Übungen zu Kognitive Systeme I

Größe: px
Ab Seite anzeigen:

Download "Übungen zu Kognitive Systeme I"

Transkript

1 Übungen zu Kognitive Systeme I Kognitive Systeme / WIAI / Uni Bamberg 26. Oktober 2005

2 Inhalt Listen und Mengen Input & Output Sonstiges 4 5

3 Die werden als Bonuspunkte auf die Klausur angerechnet. Die Vorlesung findet nächste Woche nicht statt (Allerheiligen) Die Übung findet nur bei Bedarf statt Bei Fragen:

4 Wie ist eigentlich not/1 implementiert?

5 Wie ist eigentlich not/1 implementiert? So: not(x) :- X,!, fail. not( ).

6 Wie ist eigentlich not/1 implementiert? So: not(x) :- X,!, fail. not( ). fail schlägt immer fehl.

7 Wie ist eigentlich not/1 implementiert? So: not(x) :- X,!, fail. not( ). fail schlägt immer fehl. (!) heißt so viel wie: An dieser Stelle keine anderen Möglichkeiten ausprobieren.

8 Wie ist eigentlich not/1 implementiert? So: not(x) :- X,!, fail. not( ). fail schlägt immer fehl. (!) heißt so viel wie: An dieser Stelle keine anderen Möglichkeiten ausprobieren. Genauer: Prolog führt in den Prädikaten eine Tiefensuche aus, falls es auf den Cut-Operator trifft, schneidet es alle anderen Möglichkeiten ab (daher der Name).

9 Bei der Benutzung von Cuts ist Vorsicht geboten. Es ist kein rein logischer Operator und seine Benutzung zerstört einige schöne Eigenschaften von Prolog. Z.B. spielt die Reihenfolge der Zeilen in der Eingabedatei jetzt eine Rolle.

10 Bei der Benutzung von Cuts ist Vorsicht geboten. Es ist kein rein logischer Operator und seine Benutzung zerstört einige schöne Eigenschaften von Prolog. Z.B. spielt die Reihenfolge der Zeilen in der Eingabedatei jetzt eine Rolle. Wichtigste Funktion: Unnötige Teile des Suchraums abschneiden.

11 Bei der Benutzung von Cuts ist Vorsicht geboten. Es ist kein rein logischer Operator und seine Benutzung zerstört einige schöne Eigenschaften von Prolog. Z.B. spielt die Reihenfolge der Zeilen in der Eingabedatei jetzt eine Rolle. Wichtigste Funktion: Unnötige Teile des Suchraums abschneiden. Man spricht auch von einem Green Cut.

12 Bei der Benutzung von Cuts ist Vorsicht geboten. Es ist kein rein logischer Operator und seine Benutzung zerstört einige schöne Eigenschaften von Prolog. Z.B. spielt die Reihenfolge der Zeilen in der Eingabedatei jetzt eine Rolle. Wichtigste Funktion: Unnötige Teile des Suchraums abschneiden. Man spricht auch von einem Green Cut. Einfaches Beispiel: minimum(x,y,x) :- X <= Y. minimum(x,y,y) :- X > Y.

13 Bei der Benutzung von Cuts ist Vorsicht geboten. Es ist kein rein logischer Operator und seine Benutzung zerstört einige schöne Eigenschaften von Prolog. Z.B. spielt die Reihenfolge der Zeilen in der Eingabedatei jetzt eine Rolle. Wichtigste Funktion: Unnötige Teile des Suchraums abschneiden. Man spricht auch von einem Green Cut. Einfaches Beispiel: minimum(x,y,x) :- X <= Y,!. minimum(x,y,y) :- X > Y,!.

14 Red Cut Wenn x y nicht stimmt, wird das zweite Prädikat gar nicht mehr angesehen. Die Implementation ist also effizienter, ohne logisch etwas zu verändern (technisch gesprochen: Die Ergebnismenge wurde nicht verändert).

15 Red Cut Wenn x y nicht stimmt, wird das zweite Prädikat gar nicht mehr angesehen. Die Implementation ist also effizienter, ohne logisch etwas zu verändern (technisch gesprochen: Die Ergebnismenge wurde nicht verändert). Aber es gibt natürlich auch einen Red Cut. Ein solcher verändert das Ergebnis und kann auch (bei falschem Einsatz) zu unerwünschten Ergebnissen führen.

16 Red Cut Wenn x y nicht stimmt, wird das zweite Prädikat gar nicht mehr angesehen. Die Implementation ist also effizienter, ohne logisch etwas zu verändern (technisch gesprochen: Die Ergebnismenge wurde nicht verändert). Aber es gibt natürlich auch einen Red Cut. Ein solcher verändert das Ergebnis und kann auch (bei falschem Einsatz) zu unerwünschten Ergebnissen führen. Beispiel: minimum(x,y,x) :- X <= Y,!. minimum(x,y,y). Was stimmt hier nicht?

17 Red Cut Wenn x y nicht stimmt, wird das zweite Prädikat gar nicht mehr angesehen. Die Implementation ist also effizienter, ohne logisch etwas zu verändern (technisch gesprochen: Die Ergebnismenge wurde nicht verändert). Aber es gibt natürlich auch einen Red Cut. Ein solcher verändert das Ergebnis und kann auch (bei falschem Einsatz) zu unerwünschten Ergebnissen führen. Beispiel: minimum(x,y,x) :- X <= Y,!. minimum(x,y,y). Was stimmt hier nicht? Was ist z.b. mit minimum(2,5,5).?

18 Listen und Mengen Input & Output Sonstiges Notation: intersection/3 Dreistelliges Prädikat mit Namen intersection intersection(+set1,+set2,-set3) Prädikat intersection, dass so aufgerufen werden soll, dass die ersten beiden Argumente fest sind und das letzte eine freie Variable member(?elem,?list) Prädikat, dass immer funktioniert, egal wie es aufgerufen wird.

