlogik Einführung: Logisches Schließen im Allgemeinen Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Beispiel:
Logik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:
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:
Grundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.
Formeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur
Signatur Formeln Am Beispiel der Aussagenlogik erklären wir schrittweise wichtige Elemente eines logischen Systems. Zunächst benötigt ein logisches System ein Vokabular, d.h. eine Menge von Namen, die
Logische Folgerung. Definition 2.11
Logische Folgerung Definition 2.11 Sei 2A eine aussagenlogische Formel und F eine endliche Menge aussagenlogischer Formeln aus A. heißt logische Folgerung von F genau dann, wenn I ( ) =1für jedes Modell
Semantik von Formeln und Sequenzen
Semantik von Formeln und Sequenzen 33 Grundidee der Verwendung von Logik im Software Entwurf Syntax: Menge von Formeln = Axiome Ax K ist beweisbar Formel ϕ beschreiben Korrektkeit Vollständigkeit beschreibt
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:
Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter H. Schmitt David Farago, Christoph Scheben, Mattias Ulbrich Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt
2. Vorlesung. Slide 40
2. Vorlesung Slide 40 Knobelaufgabe Was tut dieses Programm? Informell Formal Wie stellt man dies sicher? knobel(a,b) { Wenn a = 0 dann return b sonst { solange b 0 wenn a > b dann { a := a - b sonst b
I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.
I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten
Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes)
Prädikatenlogik Man kann den natürlichsprachlichen Satz Die Sonne scheint. in der Prädikatenlogik beispielsweise als logisches Atom scheint(sonne) darstellen. In der Sprache der Prädikatenlogik werden
Erfüllbarkeit und Allgemeingültigkeit
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.3 Aussagenlogik Erfüllbarkeit 44 Erfüllbarkeit und Allgemeingültigkeit Def.: eine Formel ϕ heißt erfüllbar, wennesein I gibt, so dass I = ϕ
Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln
Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese
Zusammenfassung. Satz. 1 Seien F, G Boolesche Ausdrücke (in den Variablen x 1,..., x n ) 2 Seien f : B n B, g : B n B ihre Booleschen Funktionen
Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 6 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Satz 1 Seien F, G Boolesche Ausdrücke
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
Formale Systeme. Aussagenlogik: Syntax und Semantik. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK
Formale Systeme Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz
4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren:
4. AUSSAGENLOGIK: SYNTAX 4.1 Objektsprache und Metasprache 4.2 Gebrauch und Erwähnung 4.3 Metavariablen: Verallgemeinerndes Sprechen über Ausdrücke von AL 4.4 Die Sprache der Aussagenlogik 4.5 Terminologie
Ein kausaler Zusammenhang entspricht einer speziellen wahren Implikation. Beispiel: Wenn es regnet, dann wird die Erde nass.
Implikation Implikation Warum ist die Tabelle schwer zu schlucken? In der Umgangssprache benutzt man daraus folgt, also, impliziert, wenn dann, nur für kausale Zusammenhänge Eine Implikation der Form:
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
Theorie der Informatik
Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax
Einführung in. Logische Schaltungen
Einführung in Logische Schaltungen 1/7 Inhaltsverzeichnis 1. Einführung 1. Was sind logische Schaltungen 2. Grundlegende Elemente 3. Weitere Elemente 4. Beispiel einer logischen Schaltung 2. Notation von
Korrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
Diana Lange. Generative Gestaltung Operatoren
Diana Lange Generative Gestaltung Operatoren Begriffserklärung Verknüpfungsvorschrift im Rahmen logischer Kalküle. Quelle: google Operatoren sind Zeichen, die mit einer bestimmten Bedeutung versehen sind.
Binäre Suchbäume (binary search trees, kurz: bst)
Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.
