Ausdrucksstärke von monadischem Datalog auf Bäumen
|
|
- Margarete Küchler
- vor 7 Jahren
- Abrufe
Transkript
1 Ausdrucksstärke von monadischem Datalog auf Bäumen RWTH Aachen Seminar über Automaten für XML (WS 2005/06) 06. Dezember 2005 Druckversion
2 Worum es geht... Aufgabe: Selektieren von Knoten in Bäumen Anfragesprache: Monadisches Datalog
3 Gliederung 1 Einleitung 2 Monadisches Datalog auf Bäumen 3 Ausdrucksstärke 4 Zusammenfassung
4 Literatur Georg Gottlob and Christoph Koch. Monadic datalog and the expressive power of languages for web information extraction. JACM: Journal of the ACM, 51, Frank Neven and Thomas Schwentick. Query automata over finite trees. TCS: Theoretical Computer Science, 275, 2002.
5 Motivation Anfragemechanismen mit der Ausdrucksstärke von MSO-Anfragen: Anfrageautomaten [Neven, Schwentick] Boolesche Attributgrammatiken [Neven, van den Bussche] Nachteile: Keine Programmiersprachen für Anfragen Modellierung des gesamten Dokuments (Baums) notwendig Monadisches Datalog als Anfragesprache Arbeitet auf Relationen Effiziente Anfrageberechnung Core XPath kann effizient auf monadisches Datalog abgebildet werden
6 Bäume Annahme: Ein Baum t ist gegeben als relationale Struktur: t beschränkt (Baum t rk über der Signatur τ rk ): t rk = dom, root, leaf, (child k ) k K, (label a ) a Σ t unbeschränkt (Baum t ur über der Signatur τ ur ): t rk = dom, root, leaf, firstchild, nextsibling, lastsibling, (label a ) a Σ Folie 1
7 Monadisches Datalog - Syntax (1) Datalog-Ausdrücke Monadisches Datalog arbeitet auf Prädikaten (Relationen) Atomare Bausteine sind Datalog-Ausdrücke n-stelliger Datalog-Ausdruck: p(a 1,..., a n ) p: Prädikat a i : Variablen und Konstanten über dom (d. h. Wertebereich ist die Menge aller Baumknoten) Datalog-Fakt: variablenfreier Datalog-Ausdruck Unterscheide zwei Arten von Prädikaten (extensionale und intensionale Prädikate) Extensionale Prädikate: Prädikate über der Signatur τ rk bzw. τ ur bereits interpretiert durch gegebenen Baum t
8 Monadisches Datalog - Syntax (2) Monadische Datalog-Programme Monadisches Datalog-Programm P: Menge von Datalog-Regeln der Form h(x) b 1,..., b n. 1 h ist kein extensionales Prädikat 2 b i ist entweder ein extensionales Prädikat oder es gibt eine Regel der Form b i... P. 3 Für jede Regel mit Kopf h(x) tritt die Variable x auch im Rumpf in einem b i auf Regel mit Kopf h(x) definiert ein zusätzliches einstelliges Prädikat (intensionales Prädikat) Einstellige Prädikate entsprechen Markierungen von Baumknoten
9 Monadisches Datalog - Syntax (3) Anfragen Auszeichung eines intensionalen Prädikats q als Anfrageprädikat: Interpretation von q(x) ist die durch P bestimmte Auswahl von Baumknoten Beispiel Selektiere in einem binären Baum alle Knoten, die... mindestens einen mit a beschrifteten Knoten in ihrem linken Teilbaum haben und mindestens einen mit b beschrifteten Knoten in ihrem rechten Teilbaum haben. Folie 2
10 Fixpunktsemantik (1) Gegeben: monadisches Datalog-Programm P mit intensionalen Prädikaten p 1,..., p n T i p j : Menge der Baumknoten, die nach der i-ten Ausführung von P mit p j markiert sind T 0 p 1,..., T 0 p n := T i P := {p j(v) p j intensionales Präd., v T i p j } {p(a 1,..., a n ) t rk/ur } T i+1 p j := trans i p j (T i P )
11 Fixpunktsemantik (2) Auswertung: Funktion φ: Belegung der Variablen erweitert ϕ(a) = a für alle Konstanten a Auf Datalog-Ausdrücken: φ(p(a 1,..., a m )) := p(φ(a 1 ),..., φ(a m )). Transformationen: trans i p j : 2 Prim 2 dom trans i p j (X) = Tp i j {φ(x) dom t es gibt eine Regel p j (x) b 1,..., b n. P, so dass φ(b 1 ),..., φ(b n ) X} Folgen T 0 p j, T 1 p j, T 2 p j,... Fixpunkte T n p j = T n+1 p j Folge T 0 P, T 1 P, T 2 P,... Fixpunkt T n P = T n+1 P Es existiert stets kleinster Fixpunkt T ω P =: T ω p j =: T ω P
12 Zusammenfassung: Monadisches Datalog Monadisches Datalog: Praktische Anfragesprache über Bäumen Fixpunkt T ω P existiert und lässt sich effizient berechnen Auswertung möglich in O( P dom ) Ausdrucksstärke von MSO-definierbaren Anfragen Satz (Monadisches Datalog MSO) Eine einstellige Anfrage über Bäumen ist MSO-definierbar gdw. ein monadisches Datalog-Programm über τ rk bzw. τ ur existiert, das die selbe Anfrage definiert.