19 Listen und Mengen Listen und Mengen Input & Output Sonstiges Unterschied: In einer Liste kann ein Element doppelt vorkommen Prädikate für Listen: append(?list1,?list2,?list3) List1 an List2 gehängt ergibt List3 member(?elem,?list) Elem ist ein Element von List last(?list,?elem) Elem ist das letzte Element von List reverse(+list1,-list2) List1 umgedreht ergibt List2 flatten(+list1,-list2) List2 ist List1 ganz ohne Schachtelungen

20 Listen und Mengen II Listen und Mengen Input & Output Sonstiges Prädikate für Mengen: is set(+set) Set ist eine Menge list to set(+list, -Set) Set ist die Menge der Elemente aus List intersection(+set1, +Set2, -Set3) Schnitt von Mengen substract(+set, +Delete, -Result) Mengendifferenz union(+set1, +Set2, -Set3) Vereinigungsmenge subset(+subset, +Set) Teilmenge

21 Input & Output Listen und Mengen Input & Output Sonstiges write(+term) Schreibt einen Term nach stdout read(-term) Liest einen Term von stdin nl Erzeugt Zeilenvorschub auf stdout

22 Sonstiges Listen und Mengen Input & Output Sonstiges trace(+pred) Ein Prädikat verfolgen (Debugging) findall(+template, +Goal, -Bag) Findet alle Möglichkeiten der Form Template, um Goal zu erfüllen setof(+template, +Goal, -Set) (Fast) wie findall, gibt aber eine Menge zurück.

23 Grobeinteilung: Uninformierte und Informierte Die beiden wichtigsten uninformierten Suchverfahren: Tiefensuche und Breitensuche Einfache Variante der Breitensuche (informiert): Uniform Cost Search Der wichtigste informierte Suchalgorithmus überhaupt: A* (siehe nächste Vorlesung)

24 Da wegen Allerheiligen die Vorlesung ausfällt, habt ihr zwei Wochen Zeit für den Bei Problemen: Forum der Fachschaft:

Übung zu Kognitive Systeme I

Übung zu Kognitive Systeme I Übung zu Kognitive Systeme I Prolog Stephan Weller (Stephan.Weller@wiai.uni-bamberg.de) Kognitive Systeme / WIAI / Uni Bamberg 1. November 2006 Inhalt Intro Was ist Prolog? Wie funktioniert Prolog? Rekursion

Mehr

PROLOG. Lernende Systeme WS 10/11 Crashkurs. Martin Sticht Stephan Weller

PROLOG. Lernende Systeme WS 10/11 Crashkurs. Martin Sticht Stephan Weller PROLOG Lernende Systeme WS 10/11 Crashkurs Martin Sticht Stephan Weller SWI Prolog http://www.swi-prolog.org Grundlegendes Grundkonstrukte Fakten Regeln Anfragen Fakten und Regeln kommen in die Programm-Datei

Mehr

Künstliche Intelligenz

Künstliche Intelligenz Künstliche Intelligenz Prolog - Rekursion, Backtracking Claes Neuefeind Sprachliche Informationsverarbeitung Universität zu Köln 14. Dezember 2011 Wiederholung Backtracking Praxis Hausaufgaben & Seminarplan

Mehr

Übungen zu Kognitive Systeme I

Übungen zu Kognitive Systeme I Übungen zu Kognitive Systeme I Kognitive Systeme / WIAI / Uni Bamberg 14. Oktober 2005 Inhalt 1 2 3 4 5 6 Ablauf der Übungen Ablauf SWI-Prolog Ab nächster Woche wird es Übungszettel geben Ablauf der Übungen

Mehr

Übungen zu Kognitive Systeme I

Übungen zu Kognitive Systeme I Übungen zu Kognitive Systeme I Stephan Weller (Stephan.Weller@wiai.uni-bamberg.de) Kognitive Systeme / WIAI / Uni Bamberg 19. Oktober 2005 Inhalt Intro Was ist Prolog? Wie funktioniert Prolog? Rekursion

Mehr

Modellierung: Relation (Beziehungen)

Modellierung: Relation (Beziehungen) Modellierung: Relation (Beziehungen) Hans besitzt das Fahrrad. besitzen Gegenstände x Menschen Gegenstände Fahrrad Kleingeld Villa Menschen Hans Hans Fritz [Villa, Hans] besitzen besitzen(villa, Hans)

Mehr

Das Programm ist deterministisch: es gibt für jedes Ziel höchstens eine Klausel, die zur erfolgreichen Ableitung des Zieles

Das Programm ist deterministisch: es gibt für jedes Ziel höchstens eine Klausel, die zur erfolgreichen Ableitung des Zieles Green Cuts Klauseln zum Mischen zweier geordneten Listen: merge ( [X Xs ], [Y Ys ], [X Zs ] ) : X < Y, merge ( Xs, [ Y Ys ], Zs ). (1) merge ( [X Xs ], [Y Ys ], [ X,Y Zs ] ) : X =:= Y, merge (Xs, Ys, Zs

Mehr

13.2) Implementieren Sie nun das Prädikat differenz/3 indem nur Elemente vorkommen die exklusiv in L1 vorkommen. L1=[1,2,3,4],L2=[3,4,5,6],L3=[1,2]

13.2) Implementieren Sie nun das Prädikat differenz/3 indem nur Elemente vorkommen die exklusiv in L1 vorkommen. L1=[1,2,3,4],L2=[3,4,5,6],L3=[1,2] Aufgabenblatt 6: Einführung in das Symbolische Programmieren CIS, WS 2010 ===================================================================== Lösung Aufgabe 13 13.1) Gegeben seinen zwei Listen, L1 und

Mehr

Reihenfolge von Klauseln

Reihenfolge von Klauseln Reihenfolge von Klauseln Bei der Programmierung in Prolog steht grundsätzlich die Repräsentation logischer Zusammenhänge im Vordergrund. Nichtsdestotrotz ist es unvermeidbar, die Mechanismen der Abarbeitung

Mehr

Für ist Element von und ist nicht Element von schreibt man: 2

Für ist Element von und ist nicht Element von schreibt man: 2 3 Mengen, Logik Jörn Loviscach Versionsstand: 2. Dezember 2011, 16:25 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.j3l7h.de/videos.html This work