Grundlagen der Informationverarbeitung
Grundlagen der Informationverarbeitung Information wird im Computer binär repräsentiert. Die binär dargestellten Daten sollen im Computer verarbeitet werden, d.h. es müssen Rechnerschaltungen existieren,
Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30
Formale Methoden II SS 2008 Universität Bielefeld Teil 8, 11. Juni 2008 Gerhard Jäger Formale Methoden II p.1/30 Beispiele Anmerkung: wenn der Wahrheitswert einer Formel in einem Modell nicht von der Belegungsfunktion
Nichtmonotones Schließen
Was bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen klassischer Aussagenlogik: Entscheidungstabellen, -bäume, -diagramme Wissensrepräsentation und -verarbeitung durch
Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
Einführung in die Fuzzy Logic
Einführung in die Fuzzy Logic Entwickelt von L. Zadeh in den 60er Jahren Benutzt unscharfe (fuzzy) Begriffe und linguistische Variablen Im Gegensatz zur Booleschen Logik {0,} wird das ganze Intervall [0,]
Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
Grundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 3: Alphabete (und Relationen, Funktionen, Aussagenlogik) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/18 Überblick Alphabete ASCII Unicode
3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik
Darstellung, Verarbeitung und Erwerb von Wissen 3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik DVEW WS 2004/05 c Gabriele Kern-Isberner 1 Stratifizierte Programme (Whlg.) Sei P ein
Was bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion
Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert
Rhetorik und Argumentationstheorie. [frederik.gierlinger@univie.ac.at]
![Rhetorik und Argumentationstheorie. [frederik.gierlinger@univie.ac.at]](/thumbs/38/18012562.jpg "Rhetorik und Argumentationstheorie. [frederik.gierlinger@univie.ac.at]")
Rhetorik und Argumentationstheorie 1 [frederik.gierlinger@univie.ac.at] Ablauf der Veranstaltung Termine 1-6 Erarbeitung diverser Grundbegriffe Termine 7-12 Besprechung von philosophischen Aufsätzen Termin
Softwarelösungen: Versuch 4
Softwarelösungen: Versuch 4 Nichtstun in Schleife wird ersetzt durch zeitweilige Zurücknahme der Anforderung, um es anderen Prozessen zu erlauben, die Ressource zu belegen: /* Prozess 0 */ wiederhole flag[0]
Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge
Lehrstuhl für Softwaretechnik und Programmiersprachen Professor Dr. Michael Leuschel Grundlagen der Theoretischen Informatik - Sommersemester 2012 Übungsblatt 1: Lösungsvorschläge Disclaimer: Bei Folgendem
Beweisbar sichere Verschlüsselung
Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6
1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
Grundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
Übung Theoretische Grundlagen
Übung Theoretische Grundlagen Berechenbarkeit/Entscheidbarkeit Nico Döttling November 26, 2009 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory
Erwin Grüner 09.02.2006
FB Psychologie Uni Marburg 09.02.2006 Themenübersicht Folgende Befehle stehen in R zur Verfügung: {}: Anweisungsblock if: Bedingte Anweisung switch: Fallunterscheidung repeat-schleife while-schleife for-schleife
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
Modallogik (aussagenlogisch)
Kapitel 2 Modallogik (aussagenlogisch) In diesem Abschnitt wird eine Erweiterung der Aussagenlogik um sogenannte Modalitäten behandelt. Damit erlangt man eine größere Aussagekraft der Sprache, allerdings
Also kann nur A ist roter Südler und B ist grüner Nordler gelten.
Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf
Lösung. Prüfungsteil 1: Aufgabe 1
Zentrale Prüfung 01 Lösung Diese Lösung wurde erstellt von Cornelia Sanzenbacher. Sie ist keine offizielle Lösung des Ministeriums für Schule und Weiterbildung des Landes. Prüfungsteil 1: Aufgabe 1 a)
Informationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
Wissensrepräsentation und -verarbeitung in Logiken. bereinigt Pränex Skolem ( -Eliminierung) Klausel (Menge von Klauseln, Notation ohne Quantoren)
Was bisher geschah Wissensrepräsentation und -verarbeitung in Logiken klassische Aussagenlogik klassische Prädikatenlogik: Wiederholung Syntax, Semantik Normalformen: bereinigt Pränex Skolem ( -Eliminierung)
1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
Der Aufruf von DM_in_Euro 1.40 sollte die Ausgabe 1.40 DM = 0.51129 Euro ergeben.
Aufgabe 1.30 : Schreibe ein Programm DM_in_Euro.java zur Umrechnung eines DM-Betrags in Euro unter Verwendung einer Konstanten für den Umrechnungsfaktor. Das Programm soll den DM-Betrag als Parameter verarbeiten.
