Praktyczne metody weryfikacji. Wykład 9: Weryfikacja ograniczona.. p.1/40
|
|
- Roman Świątek
- 8 lat temu
- Przeglądów:
Transkrypt
1 Praktyczne metody weryfikacji Wykład 9: Weryfikacja ograniczona. p.1/40
2 Symboliczna weryfikacja modelowa (SMC) model kodowanie boolowskie QBF implementacja OBDD weryfikacja modelowa = operacje na OBDDs. p.2/40
3 Ograniczona weryfikacja modelowa (BMC) model kodowanie boolowskie BF weryfikacja modelowa = spełnialność formuły boolowskiej. p.3/40
4 SMC BMC Przykład: EF p (bezpieczeństwo) pre-smc:... p EX ( p EX p) p EX p p false... p pre( p pre( p)) p pre( p) p false post-smc: S 0 S 0 post(s 0 ) S 0 post(s 0 post(s 0 )).... p.4/40
5 Ograniczona weryfikacja modelowa poszukiwanie kontrprzykładów ograniczonej długości metoda symboliczna wykorzystanie SAT-rozwia,zywaczy (ang. SAT-solvers). p.5/40
6 I. Weryfikacja ograniczona. p.6/40
7 M E φ (φ LTL + ) np. zamiast M AG φ, sprawdzamy M EF φ M opisany przez formuły boolowskie: R(x 1,..., x m, x 1,..., x m) L p (x 1,..., x m ), Ŝ 0 (x 1,..., x m ). p.7/40
8 Pomysł: horyzont k 0 k kroków systemu Π k φ k kroków wystarcza by stwierdzić, że Π φ Lem.: Π k φ = Π φ Lem.: M E φ = k 0. M k E φ Tw.: M E φ k 0. M k E φ. p.8/40
9 Π = s 0 s 1 s 2... (k, l) - pe,tla: s 0 s 1... s l... s k s k+1+i = s l+i (k - pe,tla) brak pe,tli: s 0 s 1... s k.... p.9/40
10 Semantyka ograniczona dla k-pe,tli Π k φ Π φ Π = s 0 s 1 s p.10/40
11 Semantyka ograniczona dla nie-pe,tli Π k φ Π 0 k φ Π = s 0 s 1 s 2... i k, 0 i k Π i k p p L(s i) Π i k p, φ 1 φ 2, φ 1 φ 2... Π i k X φ i<k i Π i+1 k φ Π i k F φ j, i j k. Π j k φ Π i k G φ nigdy Π i k φ U ψ j, i j k. Π j k ψ l, i l<j. Π l k φ Π i k φ R ψ?. p.11/40
12 φ R ψ ( φu ψ) Π φ R ψ wtw gdy i < Π. ( j < i. Π j φ) = Π i ψ φ R ψ ψ U (ψ φ) G ψ Π i k φ U ψ j, i j k. Π j k ψ l, i l<j. Π l k φ Π i k φ R ψ j, i j k. Π j k φ l, i l j. Π l k ψ. p.12/40
13 Lem.: Π k φ = Π φ Lem.: M E φ = k 0. M k E φ Tw.: M E φ k 0. M k E φ jakie k jest wystarczaja,co duże? średnica grafu? brak pełności!. p.13/40
14 M k E φ (φ LTL + ) M, ψ, k [M, φ] k M k φ [M, φ] k spełnialna M opisany przez formuły boolowskie: R(z, z ) L p (z), S 0 (z). p.14/40
15 Ścieżka symboliczna z 0 z 1... z k [M] k := S 0 (z 0 ) k 1 i=0 R(z i, z i+1 ) (k + 1) m zmiennych boolowskich rozmiar formuły boolowskiej [M] k jest O(k M ). p.15/40
16 (k, l) - pe,tla: s 0 s 1... s l... s k ll k R(z k, z l ) L k k ll k l=0 brak pe,tli: s 0 s 1... s k. p.16/40
17 [M, φ] k := [M] k ( k ( L k [φ] 0 k) ( l L k l [φ] 0 k) ) l=0 l[φ] 0 k [φ] 0 k znaczenie φ na (k, l)-pe,tli znaczenie φ na nie-pe,tli rozmiar formuły [M, φ] k jest O(k ( M + φ )). p.17/40