Mehr

Mengen, Logik. Jörn Loviscach. Versionsstand: 17. Oktober 2009, 17:42

Mengen, Logik. Jörn Loviscach. Versionsstand: 17. Oktober 2009, 17:42 Mengen, Logik Jörn Loviscach Versionsstand: 17. Oktober 2009, 17:42 1 Naive Mengenlehre Mengen sind die Grundlage fast aller mathematischen Objekte. Ob die Zahl 7, ein Kreis in der Ebene, die Relation

Mehr

Logische und funktionale Programmierung

Logische und funktionale Programmierung Logische und funktionale Programmierung Vorlesung 8: Arithmetik, Listenprädikate, weitere Prolog Prädikate Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 1/67 ARITHMETIK

Mehr

3 Mengen, Logik. 1 Naive Mengenlehre

3 Mengen, Logik. 1 Naive Mengenlehre 3 Mengen, Logik Jörn Loviscach Versionsstand: 21. September 2013, 15:53 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html This work is

Mehr

Universität Koblenz-Landau Fachbereich Informatik Klausur KI-Programmierung WS 2007/2008. Jun.-Prof. Dr. B. Beckert. 21.

Universität Koblenz-Landau Fachbereich Informatik Klausur KI-Programmierung WS 2007/2008. Jun.-Prof. Dr. B. Beckert. 21. Name, Vorname: Matrikel-Nr.: Studiengang: Universität Koblenz-Landau Fachbereich Informatik Klausur KI-Programmierung WS 2007/2008 Jun.-Prof. Dr. B. Beckert 21. Februar 2008 Informatik (Diplom) Computervisualistik

Mehr

Fragen zum Nachdenken: Wie könnte man das Fehlen eines Attribut-Wertes interpretieren?

Fragen zum Nachdenken: Wie könnte man das Fehlen eines Attribut-Wertes interpretieren? Attribut-Werte-Paare Eine Eigenschaft kann beschrieben werden durch ein Paar [a,w]. Dabei bezeichnet a das Attribut und w den konkreten Wert aus dem Wertebereich W a des Attributs. Die Eigenschaften eines

Mehr

Grundlagen der KI + Reasoning Agents

Grundlagen der KI + Reasoning Agents Grundlagen der KI + Reasoning Agents Prof. Thielscher Welche heuristischen Suchverfahren gibt es? Erläutern Sie A* am Beispiel. Aufbau und Schlussfolgerungen von Bayesschen Netzen. Thielscher drängt auf

Mehr

Prolog: Listen und Cut. Mark Ugarov

Prolog: Listen und Cut. Mark Ugarov Prolog: Listen und Cut Mark Ugarov Übersicht Wiederholung und Anwendung Wie nutzt man? Listen Cut Anwendungsbeispiele immer parallel Wiederholung: Aufruf von Prolog-Programmen Notwendige Software: SWI

Mehr

Prolog by example. Carsten Rösnick

Prolog by example. Carsten Rösnick Prolog by example Carsten Rösnick Was ist Prolog? Programmation en Logique (1970er) Nutzer erstellt Datenbasis Definiert, was gilt in seinem Universum Closed-world assumption Inferenz Grundlagen (1) Ein

Mehr

Cut und Negation. Heute: if-then-else. Negation. Programmierkurs Prolog p.1

Cut und Negation. Heute: if-then-else. Negation. Programmierkurs Prolog p.1 Cut und Negation Heute: der Cut if-then-else Negation Programmierkurs Prolog p.1 Zur Erinnerung: Suchbäume p(x) :- a(x). p(x) :- b(x),c(x),d(x). p(x) :- f(x). a(1). p(i1) b(1). c(1). a(i1) b(i1), c(i1),

Mehr

Logische und funktionale Programmierung

Logische und funktionale Programmierung Logische und funktionale Programmierung Vorlesung 10: Prolog - Das Prädikat CUT Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 12. Dezember 2016 1/38 UNTERBINDEN

Mehr

Einführung in die Methoden der Künstlichen Intelligenz. Klausurvorbereitung Überblick, Fragen,...

Einführung in die Methoden der Künstlichen Intelligenz. Klausurvorbereitung Überblick, Fragen,... Einführung in die Methoden der Künstlichen Intelligenz Klausurvorbereitung Überblick, Fragen,... PD Dr. David Sabel SoSe 2014 Stand der Folien: 18. Juli 2014 Klausur Termin: Donnerstag 31. Juli um 9.15h

Mehr

Flüsse und Schnitte von Graphen

Flüsse und Schnitte von Graphen Flüsse und Schnitte von Graphen Christian Koch Friedrich-Alexander-Universität Erlangen-Nürnberg 2. Juni 27 Christian Koch Flüsse und Schnitte 2. Juni 27 / 29 Gliederung Flüsse Allgemeines Maximaler Fluss

Mehr

Uninformierte Suche in Java Informierte Suchverfahren

Uninformierte Suche in Java Informierte Suchverfahren Uninformierte Suche in Java Informierte Suchverfahren Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Suchprobleme bestehen aus Zuständen

Mehr

Künstliche Intelligenz Einführung in Prolog

Künstliche Intelligenz Einführung in Prolog Künstliche Intelligenz Einführung in Prolog Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik versität zu Köln Backtracking Backtracking uninformiertes, universelles

Mehr

Übung 4: Aufgaben in Prolog: Aufgaben trenne(+eingabeliste, -ZahlenListe, -NichtzahlenListe)

Übung 4: Aufgaben in Prolog: Aufgaben trenne(+eingabeliste, -ZahlenListe, -NichtzahlenListe) Intelligente Agenten SS 2007 Prof. Dr. Heiner Klocke Übung 4: Aufgaben in Prolog: Aufgaben 7-10 05.07.2007 Aufgabe 7 ( trenne ) Schreiben Sie ein Programm trenne(+eingabeliste, -ZahlenListe, -NichtzahlenListe)

Mehr

Gegeben sei die folgende Prolog Datenbank mit Fakten der Form

Gegeben sei die folgende Prolog Datenbank mit Fakten der Form Aufgabenblatt 7: Einführung in das Symbolische Programmieren CIS, WS 2010 ===================================================================== Abgabe: Am Montag, 6.12. 8.00 Uhr durch die Abgabemaske auf

