Lektion 8: Konstruktion av semantiska tablåer för PTL-formler
|
|
- Rune Sundström
- för 7 år sedan
- Visningar:
Transkript
1 Lektion 8: Konstruktion av semantiska tablåer för PTL-formler Till denna lektion hör uppgift 2, 6 och 0 i lärobokens avsnitt.6 (sid. 255). Lös uppgift 2 genom att konstruera en semantisk tablå. Följande text utgör ett stöd för att förstå kapitel. Vad är en semantisk tablå? Ett av syftena med att konstruera en semantisk tablå (se sid. 33) är att ta reda på om en formel är satisfierbar eller inte, dvs om det finns en tolkning som kan göra formeln sann. Man börjar med den formel man vill testa och applicerar steg för steg olika regler som transformerar formlerna. Resultatet blir en graf med en formelmängd i varje nod. Om en nod innehåller endast literaler (symboler eller negerade symboler) har vi kommit till en slutpunkt. Om det finns komplementära literaler i formelmängden, t.ex. p och p, säger vi att noden är stängd och markerar den med. I annat fall är den öppen och markeras med. När vi har gjort färdigt tablån kan vi ta ställning till den ursprungliga formelns satisfierbarhet. Om alla löv är stängda är formeln osatisfierbar, i annat fall är den satisfierbar. För att spara tid och arbete kan man markera en nod som stängd så fort man har ett par av komplementära literaler, även om det finns sammansatta formler kvar. Flera frågeställningar inom logik kan lösas med hjälp av semantiska tablåer. En bra metod för att kolla om en formel A är en tautologi är att kolla om formeln A är osatisfierbar. Vad är PTL? Propositional temporal logic (PTL) är en utökning av vanlig propositionslogik för att hantera logiska formler som säger något om tid (se kap. ). Utökningen består av tre nya operatorer, först och främst och. Formeln A betyder att A är sann för varje tidpunkt i framtiden, medan A betyder att A är sann för någon tidpunkt i framtiden. Vi använder också specialoperatorn som ska utläsas så att formeln A är sann i en viss tidpunkt om och endast om formeln A är sann i närmast följande tidpunkt. Denna operator brukar kallas nexttime. Hur vet man om en formel i PTL är sann eller falsk? Precis som för andra logiker beror det på vilken tolkning man avser. I vanlig propositionslogik är en tolkning en enkel variabeltabell som säger vilka symboler som är sanna och vilka som är falska. I PTL är en tolkning lite mer komplicerad (se sid. 237), och för att kunna tolka en formel måste man också ange vilken tidpunkt man avser. I praktiken har vi en sanningstabell för varje tidpunkt. Det som är sant vid en tidpunkt behöver ju inte vara sant vid en senare tidpunkt. En tolkning i PTL består alltså utav ett antal olika tillstånd, som representerar olika möjliga tidpunkter, och en sanningstabell för vart och ett av dessa tillstånd. Hur tidpunkterna hör ihop uttrycks lättast som ett tillståndsdiagram. Varje tillstånd innehåller en tilldelning av de ingående symbolerna och själva tiden illustreras genom övergångarna mellan tillstånden. Exempel: Betrakta tolkningen på sid. 237 i läroboken. Är formeln p sann i tillståndet s 0? Formelns betydelse är att p är sann vid varje tidpunkt i framtiden. Framtiden i tillståndet s 0 är alla de tillstånd som vi direkt kan komma till från s 0, dvs s och s 2. I s är p sann, men i s 2 är p falsk, så formeln är inte sann i denna tolkning och detta tillstånd.
2 Semantiska tablåer i PTL Följande tabeller visar de regler som man kan använda för att konstruera semantiska tablåer för formler i PTL. α-reglerna är konjunktiva och innebär att man delar upp en formel i två formler som är med i samma mängd. β-formlerna är disjunktiva och innebär att man delar upp tablån i två grenar. (För de speciella PTL-reglerna finns en någorlunda intuitiv motivering högst upp på sid. 243 i läroboken.) α α α 2 β β β 2 A A A A 2 A A 2 (B B 2 ) B B 2 (A A 2 ) A A 2 B B 2 B B 2 (A A 2 ) A A 2 B B 2 B B 2 A A 2 A A 2 A 2 A (B B 2 ) (B B 2 ) (B 2 B ) A A A B B B A A A B B B A A A A Det finns två speciella grejer när det gäller semantiska tablåer för PTL som skiljer sig från hur vi har arbetat förut: (a) När vi lyckats producera en nod i tablån som innehåller endast literaler och -formler ramar vi in den. En sådan nod motsvarar nämligen ett tillstånd i tolkningen. Den säger vilka literaler som ska vara sanna i detta tillstånd. För att komma vidare från en sådan nod använder vi -reglerna. Då tar vi inte med literalerna, utan behåller endast resultatet av -reglerna. (b) Om vi, vid användandet av någon regel, lyckas producera en nod med en formelmängd som är identisk med en tidigare nod har vi hittat en cykel i tablån. Vi markerar detta genom att ge originalnoden en beteckning och istället för den nya duplicerade noden skriva en hänvisning. (Se exempel på sid. 246 i läroboken.) Om vår tablå är stängd, dvs alla löv är kryssade och vi saknar cykler, har vi lyckats visa att den formel vi startade med är en kontradiktion, vilket i sin tur innebär att den negerade formeln är en tautologi. Om vi däremot har cykler i tablån kan vi än så länge inte säga någonting. Två steg återstår. För det första måste vi konstruera en Hintikka-struktur (definition.24, sid. 246) som är en slags halvfärdig tillståndsgraf. Varje inramad -nod i tablån blir ett tillstånd och övergångarna mellan dessa baserar sig på hur man kan förflytta sig i tablån. I varje tillstånd skriver vi också in de literaler som finns i -noden. För det andra ska vi kontrollera denna struktur och se om vi kan extrahera en linjär och uppfyllande delstruktur (algoritm.43, sid. 25). Om vi lyckas extrahera en sådan, kan vi med hjälp av den konstruera en modell för startformeln, men vi vill ju oftast garanterat inte hitta en modell, så vi hoppas oftast på att resultatet av algoritm.43 är en tom struktur. Hintikka-strukturen är linjär om det från varje tillstånd går ut max en pil. Att kontrollera att den är uppfyllande är lite krångligare. Vi måste gå tillbaka till tablån och kolla alla vägar mellan noder. Alla formler som är på formen A eller B måste uppfyllas i framtiden, dvs det måste någonstans längre fram på vägen finnas en formel på formen A respektive B.
3 Sammanfattningsvis gör man alltså enligt följande för att bevisa att en PTL-formel A är en tautologi: Börja med att konstruera en semantisk tablå där man börjar med formeln A.. Om tablån är stängd (alla löv kryssade och inga cykler) är A osatisfierbar, A är en tautologi och vi är klara. 2. I annat fall, konstruera en Hintikka-struktur där varje inramad -nod är ett tillstånd och pilarna mellan dem är baserade på vägarna (i pilens riktning) mellan -noderna. Tillämpa algoritm.43 på denna struktur. a. Om vi lyckas extrahera en linjär och uppfyllande struktur är A satisfierbar och vi har misslyckats att visa att A är en tautologi. b. Om algoritmen resulterar i en tom graf, då har vi visat att A är osatisfierbar och A är en tautologi. Uppgifter Uppgifterna finns på sid Lös uppgift 2 genom att konstruera en semantisk tablå. Lös dessutom uppgift 0 och uppgift 6. (Den senare ger upphov till en mycket stor tablå.)
4 Lösningsförslag till uppgift 2 Vi vill visa A där A är PTL-formeln p p. Enligt kompletterande uppgiftsspecifikation ska vi lösa problemet genom att konstruera en semantisk tablå. Det vi ska göra är alltså att visa att A är en tautologi (att A alltid gäller, utan några särskilda antaganden). För att visa detta konstruerar vi en semantisk tablå för A och hoppas på att den ska bli stängd. Först skriver vi om formeln något för att få en bra start på tablån: A ( p p) ( p p) ( p p) Nu kan vi konstruera vår tablå: ( p p) α( ) p, p α( ), α( ) p, p, p β( ) p, p, p p, p, p När tablån delar sig är den vänstra grenen stängd, eftersom vi har de komplementära literalerna p och p. Den högra grenen innehåller bara literaler och -formler, så den motsvarar ett tillstånd och vi ramar in noden. För att komma vidare struntar vi i literalerna och använder -reglerna. Då får vi en nod som är likadan som den markerad med och vi har fått en cykel i trädet (som ju då inte är något träd längre). Vi konstruerar nu en Hintikka-struktur för den här tablån. Det är tämligen lätt, eftersom det bara finns en inramad -nod och därmed bara ett enda tillstånd. Strukturen ser ut så här: s 0 p Denna struktur är trivialt linjär, eftersom det från varje tillstånd går ut maximalt en pil. Däremot är den inte uppfyllande. Sätt fingret på den inramade -nod i tablån som motsvarar tillståndet. Följ pilens riktning och gå runt i tablån. Vi har en cykel med tre olika noder och måste nu verifiera alla framtida formler. I noden som är märkt finns formeln p som ju betyder att p borde vara sann i framtiden. Hur vi än flyttar oss framåt i den här cykeln kommer vi dock aldrig till en nod där p finns, och därmed är inte denna struktur uppfyllande. Alltså drar vi slutsatsen att A är osatisfierbar och A en tautologi. (Se definitionen av uppfyllande i definition.33, sid. 248.)
5 Lösningsförslag till uppgift 0 2 ( p p) α p, p p, p, p α p, p, p, p p, p, p, p p, p, p, p β β p, p, p, p p, p, p, p p, p, p, p p, p, p, p p, p, p 3 p, p, p, p α p, p, p 2 p, p, p, p 3 Strukturen för denna tablå blir som figuren till vänster nedan: s 0 s p p s 0 s p p s 2 Vi ska nu tillämpa algoritm.43 på denna struktur. Vi bildar en komponentgraf, som endast kommer bestå av en enda nod, eftersom alla tre tillstånden är nåbara från varandra. Därefter ska vi kontrollera om denna enda nod i komponentgrafen är självuppfyllande. Det är den, ty formeln p uppfylls av p i framtida noder och formeln p uppfylls av p i framtida noder. Alltså är formeln satisfierbar och med hjälp av den metod som diskuteras i beviset till algortim.43 kan vi extrahera en modell för formeln (till höger i figuren ovan).
6 Lösningsförslag uppgift 6 A = ( (p q) ( p q) (p q)) (p q) ( p q) (p q), A (p q), ( p q), (p q), A p q, ( p q), (p q), A p q, p q, (p q), A p, q, p, (p q), A p q, ( p q), (p q), A p q, ( p q), p q, A p, q, ( p q), q, A p q, ( p q), (p q), A p, q, ( p q), (p q), A ( p q), (p q), A = ( (p q) ( p q) (p q)) ( p q), (p q), (p q) ( p q) (p q), A (p q), ( p q), (p q), A (p q), p q, (p q), A (p q), p q, p q, A (p q), p, q, p, q, A (p q), p q, (p q), A (p q), p, q, (p q), A (p q), ( p q), (p q), A (p q), ( p q), p q, A (p q), ( p q), p, q, A (p q), ( p q), (p q), A För att spara utrymme i noderna kallar vi ursprungsformeln för A och återanvänder den beteckningen senare. Efter att ha expanderat den första -noden borde det stå klart att alla andra -noder också förr eller senare kommer att leda tillbaka till noden markerad med. Därför har delar av tablån utelämnats. I denna uppgift behövde vi inte göra mer än själva tablån.
Grundläggande logik och modellteori
Grundläggande logik och modellteori Kapitel 4: Konjunktiv och disjunktiv normalform Henrik Björklund Umeå universitet 15. september, 2014 CNF och DNF Konjunktiv normalform (CNF) Omskrivning av en formel
Läs merGrundläggande logik och modellteori (5DV102)
Tentamen 2014-01-10 Grundläggande logik och modellteori (5DV102) M. Berglund och K. Markström Totalt antal uppgifter 10 Maximalt antal poäng 30 Krav för 3 i betyg 1 Krav för 4 i betyg 19 poäng, vara minst
Läs merGrundläggande logik och modellteori (5DV102)
Tentamen 2013-10-31 Grundläggande logik och modellteori (5DV102) M. Berglund och K. Markström Totalt antal uppgifter 11 Maximalt antal poäng 30 Krav för 3 i betyg 14 poäng Krav för 4 i betyg 19 poäng,
Läs merFöreläsning 8. Innehåll. Satisfierbarhet hos en formel. Logik med tillämpningar
Föreläsning 8 Logik med tillämpningar 000413 Innehåll Lite mer om värderingar och tolkningar Semantiska tablåer i predikatlogiken Kapitel 3.5 Satisfierbarhet hos en formel En formel A är satisfierbar om
Läs merGrundläggande logik och modellteori
Grundläggande logik och modellteori Kapitel 6: Binära beslutsdiagram (BDD) Henrik Björklund Umeå universitet 22. september, 2014 Binära beslutsdiagram Binära beslutsdiagram (Binary decision diagrams, BDDs)
Läs merp /\ q r DD1350 Logik för dataloger Kort repetition Fö 3 Satslogikens semantik
DD1350 Logik för dataloger Fö 3 Satslogikens semantik 1 Kort repetition Satslogik formellt språk för att uttrycka påståenden med variabler och konnektiv /\, \/,, t.ex. p /\ q r 1 Kort repetition Naturlig
Läs merFöreläsning 9: NP-fullständighet
Föreläsning 9: NP-fullständighet Olika typer av problem: 1. Beslutsproblem: A(x) =Ja. 2. Optimeringsproblem: A(x) =m Vanligen max/min. 3. Konstruktionsproblem: A(x) =En struktur. Vanligen lösningen till
Läs merLogik för datavetare DVK:Log Tisdagen 28 oktober 2014. Institutionen för dataoch systemvetenskap David Sundgren
Institutionen för dataoch systemvetenskap David Sundgren Logik för datavetare DVK:Log Tisdagen 28 oktober 2014 Skrivtid: 9 00-13 00. Inga hjälpmedel utom formelsamlingen på nästa sida är tillåtna. För
Läs merSatslogik grundläggande definitioner 3. Satslogik. Uppgift 1. Satslogikens syntax (välformade formler) Satslogikens semantik (tolkningar)
Satslogik grundläggande definitioner Satslogikens syntax (välformade formler) Satslogikens semantik (tolkningar) Modeller, logisk konsekvens och ekvivalens Några notationella förenklingar Kompletta mängder
Läs merGrundläggande logik och modellteori
Grundläggande logik och modellteori Kapitel 7: SAT-lösare Henrik Björklund Umeå universitet 29. september, 2014 SAT En instans av SAT är en mängd av mängder av literaler. Exempel: {{p, q, r}, {p, q, s},
Läs merÖvningshäfte 1: Logik och matematikens språk
GÖTEBORGS UNIVERSITET MATEMATIK 1, MMG200, HT2014 INLEDANDE ALGEBRA Övningshäfte 1: Logik och matematikens språk Övning A Målet är att genom att lösa och diskutera några inledande uppgifter få erfarenheter
Läs merGrundläggande logik och modellteori
Grundläggande logik och modellteori Kapitel 3: Bevissystem, Hilbertsystem Henrik Björklund Umeå universitet 8. september, 2014 Bevissystem och Hilbertsystem Teorier och deduktionsproblemet Axiomscheman
Läs mer*UXSS YQLQJ±/RJLNPHGWLOOlPSQLQJDUYW
*USS YQLQJ±/RJLNPHGWLOOlPSQLQJDUYW 8SSJLIW Här kommer några teoretiska frågor, skriv svaren med egna ord, dvs skriv inte av ohbilderna: a. Vad är en beslutsprocedur? En algoritm som terminerar och som
Läs merSvar och lösningar, Modul 1.
Svar och lösningar, Modul. A Använd t.ex. följande lexikon: H : han hör vad som sägs, D : han är döv, O : han är ouppmärksam, M : han kommer att missa mötet. Vi får svar: H ((D O) & M) B Vi har Att E bara
Läs merAlgoritmer, datastrukturer och komplexitet
Algoritmer, datastrukturer och komplexitet Övning 9 Anton Grensjö grensjo@csc.kth.se 9 november 2017 1 Idag Bevis av NP-fullständighet Labbteoriredovisning inför labb 4 2 Teori Teori När vi talar om NP-fullständighet
Läs merSanningsvärdet av ett sammansatt påstående (sats, utsaga) beror av bindeord och sanningsvärden för ingående påståenden.
MATEMATISK LOGIK Matematisk logik formaliserar korrekta resonemang och definierar formellt bindeord (konnektiv) mellan påståenden (utsagor, satser) I matematisk logik betraktar vi påståenden som antingen
Läs merLogik. Dr. Johan Hagelbäck.
Logik Dr. Johan Hagelbäck johan.hagelback@lnu.se http://aiguy.org Vad är logik? Logik handlar om korrekta och inkorrekta sätt att resonera Logik är ett sätt att skilja mellan korrekt och inkorrekt tankesätt
Läs merDD1350 Logik för dataloger. Fö 7 Predikatlogikens semantik
DD1350 Logik för dataloger Fö 7 Predikatlogikens semantik 1 Kryssprodukt av mängder Om A och B är två mängder så är deras kryssprodukt A B mängden av alla par (a,b), där a A och b B. Ex: A={1,2}, B={3,4},
Läs merAlgoritmer, datastrukturer och komplexitet
Algoritmer, datastrukturer och komplexitet Övning 8 Anton Grensjö grensjo@csc.kth.se 12 november 2015 Anton Grensjö ADK Övning 8 12 november 2015 1 / 21 Översikt Kursplanering Ö8: Mästarprov 1, oavgörbarhet
Läs merÖvningshäfte 2: Induktion och rekursion
GÖTEBORGS UNIVERSITET MATEMATIK 1, MMG200, HT2017 INLEDANDE ALGEBRA Övningshäfte 2: Induktion och rekursion Övning D Syftet är att öva förmågan att utgående från enkla samband, aritmetiska och geometriska,
Läs merFöreläsning 7+8: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning?
Formalisering av rimlig tid Föreläsning 7+8: NP-problem En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1 är för långsam.
Läs merFöreläsning 8: Intro till Komplexitetsteori
Föreläsning 8: Intro till Komplexitetsteori Formalisering av rimlig tid En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1
Läs merLösningsförslag till övningsuppgifter, del II
Lösningsförslag till övningsuppgifter del II Obs! Preliminär version! Ö.1. För varje delare d till n låt A d var mängden av element a sådana att gcd(a n = d. Partitionen ges av {A d : d delar n}. n = 6:
Läs merMATEMATIKENS SPRÅK. Avsnitt 1
Avsnitt 1 MATEMATIKENS SPRÅK Varje vetenskap, liksom varje yrke, har sitt eget språk som ofta är en blandning av vardagliga ord och speciella termer. En instruktionshandbok för ett kylskåp eller för en
Läs merLogik I. Åsa Hirvonen Helsingfors universitet. Våren 2013
Logik I Åsa Hirvonen Helsingfors universitet Våren 2013 Inledning Logik är läran om härledning. Med hjälp av logiken kan vi säga när ett resonemang är korrekt och när det inte är det. För att kunna studera
Läs merFöreläsning 8+9: NP-problem. Begreppet effektiv algoritm är alltså synonymt med går i polynomisk tid i den här kursen. Är detta en rimlig uppdelning?
Formalisering av rimlig tid Föreläsning 8+9: NP-problem En algoritm som har körtid O(n k ) för någon konstant k är rimligt snabb. En algoritm som har körtid Ω(c n ) för någon konstant c>1 är för långsam.
Läs merAlgoritmer, datastrukturer och komplexitet
Algoritmer, datastrukturer och komplexitet Övningsmästarprovsövning 2 Anton Grensjö grensjo@csc.kth.se 20 november 2017 1 Dagordning 1. Genomgång av uppgiftens lösning 2. Genomgång av bedömningskriterier
Läs merDD1350 Logik för dataloger. Fö 2 Satslogik och Naturlig deduktion
DD1350 Logik för dataloger Fö 2 Satslogik och Naturlig deduktion 1 Satslogik En sats(eller utsaga)är ett påstående som kan vara sant eller falskt. I satslogik(eng. propositionallogic) representeras sådana
Läs merOm semantisk följd och bevis
Matematik, KTH Bengt Ek december 2017 Material till kursen SF1679, Diskret matematik: Om semantisk följd och bevis Logik handlar bla om studiet av korrekta slutledningar, dvs frågan om när det är riktigt
Läs merAntag att b är förgreningsfaktorn, d sökdjupet, T (d) tidskomplexiteten och M(d) minneskomplexiteten.
OS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervalsfrågorna ges 1 poäng för korrekt svar och 0,5 poäng om skillnaden mellan antalet korrekta svar och antalet
Läs merTommy Färnqvist, IDA, Linköpings universitet. 2 Strukturer 2 2.1 Domäner... 2 2.2 Tolkningar... 3
Föreläsning 2 Semantik 729G06 Logikdelen Föreläsningsanteckningar i Programmering och logik 27 januari 2014 Tommy Färnqvist, IDA, Linköpings universitet 2.1 Innehåll Innehåll 1 Lite mer syntax 1 2 Strukturer
Läs merKompletteringsmaterial. K2 Något om modeller, kompakthetssatsen
KTH Matematik Bengt Ek Maj 2008 Kompletteringsmaterial till kursen SF1642, Logik för D1 och IT3: K2 Något om modeller, kompakthetssatsen Vi skall presentera ett enkelt (om man känner till sundhets- och
Läs merFöreläsning 9: Turingmaskiner och oavgörbarhet. Turingmaskinen. Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen.
Föreläsning 9: Turingmaskiner och oavgörbarhet Turingmaskinen Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen. Data är ett oändligt långt band där nollor och ettor står
Läs merVad är det? Översikt. Innehåll. Vi behöver modeller!!! Kontinuerlig/diskret. Varför modeller??? Exempel. Statiska system
Vad är det? Översikt Discrete structure: A set of discrete elements on which certain operations are defined. Discrete implies non-continuous and therefore discrete sets include finite and countable sets
Läs merFormell logik Kapitel 3 och 4. Robin Stenwall Lunds universitet
Formell logik Kapitel 3 och 4 Robin Stenwall Lunds universitet Kapitel 3: De Booleska konnektiven Vi sade att predikaten och namnen kan variera mellan olika FOL Vi ska nu titta på några språkliga element
Läs mer7, Diskreta strukturer
Objektorienterad modellering och diskreta strukturer 7, Diskreta strukturer Sven Gestegård Robertz Datavetenskap, LTH 2015 Modeller Matematiska modeller Kontinuerliga modeller Kontinuerliga funktioner
Läs merinte följa någon enkel eller fiffig princip, vad man nu skulle mena med det. All right, men
MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Christian Gottlieb Gymnasieskolans matematik med akademiska ögon Induktion Dag 2. Explicita formler och rekursionsformler. Dag mötte vi flera talföljder,
Läs merFÖRELÄSNING 8 ANDERS MÄRAK LEFFLER IDA/HCS
729G06 Logik FÖRELÄSNING 8 ANDERS MÄRAK LEFFLER IDA/HCS 160309 Idag Sammanfattning*/uppsamling 2 Mer problemöversikt (och lite definitioner) Inte ersättning för andra föreläsningar! 3 Vad är enlogik? Syntax
Läs merAntag att b är förgreningsfaktorn, d sökdjupet, T (d) tidskomplexiteten och M(d) minneskomplexiteten.
OBS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervalsfrågorna ges 1 poäng för korrekt svar och 0,5 poäng om skillnaden mellan antalet korrekta svar och antalet
Läs merAvslutning. Vad? Hur? Anmärkningar inför tentan 2. Vad ska kunnas?
Avslutning Anmärkningar inför tentan Vad ska kunnas? Avslutning 1 Vad? Anmärkningar inför tentan 1 Att ha en bra förståelse för det som behandlades på föreläsningarna och gruppövningarna räcker i princip.
Läs mer729G11 Artificiell Intelligens Marcus Johansson Marjo581. Fuzzy logic. Marcus Johansson Marjo581
Fuzzy logic 880328-2535 Innehåll Fuzzy logic... 1 1. Inledning... 4 2. Jämförelse mellan fuzzy logic och tvåvärdeslogik.... 4 3. Fuzzy sets.... 4 4. Linvistiska variabler... 5 5. Operatorer... 5 6. If-
Läs mer729G04 - Diskret matematik. Lektion 4
729G04 - Diskret matematik. Lektion 4 1 Lösningsförslag 1.1 Vägar, stigar och annat 1. Vi ges den oriktade grafen G=(V,E), V = {a, b, c, d, f, g, h, i, j}, E = {{a, b}, {b, c}, {a, c}, {f, g}, {c, d},
Läs merAvslutning. Vad? Hur? Anmärkningar inför tentan 2. Vad ska ni kunna?
Avslutning Anmärkningar inför tentan Vad ska ni kunna? Avslutning 1 Vad? Anmärkningar inför tentan 1 Att ha en bra förståelse för det som behandlades på föreläsningarna, inlämningsuppgifterna och gruppövningarna
Läs merTentamen i logik 729G06 Programmering och logik
Tentamen i logik 729G06 Programmering och logik 2016-08-19 Poänggränser: På tentan kan du som mest få 25 poäng. Om du har fått 12 poäng är du garanterad åtminstone godkänt betyg, 19 väl godkänt. Tillåtna
Läs merTentamen TMV210 Inledande Diskret Matematik, D1/DI2
Tentamen TMV20 Inledande Diskret Matematik, D/DI2 208-0-27 kl. 4.00 8.00 Examinator: Peter Hegarty, Matematiska vetenskaper, Chalmers Telefonvakt: Anton Johansson, telefon: 5325 (alt. Peter Hegarty 070-5705475)
Läs merAntag att b är förgreningsfaktorn, d sökdjupet, T (d) tidskomplexiteten och M(d) minneskomplexiteten.
OS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervalsfrågorna ges 1 poäng för korrekt svar och 0,5 poäng om skillnaden mellan antalet korrekta svar och antalet
Läs merInnehåll. Föreläsning 7. Satslogiken är för grov. Samma sak i predikatlogik: Första ordningens predikatlogik. Logik med tillämpningar
Innehåll Föreläsning 7 Logik med tillämpningar 99-03-01 Första ordningens predikatlogik Objekt, predikat, kvantifierare Funktioner, termer, wffs Bindning och räckvidd Tolkningar och värderingar Satisfiering,
Läs merAlgoritmer, datastrukturer och komplexitet
Algoritmer, datastrukturer och komplexitet Övning 12 Anton Grensjö grensjo@csc.kth.se 10 december 2015 Anton Grensjö ADK Övning 12 10 december 2015 1 / 19 Idag Idag Komplexitetsklasser Blandade uppgifter
Läs merTänk på följande saker när du skriver tentan:
Ämne: AI med inriktning mot kognition och design Kurskod: KOGB05 / TDBB21 Datum: 2005-04-01 Antal uppgifter: 12 Skrivtid: 09:00 15:00 Max poäng: 54 Betygsgränser: 27 x
Läs merKTH Matematik B.Ek Lösningar tentamen 5B1928 Logik för D (och IT), 29 augusti 2007
KTH Matematik B.Ek Lösningar tentamen 5B1928 Logik för D (och IT), 29 augusti 2007 1) Det handlar om knarröborna A, B och C. A säger: Om C är kung är vi alla det. B säger: A och C är olika sorter. Vad
Läs merTENTAMEN: Algoritmer och datastrukturer. Läs detta!
1 (6) TENTAMEN: Algoritmer och datastrukturer Läs detta! Uppgifterna är inte avsiktligt ordnade efter svårighetsgrad. Börja varje uppgift på ett nytt blad. Skriv ditt idnummer på varje blad (så att vi
Läs merPredikatlogik: Normalformer. Klas Markström
1 Precis som i satslogik så är det bekvämt att kunna hitta en normalform för meningar. Om vi kan utgå från att alla meningar är på normalform så behöver vi t.e.x. inte bekymra oss om en massa specialfall
Läs merTAMS79: Föreläsning 10 Markovkedjor
TAMS79: Föreläsning 0 Markovkedjor Johan Thim december 08 0. Markovkedjor Vi ska nu betrakta en speciell tidsdiskret diskret stokastisk process, nämligen Markovkedjan. Vi börjar med en definition Definition.
Läs merK2 Något om modeller, kompakthetssatsen
KTH Matematik Bengt Ek Maj 2005 Kompletteringsmaterial till kursen 5B1928 Logik för D1: K2 Något om modeller, kompakthetssatsen Vi skall presentera ett enkelt (om man känner till sundhets- och fullständighetssatsen
Läs merLösningsförslag till Tentamen i 5B1118 Diskret matematik 5p 14 augusti, 2002
Institutionen för matematik, KTH Mats Boij och Niklas Eriksen Lösningsförslag till Tentamen i 5B1118 Diskret matematik 5p 14 augusti, 2002 1. Använd induktion för att visa att 8 delar (2n + 1 2 1 för alla
Läs merGraärgning och kromatiska formler
Graärgning och kromatiska formler Henrik Bäärnhielm, d98-hba 2 mars 2000 Sammanfattning I denna uppsats beskrivs, för en ickematematiker, färgning av grafer samt kromatiska formler för grafer. Det hela
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping TAOP88 Matematiska Institutionen Lösning till tentamen Optimeringslära 28--24 Kaj Holmberg Uppgift Lösningar a: Målfunktionen är summan av konvexa funktioner (kvadrater och
Läs merPROBLEMLÖSNING. ! GPS! Mål medel analys! Problemlösning i programmering. Lars-Erik Janlert 2007
PROBLEMLÖSNING! Problem & lösning! Sökträd, sökgraf! Automatisk problemlösning! Heuristik! Heuristisk sökning! GPS! Mål medel analys! Problemlösning i programmering 1 Problem (snäv mening)! Ett problem
Läs mer1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta denna följd av tal, där varje tal är dubbelt så stort som närmast föregående
MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Christian Gottlieb Gymnasieskolans matematik med akademiska ögon Induktion Dag 1 1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta
Läs merTentamen i TDDC75 Diskreta strukturer , lösningsförslag
Tentamen i TDDC75 Diskreta strukturer 2018-10-23, lösningsförslag 1 1. (a) Sanningstabell för uttrycken p q r p q p r r q r p q 0 0 0 1 0 1 1 1 0 0 1 1 1 0 1 1 0 1 0 1 0 1 1 0 0 1 1 1 1 0 0 0 1 0 0 0 1
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 28-5-3 Kaj Holmberg Lösningar Uppgift a: P: Grafisk lösning ger x = 2/7 = 2 6/7,
Läs merPROV I MATEMATIK Automatateori och formella språk DV1 4p
UPPSALA UNIVERSITET Matematiska institutionen Salling (070-6527523) PROV I MATEMATIK Automatateori och formella språk DV1 4p 19 mars 2004 SKRIVTID: 15-20. POÄNGGRÄNSER: 18-27 G, 28-40 VG. MOTIVERA ALLA
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Skalärprodukt Innehåll Skalärprodukt - Inledning
Läs merLogik och modaliteter
Modallogik Introduktionsföreläsning HT 2015 Formalia http://gul.gu.se/public/courseid/70391/lang-sv/publicpage.do Förkunskaper etc. Logik: vetenskapen som studerar argument med avseende på (formell) giltighet.
Läs merExplorativ övning 5 MATEMATISK INDUKTION
Explorativ övning 5 MATEMATISK INDUKTION Syftet med denna övning är att introducera en av de viktigaste bevismetoderna i matematiken matematisk induktion. Termen induktion är lite olycklig därför att matematisk
Läs merAlgoritmer, datastrukturer och komplexitet
Algoritmer, datastrukturer och komplexitet Övning 10 Anton Grensjö grensjo@csc.kth.se 18 november 2015 Anton Grensjö ADK Övning 10 18 november 2015 1 / 20 Översikt Kursplanering Ö9: NP-fullständighetsbevis
Läs merFörsättsblad till skriftlig tentamen vid Linköpings universitet TER1
Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen 2016-12-09 Sal (1) TER1 Tid 14-18 Kurskod 729G06 Provkod TEN1 Kursnamn/benämning Provnamn/benämning Institution Antal
Läs merIntroduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 2014-2015. Lektion 4
Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 014-015 Denna lektion ska vi studera rekursion. Lektion 4 Principen om induktion Principen om induktion är ett vanligt sätt att bevisa
Läs merD. x 2 + y 2 ; E. Stockholm ligger i Sverige; F. Månen är en gul ost; G. 3 2 = 6; H. x 2 + y 2 = r 2.
Logik Vid alla matematiskt resonemang måste man vara säker på att man verkligen menar det man skriver ner på sitt papper. Därför måste man besinna hur man egentligen tänker. Den vetenskap, som sysslar
Läs mer8. Naturlig härledning och predikatlogik
Objektorienterad modellering och diskreta strukturer 8. Naturlig härledning och predikatlogik Sven Gestegård Robertz Datavetenskap, LTH 2013 Outline 1 Inledning 2 Inferensregler 3 Predikatlogik 8. Naturlig
Läs merLogik och kontrollstrukturer
Logik och kontrollstrukturer Flödet av instruktioner i ett programmeringsspråk bygger vi upp med hjälp av dess kontrollstrukturer. I C har vi exemplen if, if else, while, do while. Dessutom finns switch
Läs merGrundläggande logik och modellteori
Grundläggande logik och modellteori Kapitel 8: Predikatlogik Henrik Björklund Umeå universitet 2. oktober, 2014 Första ordningens predikatlogik Signaturer och termer Första ordningens predikatlogik Formler
Läs merSF2715 Applied Combinatorics// Extra exercises and solutions, Part 2
SF2715 Applied Combinatorics// Extra exercises and solutions, Part 2 Jakob Jonsson April 5, 2011 Ö Övningsuppgifter These extra exercises are mostly in Swedish. If you have trouble understanding please
Läs merPCP-satsen på kombinatoriskt manér
austrin@kth.se Teorigruppen Skolan för Datavetenskap och Kommunikation 2005-10-24 Agenda 1 Vad är ett bevis? Vad är ett PCP? PCP-satsen 2 Vad, hur och varför? Lite definitioner Huvudresultatet 3 Ännu mer
Läs merFUZZY LOGIC. Christopher Palm chrpa087
FUZZY LOGIC 900223-1554 Innehållsförteckning INLEDNING...2 HUR DET FUNGERAR...3 Crisp Sets och Fuzzy Sets...3 Operatorer...5 IF THEN regler...7 FUZZY INFERENCE...7 Fuzzification...8 Regelsättning...8
Läs merKap. 7 Logik och boolesk algebra
Ka. 7 Logik och boolesk algebra Satslogik Fem logiska konnektiv: ej, och, eller, om-så, omm Begre: sats, sanningsvärde, sanningsvärdestabell tautologi, kontradiktion Egenskaer: Räkneregler för satslogik
Läs merFormell logik Kapitel 5 och 6. Robin Stenwall Lunds universitet
Formell logik Kapitel 5 och 6 Robin Stenwall Lunds universitet Kapitel 5 Bevismetoder för boolesk logik Visa att en sats är en tautologisk konsekvens av en mängd premisser! Lösning: sanningstabellmetoden
Läs merKomplexitetsklasser och repetition
Algoritmer, datastrukturer och komplexitet, hösten 2016 Uppgifter till övning 12 Komplexitetsklasser och repetition Uppgifter på komplexitetsklasser co-np-fullständighet Ett diskret tekniskt diagnosproblem
Läs merDiskret matematik: Övningstentamen 4
Diskret matematik: Övningstentamen 22. Beskriv alla relationer, som är såväl ekvivalensrelationer som partiella ordningar. Är någon välbekant relation sådan? 23. Ange alla heltalslösningar till ekvationen
Läs merFormell logik Kapitel 9. Robin Stenwall Lunds universitet
Formell logik Kapitel 9 Robin Stenwall Lunds universitet Kapitel 9: Introduktion till kvantifiering Vi har hittills betraktat logiska resonemang vars giltighet enbart beror på meningen hos konnektiv som
Läs merGrafer och grannmatriser
Föreläsning 2, Linjär algebra IT VT2008 Som avslutning på kursen ska vi knyta samman linjär algebra med grafteori och sannolikhetsteori från första kursen. Resultatet blir så kallade slumpvandringar på
Läs merTentamensinstruktioner
TNSL05 1(9) TENTAMEN Datum: 6 april 2018 Tid: 14-18 Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt 12 p,
Läs merFÖRELÄSNING 3 ANDERS MÄRAK LEFFLER IDA/HCS
729G06 Logik FÖRELÄSNING 3 ANDERS MÄRAK LEFFLER IDA/HCS 160208 Idag C-regeln, informell (och formell) inledning till predikatlogik (Bevis kommer senare.) 2 3 Vår (Snöfritt Cykla) (Vår Snöfritt) Cykla Lätt
Läs merHur implementera algoritmerna på maskinnivå - datorns byggstenar
Hur implementera algoritmerna på maskinnivå - datorns byggstenar Binära tal Boolesk logik grindar och kretsar A A extern representation intern representation minnet i datorn extern representation 1000001
Läs merFråga 5 (1 poäng) För att definiera ett sökproblem krävs...
OBS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervarlsfrågorna ges 1 poäng för korrekt svar och 0,5 poäng om skillnaden mellan antalet korrekta svar och antalet
Läs merProgrammerbar logik. Kapitel 4
Kapitel 4 Programmerbar logik Programmerbar logik (PLC: Programmable Logic Controller; fi. ohjelmoitava logiikka) är en sorts mikrodatorliknande instrument som är speciellt avsedda för logik- och sekvensstyrningsproblem.
Läs merRobin Stenwall Lunds universitet
Robin Stenwall Lunds universitet Vik$gt a) tänka på Innehållet i kursen formell logik förutsätts vara inhämtat (repetera om du är osäker). I allmänhet gäller att kursinnehållet, som ska instuderas på relativt
Läs merTentamen i TDDC75 Diskreta strukturer
Tentamen i TDDC75 Diskreta strukturer 2017-01-05, Lösningsförslag (med reservation för eventuella fel) 1. Betrakta följande satslogiska uttryck: (p q) (q p) (a) Visa genom naturlig deduktion att uttrycket
Läs merExplorativ övning 5 MATEMATISK INDUKTION
Explorativ övning 5 MATEMATISK INDUKTION Syftet med denna övning är att introducera en av de viktigaste bevismetoderna i matematiken matematisk induktion. Termen induktion är lite olycklig därför att matematisk
Läs merFilosofisk Logik (FTEA21:4) föreläsningsanteckningar/kompendium. v. 2.0, den 29/ III. Metalogik 17-19
Filosofisk Logik (FTEA21:4) föreläsningsanteckningar/kompendium IV v. 2.0, den 29/4 2013 III. Metalogik 17-19 Modeller för satslogiken 18.1 Vi har tidigare sagt att en modell är en tolkning av en teori
Läs merKravgränser. Provet består av Del B, Del C, Del D samt en muntlig del och ger totalt 63 poäng varav 24 E-, 21 C- och 18 A-poäng.
Kravgränser Provet består av Del B, Del C, Del D samt en muntlig del och ger totalt 63 poäng varav 24 E-, 21 C- och 18 A-poäng. Kravgräns för provbetyget E: 17 poäng D: 25 poäng varav 7 poäng på minst
Läs merLaborationshandledning för mätteknik
Laborationshandledning för mätteknik - digitalteknik och konstruktion TNE094 LABORATION 2 Laborant: E-post: Kommentarer från lärare: Institutionen för Teknik och Naturvetenskap Campus Norrköping, augusti
Läs merFråga 5 (1 poäng) För att definiera ett sökproblem krävs...
OBS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervarlsfrågorna ges 1 poäng för korrekt svar och 0,5 poäng om skillnaden mellan antalet korrekta svar och antalet
Läs mer7, Diskreta strukturer
Objektorienterad modellering och diskreta strukturer 7, Diskreta strukturer Sven Gestegård Robertz Datavetenskap, LTH 2013 1 Inledning 2 Satslogik Inledning Satslogiska uttryck Resonemang och härledningar
Läs merDD1350 Logik för dataloger
DD1350 Logik för dataloger Fö 8 Axiomatiseringar 1 Modeller och bevisbarhet Sedan tidigare vet vi att: Om en formel Φ är valid (sann i alla modeller) så finns det ett bevis för Φ i naturlig deduktion.
Läs merLogik. Boolesk algebra. Logik. Operationer. Boolesk algebra
Logik F4 Logik Boolesk algebra EDAA05 Roger Henriksson Jonas Wisbrant Konsten att, och vetenskapen om, att resonera och dra slutsatser. Vad behövs för att man ska kunna dra en slutsats? Hur kan man dra
Läs merLösningsförslag till Tentamen i 5B1118 Diskret matematik 5p 11 april, 2002
Institutionen för matematik, KTH Mats Boij och Niklas Eriksen Lösningsförslag till Tentamen i 5B1118 Diskret matematik 5p 11 april, 2002 1. Bestäm det minsta positiva heltal n sådant att 31n + 13 är delbart
Läs merFuzzy Logic. När oskarpa definitioner blir kristallklara. Åsa Svensson. Linköpings Universitet. Linköping
Fuzzy Logic När oskarpa definitioner blir kristallklara Linköpings Universitet Linköping Sammanfattning I denna fördjupningsuppgift har jag fokuserat på Fuzzy Logic och försökt att beskriva det på ett
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 2018-08-31 Kaj Holmberg Lösningar Uppgift 1 1a: Inför slackvariabler x 5, x 6 och
Läs merInduktion, mängder och bevis för Introduktionskursen på I
Induktion, mängder och bevis för Introduktionskursen på I J A S, ht 04 1 Induktion Detta avsnitt handlar om en speciell teknik för att försöka bevisa riktigheten av påståenden eller formler, för alla heltalsvärden
Läs mer