18 l[φ] i k 0 l, i k s 0 s 1... s l... s k l[p] i k := L p (z i ) l[ p] i k l[φ ψ] i k l[φ ψ] i k :=... l[ X φ] i k := l [φ] succ(i) k succ(i) = { i + 1 i < k l i = k F φ φ X F φ φ U ψ ψ (φ X φ U ψ) G φ φ X G φ φ R ψ ψ (φ X φ R ψ). p.18/40
19 Przykład: s 0 s 1... s l... s k l[ F p] 0 k = L p (z 0 )... L p (z k ) l[ G p] 0 k = L p (z 0 )... L p (z k ) l[p U q] 0 k = L q (z 0 ) (L p (z 0 ) (L q (z 1 ) (... L q (z k 1 ) (L p (z k 1 ) L q (z k ))...))) l[ F G p] 0 k = (L p (z 0 ) L p (z 1 )... L p (z k )) (L p (z 1 )... L p (z k )) L p (z k ). p.19/40
20 Rozmiar formuły boolowskiej l [φ] i k jest O(k φ ) dzie,ki dzieleniu podformuł. p.20/40
21 [φ] i k 0 i k s 0 s 1... s k [p] i k [ p] i k [φ ψ] i k [φ ψ] i k := j. w. [ X φ] i k := [φ] i+1 k [φ] k+1 k := false F φ φ X F φ φ U ψ ψ (φ X φ U ψ) G φ φ X G φ φ R ψ ψ (φ X φ R ψ). p.21/40
22 Przykład: s 0 s 1... s k [ F p] 0 k = L p (z 0 )... L p (z k ) false [ G p] 0 k = L p (z 0 )... L p (z k ) false false [p U q] 0 k = L q (z 0 ) (L p (z 0 ) (L q (z 1 ) (... L q (z k 1 ) (L p (z k 1 ) (L q (z k ) (L p (z k ) false)))...))) [ F G p] 0 k false. p.22/40
23 [M, φ] k := [M] k ( k ( L k [φ] 0 k) ( l L k l [φ] 0 k) ) l=0 Tw.: M k E φ [M, φ] k jest spełnialna.. p.23/40
24 II. Pełność?. p.24/40
25 Jak uzyskać pełnósć weryfikacji ograniczonej? ograniczenie dla k (bezpieczeństwo) równolegle sprawdzamy φ i φ (żywotność) indukcja (bezpieczeństwo). p.25/40
26 Pełność dla G p Średnica ograniczenie dla k najmniejsze i t. że z 0,..., z n. z 0,..., z t, t i. S 0 (z 0 ) n 1 j=0 R(z j, z j+1 ) = S 0 (z 0) ( t 1 j=0 R(z j, z j+1) ) z t = z n. p.26/40
27 Pełność dla G p Średnica ograniczenie dla k najmniejsze i t. że z 0,..., z i+1. z 0,..., z i. S 0 (z 0 ) i j=0 R(z j, z j+1 ) = S 0 (z 0) ( i 1 j=0 R(z j, z j+1) ) i j=0 z j = z i+1. p.27/40
28 Pełność dla G p najdłuższaścieżka bez pe,tli ograniczenie dla k najwie,ksze i t. że z 0,..., z i. S 0 (z 0 ) ( i 1 j=0 R(z j, z j+1 ) ) i 1 i j=0 l=j+1 z j z l. p.28/40
29 Pełność dla F p M EG p k t. że naste,puja,ca formuła jest spełnialna: S 0 (z 0 ) k 1 R(z j, z j+1 ) k ( l L k k L p (z j )) j=0 l=0 j=0 M AF p k t. że naste,puja,ca formuła jest tautologia,: S 0 (z 0 ) k 1 R(z j, z j+1 ) = k L p (z j ) j=0 j=0. p.29/40
30 Pełność dla F p M EG p k t. że naste,puja,ca formuła jest spełnialna: S 0 (z 0 ) k 1 j=0 R(z j, z j+1 ) ( k l=0 ll k ) k j=0 L p (z j ) M AF p k t. że naste,puja,ca formuła jest niespełnialna: S 0 (z 0 ) k 1 R(z j, z j+1 ) k L p (z j ) j=0 j=0. p.30/40
31 Pełność dla G p indukcja 1) wybieramy niezmiennik φ(z) 2) sprawdzamy, że poniższa formuła jest niespełnialna: z 0,..., z k. S 0 (z 0 ) k 1 R(z j, z j+1 ) k φ(z j ) j=0 j=0 3) sprawdzamy, że poniższa formuła jest niespełnialna: z 0,..., z k+1. k (φ(z j ) R(z j, z j+1 )) φ(z k+1 ) j=0 4) sprawdzamy, że poniższa formuła jest tautologia,: z. φ(z) = L p (z). p.31/40
32 Po co k > 1? p p p p p. p.32/40
33 III. BDD czy SAT?. p.33/40
34 . p.34/40
35 BDD + SAT nieograniczona weryfikacja modelowa. p.35/40
36 IV. SAT-solvers. p.36/40
37 CNF algorytm DPLL przeszukiwanie drzewa wartościowań cze,ściowych BCP (ang. Boolean Constraint Propagation) konflikty obcinanie drzewa heurystyki. p.37/40
38 Graf implikacji. p.38/40
39 . p.39/40
40 Dlaczego SAT-rozwia,zywacze sa, tak szybkie? uczenie konfliktów dodajemy tzw. klauzule konfliktowe niechronologiczne powroty heurystyki dla: decyzji.... p.40/40
Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017
Logika Stosowana Wykład 1 - Logika zdaniowa Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 30 Plan wykładu 1 Język
Bardziej szczegółowoWeryfikacja modelowa. Protokoły komunikacyjne 2006/2007. Paweł Kaczan
Weryfikacja modelowa Protokoły komunikacyjne 2006/2007 Paweł Kaczan pk209469@students.mimuw.edu.pl Plan Wstęp Trzy kroki do weryfikacji modelowej Problemy Podsumowanie Dziedziny zastosowań Weryfikacja
Bardziej szczegółowoLOGIKA Klasyczny Rachunek Zdań
LOGIKA Klasyczny Rachunek Zdań Robert Trypuz trypuz@kul.pl 5 listopada 2013 Robert Trypuz (trypuz@kul.pl) Klasyczny Rachunek Zdań 5 listopada 2013 1 / 24 PLAN WYKŁADU 1 Alfabet i formuła KRZ 2 Zrozumieć
Bardziej szczegółowoLogika Stosowana. Wykład 2 - Logika modalna Część 3. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2017/2018
Logika Stosowana Wykład 2 - Logika modalna Część 3 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2017/2018 Marcin Szczuka (MIMUW) Logika Stosowana 2018 1 / 36 Plan wykładu
Bardziej szczegółowoAutomatyczne dowodzenie twierdzeń metodą rezolucji
Automatyczne dowodzenie twierdzeń metodą rezolucji 16 kwietnia 2010 Rezolucja zdaniowa Formuły rachunku zdań: zbudowane ze zmiennych zdaniowych za pomocą spójników logicznych,,,, i nawiasów Wartości logiczne:
Bardziej szczegółowoMetody Programowania
POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Metody Programowania www.pk.edu.pl/~zk/mp_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 8: Wyszukiwanie
Bardziej szczegółowoSemantyka rachunku predykatów
Relacje Interpretacja Wartość Spełnialność Logika obliczeniowa Instytut Informatyki Relacje Interpretacja Wartość Plan Plan Relacje O co chodzi? Znaczenie w logice Relacje 3 Interpretacja i wartościowanie
Bardziej szczegółowoRozstrzygalność logiki modalnej