Mehr

Künstliche Intelligenz Unifikation, Backtracking, Rekursion und Listen in Prolog

Künstliche Intelligenz Unifikation, Backtracking, Rekursion und Listen in Prolog Künstliche Intelligenz fikation, Backtracking, Rekursion und Listen in Prolog Stephan Schwiebert WS 2008/2009 Sprachliche Informationsverarbeitung Institut für Linguistik versität zu Köln Aufgabe: Stammbaum

Mehr

8.1 Blinde Suche. Grundlagen der Künstlichen Intelligenz. Klassische Suche: Überblick. 8. Klassische Suche: Breitensuche und uniforme Kostensuche

8.1 Blinde Suche. Grundlagen der Künstlichen Intelligenz. Klassische Suche: Überblick. 8. Klassische Suche: Breitensuche und uniforme Kostensuche Grundlagen der Künstlichen Intelligenz 17. März 2014 8. Klassische Suche: Breitensuche und uniforme Kostensuche Grundlagen der Künstlichen Intelligenz 8. Klassische Suche: Breitensuche und uniforme Kostensuche

Mehr

Arbeiten mit der Shell Teil 2

Arbeiten mit der Shell Teil 2 Arbeiten mit der Shell Teil 2 Linux-Kurs der Unix-AG Klaus Denker 5. November 2012 cat cat gibt den Inhalt von Dateien aus Wichtige Optionen: -A: nicht darstellbare Zeichen (Tabs, Zeilenumbrüche, etc.)

Mehr

Große Lösungsräume. Leon Schmidtchen Hallo Welt Seminar - LS Leon Schmidtchen Große Lösungsräume Hallo Welt Seminar - LS2

Große Lösungsräume. Leon Schmidtchen Hallo Welt Seminar - LS Leon Schmidtchen Große Lösungsräume Hallo Welt Seminar - LS2 Große Lösungsräume Leon Schmidtchen 1.06.201 Hallo Welt Seminar - LS 2!1 Gliederung Motivation Brute Force Backtracking Pruning Leon Schmidtchen Branch & Bound 1.06.201 Hallo Welt Seminar - LS 2 Wann soll

Mehr

Übung zu Grundlagen der Logik und Logik-Programmierung

Übung zu Grundlagen der Logik und Logik-Programmierung Übung zu Grundlagen der Logik und Logik-Programmierung Übungsblatt 4 (5.Übung) Florian Wittmann Uni Erlangen, Informatik 8 Inhalt 1 Aufgabe 4-1: Tiefensuche 2 Aufgabe 4-2: Listen in Prolog 3 Aufgabe 4-3:

Mehr

Prolog 10. Kapitel: Cut und Negation

Prolog 10. Kapitel: Cut und Negation Zusammenfassung Kapitel 9 Prolog 10. Kapitel: Cut und Negation Dozentin: Wiebke Petersen Kursgrundlage: Learn Prolog Now (Blackburn, Bos, Striegnitz) Wir haben verschiedene Prädikate zur Analyse von zusammengesetzten

Mehr

Teil 8: Fortgeschrittene Techniken

Teil 8: Fortgeschrittene Techniken Einführung in das Programmieren Prolog Sommersemester 2006 Teil 8: Fortgeschrittene Techniken Version 1.0 Gliederung der LV Teil 1: Ein motivierendes Beispiel Teil 2: Einführung und Grundkonzepte Syntax,

Mehr

2 ZAHLEN UND VARIABLE

2 ZAHLEN UND VARIABLE Zahlen und Variable 2 ZAHLEN UND VARIABLE 2.1 Grundlagen der Mengenlehre Unter einer Menge versteht man die Zusammenfassung von unterscheidbaren Objekten zu einem Ganzen. Diese Objekte bezeichnet man als

Mehr

Mathematische Grundlagen I Logik und Algebra

Mathematische Grundlagen I Logik und Algebra Logik und Algebra Dr. Tim Haga 21. Oktober 2016 1 Aussagenlogik Erste Begriffe Logische Operatoren Disjunktive und Konjunktive Normalformen Logisches Schließen Dr. Tim Haga 1 / 21 Präliminarien Letzte

Mehr

a :- b,c. % (1) a :- e,f. % (2) (2) (9) (6) (9) (6) Call: (8) a Call: (9) b Fail:(10) g Redo:?-a (9) b Exit:(10) e Exit:(10) h

a :- b,c. % (1) a :- e,f. % (2) (2) (9) (6) (9) (6) Call: (8) a Call: (9) b Fail:(10) g Redo:?-a (9) b Exit:(10) e Exit:(10) h a :- b,c. % (1) a :- e,f. % (2) trace b :- g,h. % (3) b :- e,h. % (4) c.?-a % (5) a :- b,c. e. % (6) Call a f :- g. % (7) Call b b:- g,h. (1) f :- e % (8) (2) Exit b Call c h. % (9) Call g b c e f Fail

Mehr

Teil 4: Rekursion und Listen

Teil 4: Rekursion und Listen Einführung in das Programmieren Prolog Sommersemester 2006 Teil 4: Rekursion und Listen Version 1.0 Gliederung der LV Teil 1: Ein motivierendes Beispiel Teil 2: Einführung und Grundkonzepte Syntax, Regeln,

Mehr

Unterschiede in Dateien mit diff

Unterschiede in Dateien mit diff Unterschiede in Dateien mit diff diff datei1 datei2 vergleicht die Inhalte der beiden Dateien zeilenweise (bei Verzeichnissen die enthaltenen Dateien) und gibt die sich unterscheidenen Zeilen auf stdout

Mehr

Built-In Prädikate Input/Output

Built-In Prädikate Input/Output Built-In Prädikate Input/Output Nützliche Prädikate, die bereits in Prolog eingebaut sind Input/Output Komplexere Programme: 8 Damen Problem in Lösungsvarianten Acht Damen Problem http://de.wikipedia.org/wiki/damenproblem

Mehr

Einführung in PROLOG IV Listen

Einführung in PROLOG IV Listen Einführung in PROLOG IV Listen Beispiele für Listen in PROLOG: 1. [mia, vincent, jules, yolanda] 2. [mia, robber(honey_bunny), X, 2, mia] 3. [] 4. [mia, [vincent, jules], [butch, girlfriend(butch)]] 5.