Einrichtung HBCI mit PIN/TAN in VR-NetWorld-Software
Nach der Installation der VR-NetWorld- Software führt Sie ein Assistent durch die einzelnen Schritte. Sie können mit der Einrichtung einer Bankverbindung auch manuell starten. 1. Den Ersteinstieg - die
Künstliche Intelligenz Maschinelles Lernen
Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen
Lineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
Grammatiken. Einführung
Einführung Beispiel: Die arithmetischen Ausdrücke über der Variablen a und den Operationen + und können wie folgt definiert werden: a, a + a und a a sind arithmetische Ausdrücke Wenn A und B arithmetische
Grundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
Methoden der KI in der Biomedizin Logische Agenten 1
Methoden der KI in der Biomedizin Logische Agenten 1 Karl D. Fritscher Organisatorisches Voraussetzungen: Lehrstoff zu den Themengebieten: a. Einführung in die KI, Expertensysteme b. Problemlösung durch
50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich
Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes
5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56
5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten
QTrade GmbH Landshuter Allee 8-10 80637 München 089 381536860 info@qtrade.de Seite 1
QCentral - Ihre Tradingzentrale für den MetaTrader 5 (Wert 699 EUR) QTrade GmbH Landshuter Allee 8-10 80637 München 089 381536860 info@qtrade.de Seite 1 Installation A Haben Sie auf Ihrem PC nur einen
Einfache Ausdrücke Datentypen Rekursive funktionale Sprache Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at
Inhalt SWP Funktionale Programme (2. Teil) Einfache Ausdrücke Datentypen Rekursive funktionale Sprache Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at Interpreter für funktionale Sprache
Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen
5.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind zwei
Programmiersprachen und Übersetzer
Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch
7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
Abschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
Repetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
Mediator 9 - Lernprogramm
Mediator 9 - Lernprogramm Ein Lernprogramm mit Mediator erstellen Mediator 9 bietet viele Möglichkeiten, CBT-Module (Computer Based Training = Computerunterstütztes Lernen) zu erstellen, z. B. Drag & Drop
9. Übung Formale Grundlagen der Informatik
Institut für Informatik Sommersemester 2001 Universität Zürich 9. Übung Formale Grundlagen der Informatik Norbert E. Fuchs (fuchs@ifi.unizh.ch) Reinhard Riedl (riedl@ifi.unizh.ch) Nadine Korolnik (korolnik@ifi.unizh.ch)
1 Aussagenlogische Formeln
1 Aussagenlogische Formeln Aufgabe 1.1 Transformieren Sie die Formel in disjunktive Normalform (DNF). ((:A! :B) ^ D)! ((A _ C) $ (:B ^ D)) Lösung 1.1 Schrittweise Transformation: Schritt 1: ((:A! :B) ^
Übungskomplex Felder (1) Eindimensionale Felder Mehrdimensionale Felder
Übungskomplex Felder (1) Eindimensionale Felder Mehrdimensionale Felder Hinweise zur Übung Benötigter Vorlesungsstoff Ab diesem Übungskomplex wird die Kenntnis und praktische Beherrschung der Konzepte
1 Aussagenlogik und Mengenlehre
1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres
Erstellen der Barcode-Etiketten:
Erstellen der Barcode-Etiketten: 1.) Zuerst muss die Schriftart Code-39-Logitogo installiert werden! Das ist eine einmalige Sache und muss nicht zu jeder Börse gemacht werden! Dazu speichert man zunächst
Systeme 1. Kapitel 6. Nebenläufigkeit und wechselseitiger Ausschluss
Systeme 1 Kapitel 6 Nebenläufigkeit und wechselseitiger Ausschluss Threads Die Adressräume verschiedener Prozesse sind getrennt und geschützt gegen den Zugriff anderer Prozesse. Threads sind leichtgewichtige
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Was ist Logische Programmierung?