, a FO, a Guarded fragment Rozstrzygalność logiki modalnej, a logika pierwszego rzędu 13.05.2009 / , a FO, a Guarded fragment Spis treści 1 Definicja Model Checking Spełnialność 2, a FO Zamiana na FO Złożoność
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Wnioskowanie logiczne i systemy eksperckie Systemy posługujące się logiką predykatów: część 3/3 Dzisiaj Uogólnienie Poprawność i pełność wnioskowania
Bardziej szczegółowoIII rok kognitywistyki UAM,
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ WYKŁAD 6A: REZOLUCJA III rok kognitywistyki UAM, 2016 2017 1 Rezolucja w KRZ Dowody rezolucyjne w KRZ są równie proste, jak dowody tablicowe Metoda
Bardziej szczegółowoPraktyczne metody weryfikacji
Praktyczne metody weryfikacji Sławomir Lasota Uniwersytet Warszawski semestr zimowy 06/07. p.1/?? I. Motywacja czyli po co?. p.2/?? czerwiec 1996. p.3/?? nieobsłużony wyjatek szacunkowy koszt: 600 mln
Bardziej szczegółowoAdam Meissner SZTUCZNA INTELIGENCJA Problem spełnialności (SAT)
Instytut Automatyki, Robotyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGENCJA Problem spełnialności
Bardziej szczegółowoLogika Temporalna i Automaty Czasowe
Modelowanie i Analiza Systemów Informatycznych Logika Temporalna i Automaty Czasowe (7) Automaty czasowe NuSMV Paweł Głuchowski, Politechnika Wrocławska wersja 2.3 Treść wykładu NuSMV NuSMV symboliczny
Bardziej szczegółowoTeoria obliczeń i złożoność obliczeniowa
Teoria obliczeń i złożoność obliczeniowa Kontakt: dr hab. inż. Adam Kasperski, prof. PWr. pokój 509 B4 adam.kasperski@pwr.wroc.pl materiały + informacje na stronie www. Zaliczenie: Egzamin Literatura Problemy
Bardziej szczegółowoAdam Meissner.
Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGENCJA Podstawy logiki pierwszego rzędu
Bardziej szczegółowoLogika stosowana. Ćwiczenia Złożoność obliczeniowa problemu spełnialności. Marcin Szczuka. Instytut Informatyki, Uniwersytet Warszawski
Logika stosowana Ćwiczenia Złożoność obliczeniowa problemu spełnialności Marcin Szczuka Instytut Informatyki, Uniwersytet Warszawski Wykład fakultatywny w semestrze zimowym 2015/2016 Marcin Szczuka (MIMUW)
Bardziej szczegółowoAlgebrę L = (L, Neg, Alt, Kon, Imp) nazywamy algebrą języka logiki zdań. Jest to algebra o typie
3. Wykłady 5 i 6: Semantyka klasycznego rachunku zdań. Dotychczas rozwinęliśmy klasyczny rachunek na gruncie czysto syntaktycznym, a więc badaliśmy metodę sprawdzania, czy dana formuła B jest dowodliwa
Bardziej szczegółowoAutomatyczne planowanie oparte na sprawdzaniu spełnialności
Automatyczne planowanie oparte na sprawdzaniu spełnialności Linh Anh Nguyen Instytut Informatyki Uniwersytet Warszawski Linh Anh Nguyen Algorytm planowania SatPlan 1 Problem planowania sufit nie malowany?