Mehr

Terme. Heute: Terme vergleichen. Struktur von Termen. Operatoren. Logik in der Praxis Logikprogrammierung (Prolog) p.1

Terme. Heute: Terme vergleichen. Struktur von Termen. Operatoren. Logik in der Praxis Logikprogrammierung (Prolog) p.1 Terme Heute: Terme vergleichen Struktur von Termen Operatoren Logik in der Praxis Logikprogrammierung (Prolog) p.1 Termgleichheit: ==?- a == a.?- a == b. no?- X == Y. no?- X == X.?- X == a. no Logik in

Mehr

Mathematischer Vorbereitungskurs für das MINT-Studium

Mathematischer Vorbereitungskurs für das MINT-Studium Mathematischer Vorbereitungskurs für das MINT-Studium Dr. B. Hallouet b.hallouet@mx.uni-saarland.de WS 2016/2017 Vorlesung 3 MINT Mathekurs WS 2016/2017 1 / 21 Vorlesung 3 (Lecture 3) Einführung in die

Mehr

PROLOG Syntax. Einführung in PROLOG II. Atome. Variablen. Es gibt vier Arten von Termen: Atome. Zahlen. Variablen. Komplexe Terme

PROLOG Syntax. Einführung in PROLOG II. Atome. Variablen. Es gibt vier Arten von Termen: Atome. Zahlen. Variablen. Komplexe Terme PROLOG Syntax Es gibt vier Arten von Termen: Atome Variablen Atome Zahlen Variablen Komplexe Terme 1. uni, uni_hannover 2. KI Kurs, $ % 45 3. @=, ====> 1. X, Y 2. Variable, Output 3. _tag, _head 4. X_256

Mehr

10.1 Blinde Suche Blinde Suche. Grundlagen der Künstlichen Intelligenz Breitensuche: Einführung BFS-Tree. 10.

10.1 Blinde Suche Blinde Suche. Grundlagen der Künstlichen Intelligenz Breitensuche: Einführung BFS-Tree. 10. Grundlagen der Künstlichen Intelligenz 13. März 2015 10. Klassische Suche: Grundlagen der Künstlichen Intelligenz 10. Klassische Suche: Malte Helmert Universität asel 13. März 2015 10.1 linde Suche 10.2

Mehr

Technische Universität Berlin Fakultät IV - Elektrotechnik und Informatik. Schriftlicher Test - Teilklausur

Technische Universität Berlin Fakultät IV - Elektrotechnik und Informatik. Schriftlicher Test - Teilklausur Klausur Künstliche Intelligenz: Grundlagen und Anwendungen, WiSe 2009 Seite 2 von 16 Technische Universität Berlin Fakultät IV - Elektrotechnik und Informatik Künstliche Intelligenz: Grundlagen und Anwendungen

Mehr

Terme. Programmierkurs Prolog p.1

Terme. Programmierkurs Prolog p.1 Terme Programmierkurs Prolog p.1 Heute: Terme vergleichen Struktur von Termen Operatoren Programmierkurs Prolog p.2 Termgleichheit:?- a a.?- a no?- X no b. Y.?- X X.?- X no a. Programmierkurs Prolog p.3

Mehr

C++ Teil 7. Sven Groß. 3. Juni Sven Groß (IGPM, RWTH Aachen) C++ Teil 7 3. Juni / 16

C++ Teil 7. Sven Groß. 3. Juni Sven Groß (IGPM, RWTH Aachen) C++ Teil 7 3. Juni / 16 C++ Teil 7 Sven Groß 3. Juni 2016 Sven Groß (IGPM, RWTH Aachen) C++ Teil 7 3. Juni 2016 1 / 16 Themen der letzten Vorlesung dynamische Speicherverwaltung (Wdh.) Cast bei Zeigern STL-Vektoren + Live Programming

Mehr

Übungen zu Softwareentwicklung III, Funktionale Programmierung

Übungen zu Softwareentwicklung III, Funktionale Programmierung Übungen zu Softwareentwicklung III, Funktionale Programmierung Blatt 8, Woche 9 Funktionen höherer Ordnung Leonie Dreschler-Fischer WS 2013/2014 Ausgabe: Freitag, 15.12.2013, Abgabe der Lösungen: bis Montag,

Mehr

C++ Teil 8. Sven Groß. 5. Dez IGPM, RWTH Aachen. Sven Groß (IGPM, RWTH Aachen) C++ Teil 8 5. Dez / 16

C++ Teil 8. Sven Groß. 5. Dez IGPM, RWTH Aachen. Sven Groß (IGPM, RWTH Aachen) C++ Teil 8 5. Dez / 16 C++ Teil 8 Sven Groß IGPM, RWTH Aachen 5. Dez 2014 Sven Groß (IGPM, RWTH Aachen) C++ Teil 8 5. Dez 2014 1 / 16 Themen der letzten Vorlesung Casts bei Zeigern dynamische Speicherverwaltung Vektoren Typedefs

Mehr

Klausur zur Vorlesung und Übung Deduktive Datenbanken (SS 2008)

Klausur zur Vorlesung und Übung Deduktive Datenbanken (SS 2008) Universität Würzburg Institut für Informatik Prof. Dr. Dietmar Seipel Würzburg, 11.07.2008 Klausur zur Vorlesung und Übung Deduktive Datenbanken (SS 2008) Datum: Freitag, 11.07.2008 Zeit: 13 30 15 00 Uhr

Mehr

Einführung in PROLOG 7 Kontextfreie Grammatiken

Einführung in PROLOG 7 Kontextfreie Grammatiken Einführung in PROLOG 7 Kontextfreie Grammatiken Der Erschaffer von PROLOG, Alain Colmerauer, war ein Computer-Linguist. Daher ist die Computer-Linguistik immer noch das klassische Anwendungsfeld von PROLOG.

Mehr

Universität Koblenz-Landau Fachbereich Informatik Klausur Einführung in die Künstliche Intelligenz / WS 2003/2004. Jun.-Prof. Dr. B.