13 Monadisches Datalog MSO Satz (Monadisches Datalog Π 1 -MSO) Jede monadische Datalog Anfrage über Bäumen ist Π 1 -MSO-definierbar. Beweis. Gegeben: monadisches Datalog-Programm P, intensionale Präd. P 1,..., P n, Anfrageprädikat P 1. Konstruiere Π 1 -MSO-Formel ϕ(x) := P 1... P n ( SAT(P 1,..., P n ) x P 1 ) SAT(P 1,..., P n ): Konjunktion aller Formeln, die Regeln aus P entsprechen. h b 1,..., b m. wird zu z 1... z k (b 1... b m h) mit FO-Variablen z 1,..., z k.
14 MSO Monadisches Datalog Satz Wir wissen bereits: Eine einstellige Anfrage über Bäumen ist MSO-definierbar genau dann, wenn ein QA r bzw. SQA u existiert, der diese Anfrage berechnet. Konstruiere zu einem Anfrageautomaten ein monadisches Datalog-Programm, das die gleiche Anfrage berechnet Hier: Nur Beweis für beschränkte Bäume
15 Anfrageautomaten Monadisches Datalog Beschränkte Anfrageautomaten Erinnerung: Ein beschränkter Anfrageautomat (QA r ) (engl. ranked query automaton) ist ein Tupel A = Q, Σ, F, s, δ, δ, δ root, δ leaf, λ Anfrageautomaten arbeiten deterministisch Satz (QA r Monadisches Datalog) Zu jedem QA r A existiert ein monadisches Datalog-Programm P, das eine zu A äquivalente Anfrage definiert.
16 Idee Modellierung von Konfigurationen zu aufwändig Lauf deterministisch: Codierung der Zustandszuweisungen im Lauf von A Zustandszuweisung: Paar (q, v) (im Lauf von A besuchter Knoten v bekommt Zustand q zugewiesen) Menge dieser Zustandszuweisungen ( History ): H = {(q, v) v C i und c i (v) = q für ein i}, Charakterisierung eines deterministischen Laufs in A Wenn Zustandszuweisung (q, v) im Lauf auftritt, soll Prädikat q(v) beweisbar sein
17 Simulation Übersicht 1 Anfangszustand 2 Aufwärtstransition 3 Abwärtstransition 4 Wurzeltransition 5 Blatttransition 6 Akzeptanzbedingung 7 Auswahlfunktion
18 1. Anfangszustand Wenn s der Anfangszustand von A ist, enthält P die Regel s(x) root(x).
19 2. Aufwärtstransition Wenn δ ( q 1, a 1,..., q n, a n ) = q, enthält P die Regel q (x) child 1 (x, x 1 ),..., child n (x, x n ), q 1 (x 1 ),..., q n (x n ), label a1 (x 1 ),..., label an (x n ).
20 3. Abwärtstransition Wenn δ (q, a, n) = q 1... q n, enthält P die Regeln q i (x i ) q(x), child i (x, x i ), label a (x).
21 4. Wurzeltransition Wenn δ root (q, a) = q, enthält P die Regel q (x) q(x), label a (x), root(x).
22 5. Blatttransition Wenn δ leaf (q, a) = q, enthält P die Regel q (x) q(x), label a (x), leaf(x). Folie 3
23 Akzeptanz und Anfragemarkierungen Bisher: Zu tun: Simulation von Transitionen Markierungen für auftretende Zustandszuweisungen Anfragemarkierungen query(x) entsprechend Auswahlfunktion λ : Q Σ {, }. Dazu notwendig: Prädikat accept für die Akzeptanz des Automaten
24 6. Akzeptanzbedingung Wenn q f F, enthält P die Regel accept(x) root(x), q f (x).
25 7. Auswahlfunktion Wenn λ(q, a) =, enthält P die Regel query(x) q(x), label a (x), accept(y).
26 Beispiel (1) Beispiel Betrachte QA r mit Q = {q 0, q 1, q 2, q 3, q f, q + }, F = {q f } und folgenden Transitionen: 1 δ (q 0,, 2) = q 1, q 1 2 δ ( q 1,, q 1, ) = q 2 3 δ (q 2,, 2) = q 3, q 3 4 δ ( q 3,, q 3, ) = q f 5 für alle anderen (q, ) Q Σ : δ ( q,, q, ) = q + { falls q = q f Auswahlfunktion: λ(q, ) = sonst Folie 4
27 Beispiel (2) Beispiel q 0 (x) root(x). q 1 (x 1 ) q 0 (x), child 1 (x, x 1 ), label a (x). q 1 (x 2 ) q 0 (x), child 2 (x, x 2 ), label a (x). q 2 (x) child 1 (x, x 1 ), child 2 (x, x 2 ), q 1 (x 1 ), q 1 (x 2 ), label a (x 1 ), label a (x 2 ). q 3 (x 1 ) q 2 (x), child 1 (x, x 1 ), label a (x). q 3 (x 2 ) q 2 (x), child 2 (x, x 2 ), label a (x). q 0 (v 0 ) TP ω q 1 (v 1 ) TP ω q 1 (v 2 ) TP ω q 2 (v 0 ) TP ω q 3 (v 1 ) TP ω q 3 (v 2 ) TP ω
28 Beispiel (3) Beispiel q f (x) child 1 (x, x 1 ), child 2 (x, x 2 ), q 3 (x 1 ), q 3 (x 2 ), label a (x 1 ), label a (x 2 ). accept(x) root(x), q f (x). query(x) q f (x), label a (x), accept(y). q + (x) child 1 (x, x 1 ), child 2 (x, x 2 ), q 1 (x 1 ), q 3 (x 2 ), label a (x 1 ), label a (x 2 ). q f (v 0 ) TP ω accept(v 0 ) TP ω query(v 0 ) TP ω q + (v 0 ) TP ω
29 Problem des naiven Ansatzes Problem: Aufwärtstransitionen hängen von mehreren Knoten und deren Zuständen ab Sicherstellen, dass Zustandszuweisungen der Kinder auch wirklich in in der gleichen Konfiguration auftreten Trick: Speichere zusätzlich die letzte Zustandszuweisung des Elternknotens
30 Erweiterte Zustandszuweisungen Lemma Erweitere Zustandszuweisungen (q, v) zu Tupeln (q 0, q, v) (q 0 letzter Zustand des Elternknotens von v) Seien q 0 Q, v dom. Falls q, label(v) U, dann gibt es höchstens einen Zustand q, so dass (q 0, q, v) eine erweiterte Zustandszuweisung ist. (q, x) q(x) (q 0, q, x) q 0, q (x) Zusätzlicher Dummy-Zustand:
31 Aufwärtstransition (angepasste Simulation) Wenn δ ( q 1, a 1,..., q n, a n ) = q, enthält P die Regeln q 0, q (x) q 0, q (x), für alle q Q, q 0 (Q { }). child 1 (x, x 1 ),..., child n (x, x n ), q, q 1 (x 1 ),..., q, q n (x n ), label a1 (x 1 ),..., label an (x n ). Folie 5
32 Korrektheit und Vollständigkeit der Konstruktion Erinnerung ( History ): H = {(q, v) v C i und c i (v) = q für ein i} Für eine Menge X TP ω definieren wir π(x) := {(q, v) q 0 q 0, q (v) X} Zu zeigen ist π(t ω P ) = H Vollständigkeit (π(t ω P ) H): Klar per Konstruktion, denn alle Transitionen in A werden auch in P kodiert Korrektheit (π(t ω P ) H): Induktion über die Berechnung des Fixpunktes T ω P Skip
33 Identität der selektierten Knotenmengen Noch zu zeigen: Durch P definierte Anfrage ist zu der durch A definierten Anfrage äquivalent {v A selektiert v in t} {v A akzeptiert t, (q, v) H und λ(q, label(v)) = } {v query(v) T ω P }
34 Mögliche Vereinfachung des Beweises Ist die Erweiterung der Zustandszuweisungen von (q, v) zu (q 0, q, v) immer notwendig? Wir wissen: L( DTA) = L(2DTA) Für Berechnung ist ein Bottom-Up Durchlauf ausreichend Mit dieser Einschränkung für Anfrageautomaten ist die naive Simulation möglich. Ausdrucksstärke bleibt wegen obiger Äquivalenz erhalten
35 Zusammenfassung Monadisches Datalog als Anfragesprache über Bäumen. Syntax Fixpunktsemantik Effektive Auswertung Äquivalenz von monadischen Datalog-Anfragen und MSO-Anfragen Monadisches Datalog Π 1 -MSO-Anfragen MSO-Anfragen Anfrageautomaten Monadisches Datalog Effektive Auswertung von Anfrageautomaten Nach Anpassung der Anfrageautomaten ist eine Vereinfachung der Simulation möglich
36 Vielen Dank für die Aufmerksamkeit
13. Woche: NP-Vollständigkeit Satz von Cook-Levin Anwendungen in der Kryptographie
13 Woche: NP-Vollständigkeit Satz von Cook-Levin Anwendungen in der Kryptographie 13 Woche: NP-Vollständigkeit, Satz von Cook-Levin, Anwendungen 276/ 333 N P-Vollständigkeit Ḋefinition NP-vollständig Sei
MehrAbschnitt 3.2: Der Satz von Ehrenfeucht
Abschnitt 3.2: Der Satz von Ehrenfeucht In diesem Abschnitt wird gezeigt, dass ein enger Zusammenhang zwischen EF-Spielen und der Ausdrucksstärke der Logik erster Stufe besteht. Zur Formulierung dieses
MehrLogik. Gabriele Kern-Isberner LS 1 Information Engineering. TU Dortmund Wintersemester 2014/15 WS 2014/15
Logik Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2014/15 WS 2014/15 G. Kern-Isberner (TU Dortmund) Logik WS 2014/15 1 / 125 Übersicht Modallogik 5. Grundlagen 6. Erfüllbarkeit
MehrLogische und funktionale Programmierung
Logische und funktionale Programmierung Vorlesung 11: Logikprogramme Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 19. Dezember 2016 1/55 WIEDERHOLUNG: HORN-KLAUSELN
MehrFormale Grundlagen der Informatik 1 Kapitel 19. Syntax & Semantik
Formale Grundlagen der Informatik 1 Kapitel 19 & Frank Heitmann heitmann@informatik.uni-hamburg.de 23. Juni 2015 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/25 Motivation Die ist eine Erweiterung
Mehr2 2 Reguläre Sprachen. 2.2 Endliche Automaten. Übersicht
Formale Systeme, Automaten, Prozesse Übersicht 2 2. Reguläre Ausdrücke 2.3 Nichtdeterministische endliche Automaten 2.4 Die Potenzmengenkonstruktion 2.5 NFAs mit ɛ-übergängen 2.6 Minimale DFAs und der
MehrFormale Grundlagen der Informatik 1 Kapitel 17. Syntax & Semantik
Formale Grundlagen der Informatik 1 Kapitel 17 & Frank Heitmann heitmann@informatik.uni-hamburg.de 6. & 7. Juni 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/43 Motivation Die ist eine Erweiterung
MehrMusterlösung 11.Übung Mathematische Logik
Lehr- und Forschungsgebiet Mathematische Grundlagen der Informatik RWTH Aachen Prof. Dr. E. Grädel, F. Reinhardt SS 2015 Aufgabe 2 Musterlösung 11.Übung Mathematische Logik Geben Sie für die folgenden
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 17. Syntax & Semantik. Motivation - Beispiel. Motivation - Beispiel
Motivation Formale Grundlagen der Informatik 1 Kapitel 17 & Frank Heitmann heitmann@informatik.uni-hamburg.de 6. & 7. Juni 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/43 Die ist eine Erweiterung
Mehr12. Woche: Verifizierer, nicht-deterministische Turingmaschine, Klasse NP
12 Woche: Verifizierer, nicht-deterministische Turingmaschine, Klasse NP 12 Woche: Verifizierer, nicht-deterministische Turingmaschine, NP 254/ 333 Polynomielle Verifizierer und NP Ḋefinition Polynomieller
MehrLogik erster Stufe FO
Logik erster Stufe FO Sonderstellung als die Logik für die Grundlegung der Mathematik natürliche Semantik (Tarski) und große Ausdrucksstärke vollständige Beweiskalküle (Gödelscher Vollständigkeitssatz)
Mehr5.2 Endliche Automaten
114 5.2 Endliche Automaten Endliche Automaten sind Turingmaschinen, die nur endlichen Speicher besitzen. Wie wir bereits im Zusammenhang mit Turingmaschinen gesehen haben, kann endlicher Speicher durch
MehrDie Prädikatenlogik erster Stufe: Syntax und Semantik
Die Prädikatenlogik erster Stufe: Syntax und Semantik 1 Mathematische Strukturen und deren Typen Definition 1.1 Eine Struktur A ist ein 4-Tupel A = (A; (R A i i I); (f A j j J); (c A k k K)) wobei I, J,
MehrAutomaten, Spiele und Logik
Automaten, Spiele und Logik Woche 13 11. Juli 2014 Inhalt der heutigen Vorlesung Linearzeit Temporale Logik (LTL) Alternierende Büchi Automaten Nicht-Determinisierung (Miyano-Ayashi) Beschriftete Transitionssysteme
MehrDeklarative Semantik
7. Deklarative Semantik 7-1 Deklarative Semantik Bisher: Prolog als Programmiersprache. Operationale Semantik : Wie wird ein Programm ausgeführt? Welche Antworten werden berechnet? Jetzt: Prolog als logischer
MehrAnwendungen der Logik, SS 2008, Martin Goldstern
Anwendungen der Logik, SS 2008, Martin Goldstern Total geordnete Körper Ein total geordneter Körper ist ein Körper (K, +,, 0, 1, ) mit einer totalen (=linearen) Ordnung, die mit den Operationen verträglich
MehrProbeklausur Mathematische Logik
Lehr- und Forschungsgebiet Mathematische Grundlagen der Informatik RWTH Aachen Prof. Dr. E. Grädel SS 2015 Probeklausur Mathematische Logik Aufgabe 1 (a) (i) Seien R, zweistellige Relationssymbole. Ist
Mehr1.1 Grundbegriffe. Logik und Diskrete Strukturen (Sommer 2018) Prof. Dr. Ulrich Hertrampf
. Grundbegriffe Beispiele: Paris und Mäuse / Otto und der Arzt /... Definition: Syntax der Aussagenlogik ) Atomare Formeln (A i, i =, 2, 3,...)sindFormeln. 2) Falls F und G Formeln, dann auch (F ^ G) und
Mehr4. Alternative Temporallogiken
4. Alternative Temporallogiken Benutzung unterschiedlicher Temporallogiken entsprechend den verschiedenen Zeitbegriffen LTL: Linear Time Logic Ähnlich der CTL, aber jetzt einem linearen Zeitbegriff entspechend
MehrBeweisen mit Semantischen Tableaux
Beweisen mit Semantischen Tableaux Semantische Tableaux geben ein Beweisverfahren, mit dem ähnlich wie mit Resolution eine Formel dadurch bewiesen wird, dass ihre Negation als widersprüchlich abgeleitet
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 13. Prädikatenlogik Der Satz von Herbrand Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Semantische Bäume Eine klassische
MehrSyntax der Aussagenlogik
Einführende Beispiele bitte im Buch nachlesen: Uwe Schöning: Logik für Informatiker. 5. Auflage, Spektrum Akad. Verlag, 2. Definition: Syntax der Aussagenlogik ) Atomare Formeln (A i, i =, 2, 3,...)sindFormeln.
MehrOgden s Lemma: Der Beweis (1/5)
Ogden s Lemma: Der Beweis (1/5) Wir betrachten zuerst die Rahmenbedingungen : Laut dem auf der vorhergehenden Folie zitierten Satz gibt es zur kontextfreien Sprache L eine Grammatik G = (Σ, V, S, P) in
MehrDas SAT Problem oder Erfüllbarkeitsproblem. Formale Systeme. Teilklassen. Satz von Cook. SAT Instanz: Eine aussagenlogische Formel F For 0
Das SAT Problem oder Erfüllbarkeitsproblem Formale Systeme Prof. Dr. Bernhard Beckert Fakultät für Informatik Universität Karlsruhe TH SAT Instanz: Eine aussagenlogische Formel F For 0 Frage: Ist F erfüllbar?
MehrParallele Algorithmen in der Bildverarbeitung
Seminar über Algorithmen - SoSe 2009 Parallele Algorithmen in der Bildverarbeitung von Christopher Keiner 1 Allgemeines 1.1 Einleitung Parallele Algorithmen gewinnen immer stärker an Bedeutung. Es existieren
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Ronja Düffel WS2018/19 01. Oktober 2018 Theoretische Informatik Wieso, weshalb, warum??!? 1 Modellieren und Formalisieren von Problemen und Lösungen 2 Verifikation (Beweis der
MehrVorlesung Datenbanktheorie. Einige Erweiterungen der Anfragesprachen. Regelbasierte konjunktive Anfragen mit = Vorlesung vom Mittwoch, 26.
Vorlesung Datenbanktheorie Vorlesung vom Mittwoch, 26. April 2006 Nicole Schweikardt Humboldt-Universität zu Berlin Sommersemester 2006 Letzte Vorlesung: regelbasierte konjunktive Anfragen Tableau-Anfragen
MehrAutomaten und Coinduktion
Philipps-Univestität Marburg Fachbereich Mathematik und Informatik Seminar: Konzepte von Programmiersprachen Abgabedatum 02.12.03 Betreuer: Prof. Dr. H. P. Gumm Referentin: Olga Andriyenko Automaten und
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung
MehrDieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird.
Thomas Studer Relationale Datenbanken: Von den theoretischen Grundlagen zu Anwendungen mit PostgreSQL Springer, 2016 ISBN 978-3-662-46570-7 Dieser Foliensatz darf frei verwendet werden unter der Bedingung,
MehrBerechenbarkeits- und Komplexitätstheorie
Berechenbarkeits- und Komplexitätstheorie Lerneinheit 5: Die Klasse NP Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Wintersemester 2015/2016 26.9.2015 Einleitung Thema dieser Lerneinheit
MehrBerechenbarkeitstheorie 19. Vorlesung
1 Berechenbarkeitstheorie Dr. Institut für Mathematische Logik und Grundlagenforschung WWU Münster WS 15/16 Alle Folien unter Creative Commons Attribution-NonCommercial 3.0 Unported Lizenz. Erinnerung:
MehrEhrenfeucht-Fraïssé Spiele
Kapitel 3 Ehrenfeucht-Fraïssé Spiele In diesem Kapitel werden Ehrenfeucht-Fraïssé-Spiele (kurz: EF-Spiele) eingeführt. Diese liefern ein Werkzeug, mit dessen Hilfe man zeigen kann, dass bestimmte Anfragen
MehrEndliche Automaten. Endliche Automaten J. Blömer 1/24
Endliche Automaten Endliche Automaten J. Blömer /24 Endliche Automaten Endliche Automaten sind ein Kalkül zur Spezifikation von realen oder abstrakten Maschinen regieren auf äußere Ereignisse (=Eingaben)
MehrDas Pumping-Lemma Formulierung
Das Pumping-Lemma Formulierung Sei L reguläre Sprache. Dann gibt es ein n N mit: jedes Wort w L mit w n kann zerlegt werden in w = xyz, so dass gilt: 1. xy n 2. y 1 3. für alle k 0 ist xy k z L. 59 / 162
MehrLösungen zur Vorlesung Berechenbarkeit und Komplexität
Lehrstuhl für Informatik 1 WS 009/10 Prof. Dr. Berthold Vöcking 0.0.010 Alexander Skopalik Thomas Kesselheim Lösungen zur Vorlesung Berechenbarkeit und Komplexität. Zulassungsklausur Aufgabe 1: (a) Worin
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 23. November 2017 INSTITUT FÜR THEORETISCHE 0 23.11.2017 Dorothea Wagner - Theoretische Grundlagen der Informatik INSTITUT FÜR THEORETISCHE KIT Die Forschungsuniversität
MehrFormale Systeme. LTL und Büchi-Automaten. Prof. Dr. Bernhard Beckert WS 2009/2010 KIT INSTITUT FÜR THEORETISCHE INFORMATIK
Formale Systeme Prof. Dr. Bernhard Beckert WS 2009/2010 KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 27. Vorlesung 08.02.2007 1 Komplexitätstheorie - Platzklassen Platzkomplexität Definition Simulation mehrerer Bänder Savitchs Theorem PSPACE
MehrDie mathematische Seite
Kellerautomaten In der ersten Vorlesung haben wir den endlichen Automaten kennengelernt. Mit diesem werden wir uns in der zweiten Vorlesung noch etwas eingängiger beschäftigen und bspw. Ansätze zur Konstruktion
MehrProseminar Automatentheorie. Thema: Berry Sethi Algorithmus. Von Christopher Haas
Proseminar Automatentheorie Thema: Berry Sethi Algorithmus Von Christopher Haas Inhaltsangabe Allgemeines/Notation Ableitung regulärer Ausdruck Intuitiv Definition Beispiele Das Brzozowski-Verfahren Markierungsverfahren
MehrNP-Vollständigkeit des Erfüllbarkeitsproblems
NP-Vollständigkeit des Erfüllbarkeitsproblems Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 1 / 25 Def: NP-Härte Definition (NP-Härte) Ein Problem L heißt NP-hart,
MehrDatalog. Moritz Kaufmann 1. Juni Technische Universität München
Datalog Moritz Kaufmann 1. Juni 2015 Technische Universität München Datalog Grundlagen Zusammenfassung 1. Faktenbasis (EDB = extensionale Datenbasis) 2. + logische Herleitungsregeln Ableitung neuer Fakten
MehrEinführung in die Logik Aufgabenblatt 3, Zeigen Sie, dass folgende Mengen von Junktoren logisch vollständig sind:
TCS Prof. Dr. Roland Meyer, Dr. Jürgen Koslowski Einführung in die Logik Aufgabenblatt 3, 2018-04-30 Präsenzaufgabe 1 Zeigen Sie, dass folgende Mengen von Junktoren logisch vollständig sind: (1) {, } (2)
MehrEinführung in die Logik (Vorkurs)
Einführung in die Logik (Vorkurs) Jürgen Koslowski 2014-04-07 Ein Beispiel Familie A will im kommenden Jahr eine Waschmaschine, ein Auto und ein Moped anschaffen. Aber falls Herr A seinen üblichen Bonus
MehrAutomaten und Formale Sprachen SoSe 2013 in Trier
Automaten und Formale Sprachen SoSe 2013 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 2. Juni 2013 1 Automaten und Formale Sprachen Gesamtübersicht Organisatorisches Einführung Endliche
MehrProbeklausur Mathematische Logik
Lehr- und Forschungsgebiet Mathematische Grundlagen der Informatik RWTH Aachen Prof. Dr. E. Grädel SS 2017 Probeklausur Mathematische Logik Aufgabe 1 (a) (i) Sei τ = {R} für ein zweistelliges Relationssymbol
MehrWiederholung zur SLD-Resolution (1)
8. Korrektheit und Vollständigkeit der SLD-Resolution 8-1 Wiederholung zur SLD-Resolution (1) SLD-Resolution: Selektionsfunktion: Wählt Atom der Anfrage. Nächstes zu bearbeitendes Atom. Normalerweise einfach
MehrKapitel 3: Grundlagen von Anfragesprachen
3. Grundlagen von Anfragesprachen 3. Kapitel 3: Grundlagen von Anfragesprachen Sprachparadigmen Relationenalgebra Relationenkalkül Datenbanken und Informationssysteme, WS 2012/13 9. November 2012 Seite
MehrModellierung. Prof.Dr. Hans Kleine Büning, Prof.Dr. Johannes Blömer. Paderborn, 6. Februar Universität Paderborn Institut für Informatik
Modellierung Prof.Dr. Hans Kleine Büning, Prof.Dr. Johannes Blömer Universität Paderborn Institut für Informatik Paderborn, 6. Februar 2015 J. Blömer 1/19 Vorbereitung auf die Klausur 1 Vorlesungsinhalte
Mehr2 Hennessy-Milner-Logik
2.1 Syntax und Semantik Hennessy-Milner-Logik (HML), auch als multi-modale Logik K bekannt, erweitert die Aussagenlogik um zwei Konstrukte ( diamond und box ), mit denen man über Nachfolger eines Zustandes
MehrPrädikatenlogiken. Mathematische Logik. Vorlesung 9. Alexander Bors. 11. & 18. Mai A. Bors Logik
Mathematische Logik Vorlesung 9 Alexander Bors 11. & 18. Mai 2017 1 Überblick 1 Formale Prädikatenlogiken erster Stufe (Un-)sresultate (Quellen heute: http://homepages.abdn.ac.uk/k.vdeemter/pages/ teaching/cs3518/abdn.only/monadicfopl.pdf
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 25. November 2014 INSTITUT FÜR THEORETISCHE 0 KIT 25.11.2014 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrFormale Systeme. Aussagenlogik: Syntax und Semantik. Prof. Dr. Bernhard Beckert, WS 2015/2016.
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2015/2016 Aussagenlogik: Syntax und Semantik KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK KIT Universita t des Landes Baden-Wu rttemberg und nationales Forschungszentrum
MehrFormale Systeme. Tableaukalku l (ohne Gleichheit) Prof. Dr. Bernhard Beckert, WS 2015/ KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2015/2016 Tableaukalku l (ohne Gleichheit) KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK KIT Universita t des Landes Baden-Wu rttemberg und nationales Forschungszentrum
MehrLogikprogrammierung. Berechnung durch Resolution Die Programmiersprache Prolog
Logikprogrammierung Berechnung durch Resolution Die Programmiersprache Prolog Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 6.1 Logikprogrammierung Berechnung durch Resolution 213 Resolution
MehrRucksackproblem und Verifizierbarkeit
Rucksackproblem und Verifizierbarkeit Gegeben: n Gegenstände mit Gewichten G={g 1,g 2,,g n } und Werten W={w 1,w 2,,w n } sowie zulässiges Gesamtgewicht g. Gesucht: Teilmenge S {1,,n} mit i i S unter der
MehrLogik Vorlesung 4: Horn-Logik und Kompaktheit
Logik Vorlesung 4: Horn-Logik und Kompaktheit Andreas Maletti 14. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen
MehrIlhan Aslan. October 22, 2003
Monadische Logik 2. Ordnung Ausarbeitung zum Seminarvortrag im Rahmen der Seminarveranstaltung Logische Aspekte von XML SS03 Gert Smolka PS-Lab Universität des Saarlandes Ilhan Aslan October 22, 2003 Monadische
MehrProbeklausur Mathematische Logik
Lehr- und Forschungsgebiet Mathematische Grundlagen der Informatik RWTH Aachen Prof. Dr. E. Grädel SS 2015 Probeklausur Mathematische Logik Aufgabe 1 (a) (i) Seien R, zweistellige Relationssymbole. Ist
MehrNormalformen. Wie bei der Aussagenlogik lassen sich Formeln wieder in dazu äquivalente umwandeln, die eine bestimmte Form haben.
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 4.5 Prädikatenlogik Normalformen 148 Normalformen Wie bei der Aussagenlogik lassen sich Formeln wieder in dazu äquivalente umwandeln, die eine
MehrHow To Prove A Propositional Logic
Klausur Formale Systeme Fakultät für Informatik SS 2015 Prof. Dr. Bernhard Beckert 31. Juli 2015 Vorname: Matrikel-Nr.: Die Bearbeitungszeit beträgt 60 Minuten. A1 (10) A2 (8) A3 (6) A4 (7) A5 (9) A6 (11)
MehrAlgorithmen für OBDD s. 1. Reduziere 2. Boole sche Operationen
Algorithmen für OBDD s 1. Reduziere 2. Boole sche Operationen 1 1. Reduziere siehe auch M.Huth und M.Ryan: Logic in Computer Science - Modelling and Reasoning about Systems, Cambridge Univ.Press, 2000
MehrFormale Methoden 1. Gerhard Jäger 7. November Uni Bielefeld, WS 2007/2008 1/18
1/18 Formale Methoden 1 Gerhard Jäger Gerhard.Jaeger@uni-bielefeld.de Uni Bielefeld, WS 2007/2008 7. November 2007 2/18 Geordnete Paare Mengen sind ungeordnet: {a, b} = {b, a} für viele Anwendungen braucht
MehrEndliche Automaten. Endliche Automaten J. Blömer 1/23
Endliche Automaten Endliche Automaten sind ein Kalkül zur Spezifikation von realen oder abstrakten Maschinen regieren auf äußere Ereignisse (=Eingaben) ändern ihren inneren Zustand produzieren gegebenenfalls
MehrKap. 5 Erweiterung der Relationenalgebra für Deduktive Datenbanken
Kap. 5 Erweiterung der Relationenalgebra für Deduktive Datenbanken Ziel dieses kurzen Kapitels: Verbindung herstellen zwischen Logiksprachen und Relationenalgebra. Umgehen mit (rekursiven) Regeln zusätzlich
Mehr4.1 Motivation. Theorie der Informatik. Theorie der Informatik. 4.1 Motivation. 4.2 Syntax der Prädikatenlogik. 4.3 Semantik der Prädikatenlogik
Theorie der Informatik 3. März 2014 4. Prädikatenlogik I Theorie der Informatik 4. Prädikatenlogik I 4.1 Motivation Malte Helmert Gabriele Röger 4.2 Syntax der Prädikatenlogik Universität Basel 3. März
Mehr1.3 Knuth-Morris-Pratt-Algorithmus
1.3 Knuth-Morris-Pratt-Algorithmus Präprozessing bestimmt längste Ränder der Präfixe von P Die Kenntnis der Ränder erspart Vergleiche bei periodischen Suchwörtern Laufzeit: Θ(m) für das Präprozessing,
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik 3. Endliche Automaten (III) 7.05.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Organisatorisches 1. Teilklausur: Mittwoch, 10.06.2015, D028,
MehrUnentscheidbarkeitssätze der Logik
Unentscheidbarkeitssätze der Logik Elmar Eder () Unentscheidbarkeitssätze der Logik 1 / 30 Die Zahlentheorie ist nicht formalisierbar Satz (Kurt Gödel) Zu jedem korrekten formalen System der Zahlentheorie
MehrGrundbegriffe für dreiwertige Logik
Grundbegriffe für dreiwertige Logik Hans Kleine Büning Universität Paderborn 1.11.2011 1 Syntax und Semantik Die klassische Aussagenlogik mit den Wahrheitswerten falsch und wahr bezeichnen wir im weiteren
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 16.11.2010 INSTITUT FÜR THEORETISCHE INFORMATIK 0 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
MehrLogik Vorlesung 7: Grundlagen Prädikatenlogik
Logik Vorlesung 7: Grundlagen Prädikatenlogik Andreas Maletti 5. Dezember 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen
MehrUmgekehrt kann eine Datenbank-Instanz in eine konjunktive Anfrage umgewandelt werden: hasairport. ans. fly n 1 n 2 n 3 n 2 Bonn n 4.
der Chase, jetzt formal... Datenbank-Instanzen 1 Wir fixieren drei unendliche, paarweise disjunkte Mengen, null und V. ist der zugrunde gelegte Domain. null = {n 1, n 2,...} ist die Menge der Null-Werte.
MehrEinführung in die Theoretische Informatik
Einführung in die Theoretische Informatik Maximilian Haslbeck Fabian Mitterwallner Georg Moser David Obwaller cbr.uibk.ac.at Zusammenfassung der letzten LVA Definition Eine Registermaschine (RM) R ist
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 20. Vorlesung 12.01.2007 1 Komplexitätstheorie - Zeitklassen Die Komplexitätsklassen TIME DTIME, NTIME P NP Das Cook-Levin-Theorem Polynomial-Zeit-Reduktion
MehrFORMALE SYSTEME. Wiederholung. Beispiel: NFA. Wiederholung: NFA. 4. Vorlesung: Nichtdeterministische Endliche Automaten. TU Dresden, 20.
Wiederholung FORMALE SYSTEME 4. Vorlesung: Nichtdeterministische Endliche Automaten Markus Krötzsch Lehrstuhl Wissensbasierte Systeme Grammatiken können Sprachen beschreiben und sie grob in Typen unterteilen
MehrAbschnitt 3: Mathematische Grundlagen
Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 3.2 Induktion und Rekursion 3.3 Boolsche Algebra Peer Kröger (LMU München) Einführung in die Programmierung WS 14/15 48 / 155 Überblick
MehrVortrag 8: Einbettungssatz von Jech und Sochor und Konsistenz der Negation von AC. 1 Der Einbettungssatz von Jech und Sochor
Seminar zur Mengenlehre: Forcing SS 2007 Prof. Dr. P. Koepke 11. und 18. Juni 2007 Dr. B. Irrgang Vortrag 8: Einbettungssatz von Jech und Sochor und Konsistenz der Negation von AC Friedemann Diener 1 Der
MehrAutomaten und Formale Sprachen SoSe 2007 in Trier. Henning Fernau Universität Trier
Automaten und Formale Sprachen SoSe 2007 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Automaten und Formale Sprachen Gesamtübersicht Organisatorisches Einführung Endliche Automaten und
MehrFormale Grundlagen der Informatik 1 Kapitel 5 Abschlusseigenschaften
Formale Grundlagen der Informatik 1 Kapitel 5 Frank Heitmann heitmann@informatik.uni-hamburg.de 18. April 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/64 NFAs - Grundlagen DFAs vs. NFAs Der
MehrSoftware Engineering Ergänzung zur Vorlesung
Ergänzung zur Vorlesung Prof. Dr. Markus Müller-Olm WS 2008 2009 2.6.1 Endliche und reguläre Sprachen Endliche und reguläre Sprache: fundamental in vielen Bereichen der Informatik: theorie Formale Sprachen
MehrTypisierung von semistrukturierten Daten
Typisierung von semistrukturierten Daten Typisierung von semistrukturierten Daten Idee: Strukturieren und Typisieren von semistrukturierte Daten. Zwei einfache Formalismen basierend auf: Logik Graphensimulation
MehrMagic Sets. Kontrollkomponente SIP. Sideways Information Passing Strategy (SIP-Strategy)
Sideways Information Passing Strategy (SIP-Strategy) Magic Sets (informal) Für eine Regel eines Programms stellt eine SIP- Strategie eine Entscheidung hinsichtlich der Auswertungsreihenfolge der Prädikate
MehrModelltheorie. Zunächst fixieren wir die Notation, die wir im Folgenden verwenden werden.
1 Modelltheorie Die Modelltheorie beschäftigt sich mit der Klassifikation mathematischer Strukturen und Abbildungen mit Hilfe von logischen Formeln sowie dem Zusammenhang zwischen rein syntaktischen und
MehrKapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 2 Mathematische Grundlagen Skript zur Vorlesung Einführung in die Programmierung im Wintersemester 2012/13 Ludwig-Maximilians-Universität
MehrWas bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: Formeln
Was bisher geschah Klassische Aussagenlogik zur Modellierung von Aussagen Syntax: Formeln induktive Definition der Menge AL(P) (Baumstruktur) strukturelle Induktion (Funktionen, Nachweise) syntaktische
MehrKomplexitätstheorie WiSe 2011/12 in Trier. Henning Fernau Universität Trier
Komplexitätstheorie WiSe 2011/12 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Komplexitätstheorie Gesamtübersicht Organisatorisches / Einführung Motivation / Erinnerung / Fragestellungen
MehrFormale Systeme. Aussagenlogik: Syntax und Semantik. Prof. Dr. Bernhard Beckert, WS 2017/2018
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2017/2018 Aussagenlogik: Syntax und Semantik KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
MehrTableaukalkül für Aussagenlogik
Tableaukalkül für Aussagenlogik Tableau: Test einer Formel auf Widersprüchlichkeit Fallunterscheidung baumförmig organisiert Keine Normalisierung, d.h. alle Formeln sind erlaubt Struktur der Formel wird
MehrString matching: Überblick
String matching: Überblick String matching = Erkennung von Zeichenketten. Problemstellung & Anwendungen Grundlagen Rabin-Karp Verfahren (basierend auf hashing) String-matching mit endlichen Automaten Knuth-Morris-Pratt
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Turingmaschinen und rekursiv aufzählbare Sprachen (II) 2.07.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Übersicht 1. Motivation 2. Terminologie
MehrNicht-Standard-Logiken. Intuitionistische Aussagenlogik Prädikatenlogik 2. Stufe Modallogik
Nicht-Standard-Logiken Intuitionistische Aussagenlogik Prädikatenlogik 2. Stufe Modallogik Logik für Informatiker, M. Lange & M. Latte, IFI/LMU: Nicht-Standard-Logiken Intuitionistische Aussagenlogik 238
MehrFormale Systeme. Prof. Dr. Bernhard Beckert, WS 2017/ KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2017/2018 Aussagenlogik: Tableaukalku l KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
MehrFormale Grundlagen der Informatik II
Formale Grundlagen der Informatik II FO: Axiome und Theorie (de-)motivierendes Beispiel: S=(+,0) Strukturen ({0,1}*,,ε) Strukturen (P(X),, ) Formale Grundlagen der Informatik II Interessieren uns für alle
MehrAlgorithmus: // Zähler für jede Regel. // Initialisierung. // Initialisierung von rhs } // 2 N result = ; // Ergebnis-Menge int count[p];
Algorithmus: 2 N result = ; // Ergebnis-Menge int count[p]; // Zähler für jede Regel 2 P rhs[n]; // VorkommeninrechtenSeiten forall (A N) rhs[a] = ; // Initialisierung forall ((A,i) P) { // count[(a,i)]
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Sommersemester 2018 Ronja Düffel 14. März 2018 Theoretische Informatik Wieso, weshalb, warum??!? 1 Modellieren und Formalisieren von Problemen und Lösungen 2 Verifikation (Beweis
MehrSemantik von Programmiersprachen SS 2017
Lehrstuhl für Programmierparadigmen Denis Lohner Sebastian Ullrich denis.lohner@kit.edu sebastian.ullrich@kit.edu Semantik von Programmiersprachen SS 2017 http://pp.ipd.kit.edu/lehre/ss2017/semantik Lösungen
MehrSemantik der Prädikatenlogik
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 4.3 Prädikatenlogik Semantik 131 Semantik der Prädikatenlogik zur Erinnerung: Semantik der Aussagenlogik gegeben durch Interpretation I : V {0,
Mehr