Bardziej szczegółowoMetody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia
Metody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Metoda tabel syntetycznych (MTS) MTS
Bardziej szczegółowoLogika Temporalna i Automaty Czasowe
Modelowanie i Analiza Systemów Informatycznych Logika Temporalna i Automaty Czasowe (7) Automaty czasowe NuSMV Paweł Głuchowski, Politechnika Wrocławska wersja 2.4 Treść wykładu NuSMV NuSMV symboliczny
Bardziej szczegółowoMETODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ KONWERSATORIUM 6: REZOLUCJA V rok kognitywistyki UAM 1 Kilka uwag terminologicznych Słuchacze zapewne pamiętają z zajęć dotyczących PROLOGu poniższą
Bardziej szczegółowoSemantyka rachunku predykatów pierwszego rzędu. Dziedzina interpretacji. Stałe, zmienne, funkcje. Logika obliczeniowa.
Logika obliczeniowa Instytut Informatyki 1 Interpretacja i wartościowanie Dziedzina interpretacji Interpretacja Wartościowanie 2 Wartość formuły Wartość termu Wartość logiczna formuły Własności 3 Logiczna
Bardziej szczegółowoWprowadzenie do Sztucznej Inteligencji
Wprowadzenie do Sztucznej Inteligencji Wykład 2 Informatyka Studia Inżynierskie Automatyczne dowodzenie twierdzeń O teoriach formalnie na przykładzie rachunku zdań Zastosowanie dedukcji: system Logic Theorist
Bardziej szczegółowoParadygmaty dowodzenia
Paradygmaty dowodzenia Sprawdzenie, czy dana formuła rachunku zdań jest tautologią polega zwykle na obliczeniu jej wartości dla 2 n różnych wartościowań, gdzie n jest liczbą zmiennych zdaniowych tej formuły.
Bardziej szczegółowoAndrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 9. Koniunkcyjne postacie normalne i rezolucja w KRZ
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 9. Koniunkcyjne postacie normalne i rezolucja w KRZ 1 Inferencyjna równoważność formuł Definicja 9.1. Formuła A jest
Bardziej szczegółowoZłożoność obliczeniowa
Złożoność obliczeniowa Jakub Michaliszyn 26 kwietnia 2017 Są problemy rozstrzygalne i nierozstrzygalne Są problemy rozstrzygalne i nierozstrzygalne Jak rozwiązywać te, które są rozstrzygalne? Są problemy
Bardziej szczegółowoJęzyk rachunku predykatów Formuły rachunku predykatów Formuły spełnialne i prawdziwe Dowody założeniowe. 1 Zmienne x, y, z...
Język rachunku predykatów 1 Zmienne x, y, z... 2 Predykaty n-argumentowe P(x, y,...), Q(x, y...),... 3 Funktory zdaniowe,,,, 4 Kwantyfikatory: istnieje, dla każdego Język rachunku predykatów Ustalenie
Bardziej szczegółowoLogika rachunek zdań
Wprowadzenie do Wykładu 1 Logika Logika rachunek zdań Materiały pomocnicze do wykładu dla Studentów Informatyki Stosowanej Wydział EAIiIB AGH Antoni Ligęza Materiały pomocnicze: http://home.agh.edu.pl/~ligeza
Bardziej szczegółowoProgramowanie deklaratywne i logika obliczeniowa
Programowanie deklaratywne i logika obliczeniowa Programowanie deklaratywne i logika obliczeniowa Wykład logika 12 godzin Dr hab. inż. Joanna Józefowska, prof. PP dyżur: poniedziałek 9.30-11.00 p. 10,
Bardziej szczegółowoLogika Temporalna i Automaty Czasowe
Modelowanie i Analiza Systemów Informatycznych Logika Temporalna i Automaty Czasowe (3) Logika CTL Paweł Głuchowski, Politechnika Wrocławska wersja 2.2 Treść wykładu Charakterystyka logiki CTL Czas w Computation
Bardziej szczegółowoLogika rachunek zdań
Wprowadzenie do Wykładu 1 Logika Logika rachunek zdań Materiały pomocnicze do wykładu dla Studentów Informatyki Wydział EAIiIB AGH Antoni Ligęza Materiały pomocnicze: http://home.agh.edu.pl/~ligeza Wprowadzenie
Bardziej szczegółowoMetoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.