Universität Koblenz-Landau Fachbereich Informatik Klausur Einführung in die Künstliche Intelligenz / WS 2003/2004. Jun.-Prof. Dr. B. Universität Koblenz-Landau Fachbereich Informatik Klausur Einführung in die Künstliche Intelligenz / Künstliche Intelligenz für IM Name, Vorname: Matrikel-Nr.: Studiengang: WS 2003/2004 Jun.-Prof. Dr.

Mehr

DisMod-Repetitorium Tag 1

DisMod-Repetitorium Tag 1 DisMod-Repetitorium Tag 1 Aussagenlogik, Mengen 19. März 2018 1 Organisatorisches 2 Tipps zur Klausur 3 Aussagenlogik Was gehört in die Aussagenlogik, was nicht? Notationen für viele Terme Belegungen,

Mehr

1 Inhalt der Vorlesung B-PS1

1 Inhalt der Vorlesung B-PS1 1 Inhalt der Vorlesung B-PS1 1.1 Tag 1 1.1.1 Vormittag Geschichte der Programmiersprachen Wie viele Programmiersprachen gibt es? https://en.wikipedia.org/wiki/list_of_programming_languages Esoterische

Mehr

Gedächtnisprotokoll Diplomprüfung Vertiefungsfach Wissenbasierte Systeme

Gedächtnisprotokoll Diplomprüfung Vertiefungsfach Wissenbasierte Systeme Gedächtnisprotokoll Diplomprüfung Vertiefungsfach Wissenbasierte Systeme Prüfungsinhalt: Artificial Intelligence (WS ) Knowledge Representation (SS 2002) Logikprogrammierung (WS) Prüfer: Lakemeyer Datum:

Mehr

Logische und funktionale Programmierung

Logische und funktionale Programmierung Logische und funktionale Programmierung Vorlesung 9: Prolog - Das Prädikat CUT Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 9. Dezember 2016 1/31 Läßt sich nämlich

Mehr

Mehr Listen und noch ein bisschen Arithmetik

Mehr Listen und noch ein bisschen Arithmetik Mehr Listen und noch ein bisschen Arithmetik append und was man damit machen kann Arithmetik in Prolog Restrekursive Prädikate Programmierkurs Prolog p.1 Listen konkatenieren?- append([1,2,3],[a,b,c],x).

Mehr

Gentzen-Kalküle. bestehen aus mehreren, recht komplexen Axiomen, und wenigen Schlußregel (für Aussagenlogik: nur einer, für Prädikatenlogik drei).

Gentzen-Kalküle. bestehen aus mehreren, recht komplexen Axiomen, und wenigen Schlußregel (für Aussagenlogik: nur einer, für Prädikatenlogik drei). Gentzen-Kalküle Axiomatische Systeme ( Hilbert Kalküle ): bestehen aus mehreren, recht komplexen Axiomen, und wenigen Schlußregel (für Aussagenlogik: nur einer, für Prädikatenlogik drei). Probleme mit

Mehr

C++ Teil 7. Sven Groß. 26. Nov IGPM, RWTH Aachen. Sven Groß (IGPM, RWTH Aachen) C++ Teil Nov / 18

C++ Teil 7. Sven Groß. 26. Nov IGPM, RWTH Aachen. Sven Groß (IGPM, RWTH Aachen) C++ Teil Nov / 18 C++ Teil 7 Sven Groß IGPM, RWTH Aachen 26. Nov 2014 Sven Groß (IGPM, RWTH Aachen) C++ Teil 7 26. Nov 2014 1 / 18 Themen der letzten Vorlesung Referenzen Zeiger Felder dynamische Speicherverwaltung Sven

Mehr

Einführung in die Methoden der Künstlichen Intelligenz. Suchverfahren / Uninformierte Suche

Einführung in die Methoden der Künstlichen Intelligenz. Suchverfahren / Uninformierte Suche Einführung in die Methoden der Künstlichen Intelligenz Suchverfahren / Uninformierte Suche PD Dr. David Sabel SoSe 0 Stand der Folien:. pril 0 Einführung Blind Search n-damen Missionare & Kannibalen Modellierung

Mehr

Tag 3. Funktionen. Num erfüllen, haben wir... ja, was nun eigentlich? Bei

Tag 3. Funktionen. Num erfüllen, haben wir... ja, was nun eigentlich? Bei Tag 3 Funktionen Heute werden wir den wichtigsten Typ (oder die wichtigste Klasse von Typen) in Haskell überhaupt genau unter die Lupe nehmen: Funktionen, die wir ansatzweise schon am letzten Tag kennengelernt

Mehr

Uninformierte Suche in Java Informierte Suchverfahren

Uninformierte Suche in Java Informierte Suchverfahren Uninformierte Suche in Java Informierte Suchverfahren Stephan Schwiebert WS 2008/2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln 8-Damen-Problem Gegeben: Schachbrett

Mehr

Programmier-Befehle - Woche 09

Programmier-Befehle - Woche 09 Zeiger und Iteratoren Zeiger (generell) Adresse eines Objekts im Speicher Wichtige Befehle: Definition: int* ptr = address of type int; (ohne Startwert: int* ptr = 0;) Zugriff auf Zeiger: ptr = otr ptr

Mehr

Mathematischer Vorbereitungskurs für das MINT-Studium

Mathematischer Vorbereitungskurs für das MINT-Studium Mathematischer Vorbereitungskurs für das MINT-Studium Dr. B. Hallouet b.hallouet@mx.uni-saarland.de SS 2017 Vorlesung 2 MINT Mathekurs SS 2017 1 / 23 Vorlesung 2 (Lecture 2) Einführung in die Mengenlehre.

Mehr

Grundlagen der Programmierung

Grundlagen der Programmierung GdP4 Slide 1 Grundlagen der Programmierung Vorlesung 4 vom 04.11.2004 Sebastian Iwanowski FH Wedel Grundlagen der Programmierung 1. Einführung Grundlegende Eigenschaften von Algorithmen und Programmen

Mehr

Vorlesung 3: Logik und Mengenlehre

Vorlesung 3: Logik und Mengenlehre 28102013 Erinnerung: Zeilen-Stufen-Form (ZSF) eines LGS 0 0 1 c 1 0 0 0 1 0 0 1 c r 0 0 0 c r+1 0 0 0 0 0 0 0 0 0 c m Erinnerung: Information der Zeilen-Stufen-Form Aus der ZSF liest man ab: Folgerung

Mehr

Wie wird ein Graph dargestellt?

Wie wird ein Graph dargestellt? Wie wird ein Graph dargestellt? Für einen Graphen G = (V, E), ob gerichtet oder ungerichtet, verwende eine Adjazenzliste A G : A G [i] zeigt auf eine Liste aller Nachbarn von Knoten i, wenn G ungerichtet

Mehr

Theoretische Informatik. Ackermann-Funktion. Ali Eyerta

Theoretische Informatik. Ackermann-Funktion. Ali Eyerta Theoretische Informatik Ackermann-Funktion Ali Eyerta Inhalt Entstehungsgeschichte Bedeutung in der Theoretischen Informatik Ackermanns Idee Ackermann-Funktion Anwendungen Benchmark für rekursive Aufrufe

Mehr

HM I Tutorium 1. Lucas Kunz. 27. Oktober 2016

HM I Tutorium 1. Lucas Kunz. 27. Oktober 2016 HM I Tutorium 1 Lucas Kunz 27. Oktober 2016 Inhaltsverzeichnis 1 Theorie 2 1.1 Logische Verknüpfungen............................ 2 1.2 Quantoren.................................... 3 1.3 Mengen und ihre

Mehr

Programmiersprache Prolog

Programmiersprache Prolog Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 6.2 Logikprogrammierung Prolog 240 Programmiersprache Prolog Prolog-Programm ist Liste von Fakten (einelementige Hornklausel) und Regeln (mehrelementige

Mehr

3 Boole'sche Algebra und Aussagenlogik

3 Boole'sche Algebra und Aussagenlogik 3 Boole'sche Algebra und Aussagenlogik 3- Boole'sche Algebra Formale Grundlagen der Informatik I Herbstsemester 22 Robert Marti Vorlesung teilweise basierend auf Unterlagen von Prof. emer. Helmut Schauer

Mehr

Dateien und Module. Heute: Ein- und Ausgabe. Module. Programmierkurs Prolog p.1

Dateien und Module. Heute: Ein- und Ausgabe. Module. Programmierkurs Prolog p.1 Dateien und Module Heute: Ein- und Ausgabe Module Programmierkurs Prolog p.1 Ausgabe auf den Bildschirm?- X= Hagrid, write( Hallo ), write(x). Hallo Hagrid X = Hagrid?- write(ron),nl,write(hermione). ron

Mehr

Arbeiten mit der Shell Teil 2

Arbeiten mit der Shell Teil 2 Arbeiten mit der Shell Teil 2 Linux-Kurs der Unix-AG Zinching Dang 22. November 2016 Übersicht Ausgaben umleiten Wiederholung & Vertiefung Shellbefehle Befehle & Optionen Beispielanwendung zu Pipes Zusammenfassung

Mehr

SS2010 BAI2-LBP Gruppe 1 Team 07 Entwurf zu Aufgabe 4. R. C. Ladiges, D. Fast 10. Juni 2010

SS2010 BAI2-LBP Gruppe 1 Team 07 Entwurf zu Aufgabe 4. R. C. Ladiges, D. Fast 10. Juni 2010 SS2010 BAI2-LBP Gruppe 1 Team 07 Entwurf zu Aufgabe 4 R. C. Ladiges, D. Fast 10. Juni 2010 Inhaltsverzeichnis 4 Aufgabe 4 3 4.1 Sich mit dem Programmpaket vertraut machen.................... 3 4.1.1 Aufgabenstellung.................................

Mehr

Lösungshinweise zu Blatt 8 und Blatt 9 GIN2-SS04

Lösungshinweise zu Blatt 8 und Blatt 9 GIN2-SS04 Lösungshinweise zu Blatt 8 und Blatt 9 GIN2-SS04 er Baum zum Zustandsgraphen UI UI 0 1 2 3 4 UI 5 6 7 8 UI UI UI UI UI 9 0 1 2 3 4 5 6 7 9 K30 K31 K32 K33 K35 K36 K37 K38 K39 K41 K42 K43 K44 K45 8 K34

Mehr

Das Damenproblem - funktional und logisch

Das Damenproblem - funktional und logisch - funktional und logisch 1 1 Technische Fakultät Universität Bielefeld 14.5.2014 / Seminar Programmiersprachen Gliederung Einleitung 1 Einleitung 2 3 Problembeschreibung Definition Definition Sei N eine

Mehr

f ist sowohl injektiv als auch surjektiv.

f ist sowohl injektiv als auch surjektiv. Bemerkungen: Wir erinnern uns an folgende Definitionen: Eine Funktion f : U V heißt injektiv, wenn gilt: ( x, y U)[x y f(x) f(y)] Eine Funktion f : U V heißt surjektiv, wenn gilt: ( y V x U)[y = f(x)]

Mehr

Abschätzung der Suchbaumgröße

Abschätzung der Suchbaumgröße Effiziente Algorithmen Lösen NP-vollständiger Probleme 263 Abschätzung der Suchbaumgröße Der Schätzwert für die Suchbaumgröße war 3529. Lassen wir das Programm laufen, ergibt sich, daß 1830 gültige Positionen

Mehr

Arbeiten mit der Shell Teil 2

Arbeiten mit der Shell Teil 2 Arbeiten mit der Shell Teil 2 Linux-Kurs der Unix-AG Zinching Dang 9. Mai 2017 Übersicht Wiederholung & Vertiefung Ausgaben umleiten Shellbefehle Befehle & Optionen Zusammenfassung & Ausblick Beispielanwendung

Mehr

Arbeiten mit der Shell Teil 2

Arbeiten mit der Shell Teil 2 Arbeiten mit der Shell Teil 2 Linux-Kurs der Unix-AG Zinching Dang 22. November 2017 Übersicht Wiederholung & Vertiefung Shellbefehle Ausgaben umleiten Befehle & Optionen Beispielanwendung zu Pipes Zusammenfassung

Mehr

Aufgabe 1 (Allgemeines)

Aufgabe 1 (Allgemeines) Klausur... Einführung in die Künstliche Intelligenz 1SS08 Aufgabe 1 (Allgemeines) (4 Punkte) a) In der Künstlichen Intelligenz unterscheidet man symbolische und subsymbolische Verfahren. Beschreibe diese

Mehr

Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 3, Donnerstag 6.

Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 3, Donnerstag 6. Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 3, Donnerstag 6. November 2014 (O-Notation, Theta, Omega) Junior-Prof. Dr. Olaf Ronneberger

Mehr

Grammatiken in Prolog

Grammatiken in Prolog 12. Grammatiken in Prolog 12-1 Grammatiken in Prolog Allgemeines: Gedacht zur Verarbeitung natürlicher Sprache. Dort braucht man kompliziertere Grammatiken als etwa im Compilerbau, andererseits sind die

Mehr

Der Dreyfus-Wagner Algorithmus für das Steiner Baum Problem

Der Dreyfus-Wagner Algorithmus für das Steiner Baum Problem Der Dreyfus-Wagner Algorithmus für das Steiner Baum Problem Andreas Moser Dietmar Ebner Christian Schauer Markus Bauer 9. Dezember 2003 1 Einführung Der in der Vorlesung gezeigte Algorithmus für das Steiner

Mehr

2 Logikprogrammierung am Beispiel Prolog

2 Logikprogrammierung am Beispiel Prolog 2 Logikprogrammierung am Beispiel Prolog 2.1 Logikprogrammierung mit einfachen Daten 2.2 Variablenumbenennung 2.3 Syntax 2.4 Komplexe Daten 2.5 Der Cut 2.6 Negation als Fehlschlag 2.7 Literaturhinweise

Mehr

Formale Logik. PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg. Wintersemester 16/17 Sitzung vom 14.

Formale Logik. PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg. Wintersemester 16/17 Sitzung vom 14. Formale Logik PD Dr. Markus Junker Abteilung für Mathematische Logik Universität Freiburg Wintersemester 16/17 Sitzung vom 14. Dezember 2016 Die formale Sprache der Prädikatenlogik: Zeichen Benutzt werden

Mehr

Manipulation der Datenbasis und Aufsammeln von Lösungen

Manipulation der Datenbasis und Aufsammeln von Lösungen Manipulation der Datenbasis und Aufsammeln von Lösungen Heute: eingebaute Prolog-Prädikate zur Manipulation der Datenbasis Programmiertechnik: Memoisierung eigebaute Prolog-Prädikate zum Aufsammeln von

Mehr

Pro Informatik 2009: Objektorientierte Programmierung Tag 18. Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik

Pro Informatik 2009: Objektorientierte Programmierung Tag 18. Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik Tag 18 Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik 09.09.2009 Agenda Tag 16 Datenstrukturen Abstrakte Datentypen, ADT Folge: Stack, Queue, Liste, ADT Menge: Bäume:

Mehr

Programmieren in C++

Programmieren in C++ Programmieren in C++ SS 2012 Vorlesung 7, Dienstag 19. Juni 2012 (Eingabe/Ausgabe, Optionen, ASSERT_DEATH) Prof. Dr. Hannah Bast Lehrstuhl für Algorithmen und Datenstrukturen Institut für Informatik Universität

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

Liste: beliebig lange, geordnete Sequenz von Termen. Kopf ist erstes Listenelement, Schwanz die restliche Liste

Liste: beliebig lange, geordnete Sequenz von Termen. Kopf ist erstes Listenelement, Schwanz die restliche Liste Listen Liste: beliebig lange, geordnete Sequenz von Termen.(Kopf, Schwanz) Kopf ist erstes Listenelement, Schwanz die restliche Liste leere Liste [] Ende der Liste wird durch [] gekennzeichnet Beispiel:

Mehr

Verfügbare arithmetische Operationen ( reelle Zahlen): +, -,, /, //, mod und ggf. weitere

Verfügbare arithmetische Operationen ( reelle Zahlen): +, -,, /, //, mod und ggf. weitere Prolog-Arithmetik Verfügbare arithmetische Operationen ( reelle Zahlen): +, -,, /, //, mod und ggf. weitere Verfügbare arithmetische Vergleichsoperationen: >, =, =

Mehr

Übersicht. Künstliche Intelligenz: 3. Problemlösen durch Suche Frank Puppe 1

Übersicht. Künstliche Intelligenz: 3. Problemlösen durch Suche Frank Puppe 1 Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Constraint-Probleme 6. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres

Mehr

C++ Teil 7. Sven Groß. 30. Nov Sven Groß (IGPM, RWTH Aachen) C++ Teil Nov / 13

C++ Teil 7. Sven Groß. 30. Nov Sven Groß (IGPM, RWTH Aachen) C++ Teil Nov / 13 C++ Teil 7 Sven Groß 30. Nov 2015 Sven Groß (IGPM, RWTH Aachen) C++ Teil 7 30. Nov 2015 1 / 13 Themen der letzten Vorlesung Zeiger, Felder (Wdh.) dynamische Speicherverwaltung Sven Groß (IGPM, RWTH Aachen)

Mehr

Informatik II, SS 2014

Informatik II, SS 2014 Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 11 (4.6.2014) Binäre Suchbäume II Algorithmen und Komplexität Binäre Suchbäume Binäre Suchbäume müssen nicht immer so schön symmetrisch sein

Mehr

Prolog 3. Kapitel: Rekursion

Prolog 3. Kapitel: Rekursion Zusammenfassung: Kapitel 2 Prolog 3. Kapitel: Rekursion Wir haben gelernt wie komplexe Strukturen durch Matching in Prolog aufgebaut werden können und wie die Beweisführung in Prolog funktioniert. Dozentin:

Mehr

Zustände und Knoten. Vorgänger Information: Tiefe = 4 ΣKosten=4 Expandiert: ja. Zustand Aktion: right. Aktion: down

Zustände und Knoten. Vorgänger Information: Tiefe = 4 ΣKosten=4 Expandiert: ja. Zustand Aktion: right. Aktion: down Zustände und Knoten Zustände: Schnappschüsse der Welt Knoten: Datenobjekte, welche Zustände repräsentieren und weitere Information enthalten Vorgängerknoten (im Baum 1) Nachfolgerknoten (im Baum b) mit

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume

Mehr