Was ist Logische Programmierung? Die Bedeutung eines Computer-Programms kann durch Logik erklärt werden. Die Idee der logischen Programmierung besteht darin, die Logik eines Programms selber als Programm
25 kann ohne Rest durch 5 geteilt werden! ist wahr
Lehrbrief 2: Lektion 8 - C -Praxis 4-1 - 5.2 Einfache Entscheidungen mit if und die Vergleichsoperatoren Nun tauchen wir immer tiefer in die Geheimnisse von C ein und beschäftigen uns mit einem sehr wichtigen
So gehts Schritt-für-Schritt-Anleitung
So gehts Schritt-für-Schritt-Anleitung Software WISO Mein Büro Thema Eigene Auswertungen, Tabellenauswertungen Version/Datum V 13.00.05.101 Über die Tabellen-Auswertungen ist es möglich eigene Auswertungen
Wissensbasierte Systeme
WBS4 Slide 1 Wissensbasierte Systeme Vorlesung 4 vom 03.11.2004 Sebastian Iwanowski FH Wedel WBS4 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien
Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
Grundlagen des Maschinellen Lernens Kap. 4: Lernmodelle Teil II
1. Motivation 2. Lernmodelle Teil I 2.1. Lernen im Limes 2.2. Fallstudie: Lernen von Patternsprachen 3. Lernverfahren in anderen Domänen 3.1. Automatensynthese 3.2. Entscheidungsbäume 3.3. Entscheidungsbäume
Einführung in das Programmieren Prolog Sommersemester 2006. Teil 2: Arithmetik. Version 1.0
Einführung in das Programmieren Prolog Sommersemester 2006 Teil 2: Arithmetik Version 1.0 Gliederung der LV Teil 1: Ein motivierendes Beispiel Teil 2: Einführung und Grundkonzepte Syntax, Regeln, Unifikation,
Erweiterung der Aufgabe. Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen:
VBA Programmierung mit Excel Schleifen 1/6 Erweiterung der Aufgabe Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen: Es müssen also 11 (B L) x 35 = 385 Zellen berücksichtigt
Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt?
Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt? Behandelte Fragestellungen Was besagt eine Fehlerquote? Welche Bezugsgröße ist geeignet? Welche Fehlerquote ist gerade noch zulässig? Wie stellt
Formale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK
Formale Systeme Prof. Dr. Bernhard Beckert WS / KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz Association
Übung Theoretische Grundlagen Nachtrag zur Vorlesung Dirk Achenbach 21.11.2013
Übung Theoretische Grundlagen Nachtrag zur Vorlesung Dirk Achenbach 21.11.2013 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory of the
Arbeitshilfe "Tipps für Gespräche mit Vorgesetzten und KollegInnen" Was gilt für mich?
Arbeitshilfe "Tipps für Gespräche mit Vorgesetzten und KollegInnen" Mit dieser Arbeitshilfe können Sie Gespäche über Veränderungen an Ihrem Arbeitsplatz wirkungsvoll vorbereiten. Tipps Bereiten Sie sich
Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
Wurzeln als Potenzen mit gebrochenen Exponenten. Vorkurs, Mathematik
Wurzeln als Potenzen mit gebrochenen Exponenten Zur Einstimmung Wir haben die Formel benutzt x m n = x m n nach der eine Exponentialzahl potenziert wird, indem man die Exponenten multipliziert. Dann sollte
Timed Automata (Zeitbeschriftete Automaten) [R. Alur: Timed Automata]
![Timed Automata (Zeitbeschriftete Automaten) [R. Alur: Timed Automata]](/thumbs/33/16440604.jpg "Timed Automata (Zeitbeschriftete Automaten) [R. Alur: Timed Automata]")
Timed Automata (Zeitbeschriftete Automaten) [R. Alur: Timed Automata] Formalismus zur Behandlung von Dense Time unterstützt durch Verifikationstools, z.b. UPPAAL Transitionssysteme (Automaten) mit Zeitbeschriftungen
Einfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
Grundlagen Theoretischer Informatik I SoSe 2011 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de
Grundlagen Theoretischer Informatik I SoSe 2011 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik I Gesamtübersicht Organisatorisches; Einführung Logik
Definition und Begriffe
Merkblatt: Das Dreieck Definition und Begriffe Das Dreieck ist ein Vieleck. In der Ebene ist es die einfachste Figur, die von geraden Linien begrenzt wird. Ecken: Jedes Dreieck hat drei Ecken, die meist
Prüfung Computation, Programming
Prüfung Computation, Programming 1. Computation: Reguläre Ausdrücke [5 Punkte] Zusammenfassung reguläre Ausdrücke a Das Zeichen a. Ein beliebiges Zeichen [abc] Ein beliebiges Zeichen aus der Menge {a,
Einführung in die Programmierung
: Inhalt Einführung in die Programmierung Wintersemester 2008/09 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund - mit / ohne Parameter - mit / ohne Rückgabewerte
Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
5. Aussagenlogik und Schaltalgebra
5. Aussagenlogik und Schaltalgebra Aussageformen und Aussagenlogik Boolesche Terme und Boolesche Funktionen Boolesche Algebra Schaltalgebra Schaltnetze und Schaltwerke R. Der 1 Aussagen Information oft
4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )
Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen