Trasformazione in clausole



Documenti analoghi
Albero semantico. Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni.

Si basano sul seguente Teorema: S = A sse S { A} è insoddisfacibile.

Risoluzione. Eric Miotto Corretto dal prof. Silvio Valentini 15 giugno 2005

x u v(p(x, fx) q(u, v)), e poi

Prolog Prodromi. Sistemi distribuiti LS 2003/2004 Prof. Andrea Omicini

(anno accademico )

Rappresentazione della conoscenza. Lezione 11. Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 11 0

Errori più comuni. nelle prove scritte

Algebra di Boole ed Elementi di Logica

Logica del primo ordine

FONDAMENTI DI INTELLIGENZA ARTIFICIALE (8 CFU)

Raffinamenti della risoluzione

Linguaggi del I ordine - semantica. Per dare significato ad una formula del I ordine bisogna specificare

LOGICA PER LA PROGRAMMAZIONE. Franco Turini

LOGICA MATEMATICA E CONCETTUALIZZAZIONE

Planning as Model Checking Presentazione della Tesina di Intelligenza Artificiale

Informatica 3. Informatica 3. LEZIONE 10: Introduzione agli algoritmi e alle strutture dati. Lezione 10 - Modulo 1. Importanza delle strutture dati

Ripasso di teoria ed esercizi in preparazione al secondo compito.??? Dicembre 2004

FONDAMENTI DI INTELLIGENZA ARTIFICIALE 1 parte (6 CFU) 12 Luglio 2012 Tempo a disposizione: 2 h Risultato: 32/32 punti

Algebra e Logica Matematica. Calcolo delle proposizioni Logica del primo ordine

Algoritmi e strutture dati. Codici di Huffman

Calcolo Relazionale Basi di dati e sistemi informativi 1. Calcolo Relazionale. Angelo Montanari

FONDAMENTI DI INTELLIGENZA ARTIFICIALE M 15 Luglio 2010 Tempo a disposizione 2h 45min Risultato 32/32 punti

CPM - PERT CPM - PERT. Rappresentazione di un progetto. Gestione di un progetto. Critical Path Method Project Evaluation and Review Technique

Sistemi di dimostrazione

Logica e risoluzione: esercizi

Introduzione al MATLAB c Parte 2

Predicati e Quantificatori

Sistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P P P P P P < P 1, >

LOGICA DEI PREDICATI. Introduzione. Predicati e termini individuali. Termini individuali semplici e composti

Intelligenza Artificiale. Metodi di ricerca

Esercizi per il corso di Algoritmi e Strutture Dati

Programmazione Dichiarativa. Programmazione Logica. SICStus PROLOG PROLOG. Bob Kowalski: "Algoritmo = Logica + Controllo"

Logica dei predicati

anche i programmi sono strutture dati manipolabili utilizzo della ricorsione e non assegnamento

I Problemi e la loro Soluzione. Il Concetto Intuitivo di Calcolatore. Risoluzione di un Problema. Esempio

Universita' degli Studi di Udine UNA PROPOSTA PER L'INTRODUZIONE DI CAPACITA' DI META-RAPPRESENTAZIONE IN UN LINGUAGGIO DI PROGRAMMAZIONE LOGICA

Linguaggi. Claudio Sacerdoti Coen 11/04/ : Semantica della logica del prim ordine. Universitá di Bologna

Progettaz. e sviluppo Data Base

Programmazione logica e PROLOG. Esercitazione 1. Sommario. Programmazione logica. Applicazioni della Programmazione Logica

C1: L C1 C2: L C2 C: C1 C2

Forme normali, clausole e Calcolo con regola di Risoluzione

Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso

3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1

LE STRATEGIE DI COPING

Progettazione concettuale

Funzioni in C. Violetta Lonati

MATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010

Intelligenza Artificiale. Breve introduzione alla logica classica (Parte 2)

12 - Introduzione alla Programmazione Orientata agli Oggetti (Object Oriented Programming OOP)

Fondamenti di Teoria delle Basi di Dati

COGNOME... NOME... Classe... Data... 1.a Calcolare le seguenti espressioni:

Indice. 1 Introduzione alle Equazioni Differenziali Esempio introduttivo Nomenclatura e Teoremi di Esistenza ed Unicità...

RISOLUTORE AUTOMATICO PER SUDOKU

Intelligenza Artificiale

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano

Una funzione è detta ricorsiva se chiama, direttamente o indirettamente, se stessa. In C tutte le funzioni possono essere usate ricorsivamente.

Sistemi Operativi IMPLEMENTAZIONE DEL FILE SYSTEM. Implementazione del File System. Struttura del File System. Implementazione

Ricorsione in SQL-99. Introduzione. Idea di base

CAPITOLO 3 TRASFORMARE FORMULE E DEDURRE DA TEORIE.

x (x i ) (x 1, x 2, x 3 ) dx 1 + f x 2 dx 2 + f x 3 dx i x i

Appunti di Logica Matematica

Il sistema monetario

Banchi ortogonali 5. Trasformata a blocchi: analisi. Trasformata a blocchi: analisi (3) Banchi ortogonali. Trasformata a blocchi.

Derivazioni SLD. Passo di derivazione SLD. Derivazione SLD. Notazione

La Progettazione Concettuale

I sistemi di numerazione

b i 1,1,1 1,1,1 0,1,2 0,3,4

Modellazione dei dati in UML

Intelligenza Artificiale. Logica proposizionale: calcolo automatico

Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni

Programmazione logica con vincoli

Appunti di informatica. Lezione 2 anno accademico Mario Verdicchio

1 Serie di Taylor di una funzione

Il Software. Il software del PC. Il BIOS

Capitolo 3. L applicazione Java Diagrammi ER. 3.1 La finestra iniziale, il menu e la barra pulsanti

La programmazione con vincoli in breve. La programmazione con vincoli in breve

DATA BASE SCONTRINI. M46 GDS documentazione Verticale R0

Intelligenza Artificiale Ing. Tiziano Papini

Probabilità II Variabili casuali discrete

Alcune nozioni di base di Logica Matematica

Algoritmi e Strutture Dati

Sommario. Linguaggi formali: motivazioni, definizione ed esempi operazioni su parole e linguaggi

Alla ricerca dell algoritmo. Scoprire e formalizzare algoritmi.

Esercizi su. Funzioni

Calcolatori: Algebra Booleana e Reti Logiche

CONCETTO DI LIMITE DI UNA FUNZIONE REALE

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 13. Docente: Laura Palagi

Formalizzazione: (funz. parziale)

Statistica inferenziale

Corso di Matematica per la Chimica

Note del Corso di Modelli Biologici Discreti: Un paio di algoritmi DNA per risolvere SAT

Corso di Analisi Matematica Serie numeriche

Esempi di algoritmi. Lezione III

Nozione di algoritmo. Gabriella Trucco

Equilibrio bayesiano perfetto. Giochi di segnalazione

Piano di gestione della qualità

L algebra di Boole. Cenni Corso di Reti Logiche B. Mariagiovanna Sami

ALGEBRA RELAZIONALE RIEPILOGO

Transcript:

DEPARTMENT OF INFORMATION ENGINEERING UNIVERSITY OF PADOVACorso Principio di A.A. Intelligenza di 2005-2006 Risoluzione Artificiale ing. Marco Falda marco.falda@unipd.it atomi letterali) Una A1 A2 L An B1 L Bm clausola negati priva Le o èuna di non clausole quantificatori negati disgiunzione (cioèdi di 2 con Una e clausola rappresenta senza letterali la contraddizione si indica 4 Sistema generalizzazione Introduzione efficienza Logica di deduzione efficiente per la formule unificazione a di clausole risoluzione Horn) algoritmo SLD (su di Trasformazione in clausole X (p(y) Y Z ( p(y) ( Y ( p(y) ( Y ( Y q(x,z)) (q(x,z) (q(x,y) (q(x,y) ( q(x,y) p(y))) ( p(y) p(z))) p(y)))) p(y)))) p(z))) A B A B X A X X Y p(x,y) X p(x, g(x)) 3 {( p(y) q(x,g(x,y))), ( p(y) p(g(x,y)))} A 1

Sia partire T una da una trasformazione Proprietà T insoddisfacibile teoria del primo in clausole ordine a T. Sostituzione: Istanza: varianteunificazione σ= {X1/T1, LXn/Tn} 5 6 [E]σ T insoddisfacibile Unificabilità: [A1]σ= L= [An]σ Composizione: σ= σ1σ2 Caso 1.C1= 2.C2= Principio di Risoluzione i,j: Si deduce Ai= di clausole A1 L An B1 L Bm Bj C3= (C1\{Ai}) prive di variabili (C2\{Bj}) Una Esiste σse Unificazione generale sostituzione λ: una σ= di sostituzione tutte ϑèpiùgenerale (MGU) che ed èunica èla piùdi a ϑλ 7 meno di ridenominazioni 8 2

Teorema di unificazione S1(A1) C1{X1/C2} C1=C2 NO se{x2/s1(a1)} {X2/C1} {X1/X2} ses1=s2 {X1/S2(A2)} e{a1/a2} NO* La dimostrazione Dimostrazione contraddizione HC ( F)C avviene H per refutazione: per 9 Ci+1= termina Ci {risolventi di Ci} finché o 12 Unificazione generali per clausole Si Caso 1.C1= 2.C2= i,j,ϑ: deduce di [Ai]ϑ= clausole B1 L Bm A1 L An C3= Di= [(C1\{Ai}) con p(t1, variabili L, tk) Sotto Correttezza e completezza [ Bj]ϑ (C2\{Bj})]ϑ corretta: {HC opportune ipotesi ( F)C} la risoluzione insoddisf. è 10 11 completa: {HC ( F)C} insoddisf. 3

1.Semplificazioni 2.Strategie sussunteb e strategie incompletezza) (possono = [A]σ, (tautologie, introdurre...) formule La Programmazione Logica 13 14 DEPARTMENT OF INFORMATION ENGINEERING UNIVERSITY OF PADOVA Confronta Strategia linear-input Èincompleta con originale una clausola per sempre nel le clausole caso presa l ultimo generale, dall insieme di risolvente Horn Clausole positivoclausole di Horn A1 A2 L An B1 L Bm con al piùun (B1 L Bm) letterale A1, A2, L, An B1, L, Bm 16 4

Clausole di Horn Clausola Tipi goal: definita: di clausole A B1, solo un letterali L, ( ) L, letterale Bm Bmnegativi positivogoal sum(0,x,x) sum(s(x),y,s(z)) fatto [sum(s(0),0,w)]ϑ= Esempio di risoluzione regola Intelligenza Artificiale, testa {X1/0,Y1/0,W/s(Z1)} sum(x,y,z) A.A. 2005-2006 ( M. Falda) corpo 17 [sum(s(x1),y1,s(z1))]ϑ sum(0, 0, Z1) 20 Interessa Interrogazioni: Opera quantificate Risoluzione SLD Y la sostituzione di risposta sum(s(0),s(s(0)),y), Z per assurdo esistenzialmente congiunzioni sum(y,s(0),z) con variabili Una dall insieme varianti Tipi di derivazione 1.successo derivazione Cie (Gn= dei delle ) goal SLD MGU Gi, èdata ϑi delle 18 19 2.fallimento 3.fallimento infinito(gn ) 5

La Non Correttezza e completezza 1.regola 2.strategia completa risoluzione determinismo di calcolo di (per ricerca SLD (selezione clausole ècorretta degli delle di atomi) Horn) clausole) e sui un etichettato Alberi SLD nessun ramo nodi ramo i per goal con per ogni la (G0alla regola atomo e con radice) unificabile 21 22 ϑ La cammini sostituzione e proiettando di risposta su G0 componendo i 24 Influenza Di goalnédalla Regola calcolo l insieme solito èstatica di solo successo profondità) l efficienza, (non dipende non dal sum(w,0,0), Esempio sum(w,0,k) di albero SLD sum(0,x,x) sum(s(x),y,s(z)) sum(x,y,z) sum(w,0,0), sum(w,0,k) sum(0,0,0) CL1, ϑ 1 = {W/0, K/0} CL1, ϑ2 = {} Successo 23 6

sum(s(w1),0,0), sum(w,0,0), Esempio sum(w,0,k) di sum(w1,0,k1) albero SLD Definisce Dipende dell albero Strategie di ricerca Fallimento finito lista dei nodi da la SLD come modalitàdi visitare viene visita gestita (DFS, BFS) la 25 28 sum(s(w1),0,0) CL2, ϑ 3 = {W/s(W1),K/s(K1)} CL1, ϑ 4 = {W1/0,k1/0} sum(s(w1),0,0), sum(s(s(w2),0,k), Esempio di sum(w1,0,k1) sum(w2,0,k2) albero SLD CL2, ϑ 5 = {W1/s(W2),K1/s(K2)} CL2, ϑ 6 = {W2/s(W3),K2/s(K3)} Seleziona Usa backtrackingcronologico Caso del Prolog... all ordine la ricerca di le apparizione clausole profonditàcon base Fallimento infinito 26 27 risoluzione non completa 7

Una può Interpretazione essere clausola p(t1, vista come L, del tipo tn) B1, una procedura procedurale L, Bm Per invocarla p(1, L, n) 30 Non Le Reversibilitàe di esistono distinzioni assegnamento liberano solo ingresso variabili sono e nel uscita backtracking sola scrittura parametri e si 29 8