Plan Procedura decyzyjna Reguły α i β - algorytm Plan Procedura decyzyjna Reguły α i β - algorytm Logika obliczeniowa Instytut Informatyki 1 Procedura decyzyjna Logiczna konsekwencja Teoria aksjomatyzowalna
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa.
Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Maja Czoków, Jarosław Piersa, Andrzej Rutkowski Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2018-10-15 Projekt
Bardziej szczegółowoLogika Stosowana. Wykład 2 - Logika modalna Część 2. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017
Logika Stosowana Wykład 2 - Logika modalna Część 2 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 27 Plan wykładu
Bardziej szczegółowoPraktyczne metody weryfikacji
Praktyczne metody weryfikacji Sławomir Lasota Uniwersytet Warszawski semestr letni 08/09. p.1/50 I. Motywacja czyli po co?. p.2/50 Arianne 5, czerwiec 1996. p.3/50 nieobsłużony wyjatek szacunkowy koszt:
Bardziej szczegółowoLista 6 Problemy NP-zupełne
1 Wprowadzenie Uniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych Teoretyczne Podstawy Informatyki Lista 6 Problemy NP-zupełne Problem abstrakcyjny Q jest to relacja dwuargumentowa
Bardziej szczegółowoAdam Meissner SZTUCZNA INTELIGANCJA
Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGANCJA Podstawy programowania z ograniczeniami
Bardziej szczegółowoWstęp do programowania
Wstęp do programowania Algorytmy zachłanne, programowanie dynamiczne Paweł Daniluk Wydział Fizyki Jesień 2014 P. Daniluk(Wydział Fizyki) WP w. IX Jesień 2014 1 / 26 Algorytmy zachłanne Strategia polegająca
Bardziej szczegółowoTrudność aproksymacji problemów NP-trudnych
Uniwersytet Warszawski Wydział Matematyki, Informatyki i Mechaniki Anna Niewiarowska Nr albumu: 201074 Trudność aproksymacji problemów NP-trudnych Praca magisterska na kierunku INFORMATYKA Praca wykonana
Bardziej szczegółowoAlgorytm wspinaczkowy dla zadania k-sat
Algorytm wspinaczkowy dla zadania k-sat 1 Problem k-spełnialności Niech L 0 oznacza język rachunku zdań. Do jego formalizacji konieczne są zmienne zdaniowe (nazywane formułami atomowymi, lub krótko atomami)
Bardziej szczegółowoMetoda Tablic Semantycznych
Procedura Plan Reguły Algorytm Logika obliczeniowa Instytut Informatyki Plan Procedura Reguły 1 Procedura decyzyjna Logiczna równoważność formuł Logiczna konsekwencja Procedura decyzyjna 2 Reguły α, β,
Bardziej szczegółowoTeoretyczne Podstawy Języków Programowania Wykład 1. Rachunek zdań
Instytut Informatyki Teoretyczne Podstawy Języków Programowania Wykład 1. Rachunek zdań Zdzisław Spławski Zdzisław Spławski: Teoretyczne Podstawy Języków Programowania, Wykład 1. Rachunek zdań 1 Systemy
Bardziej szczegółowoLogika pragmatyczna. Logika pragmatyczna. Kontakt: Zaliczenie:
Logika pragmatyczna Logika pragmatyczna Kontakt: dr hab. inż. Adam Kasperski pokój 509 B4 adam.kasperski@pwr.wroc.pl materiały + literatura + informacje na stronie www. Zaliczenie: Kolokwium pisemne na
Bardziej szczegółowoLogika pragmatyczna dla inżynierów
Logika pragmatyczna Logika pragmatyczna dla inżynierów Kontakt: dr hab. inż. Adam Kasperski pokój 509 B4 adam.kasperski@pwr.edu.pl materiały + literatura + informacje na stronie www. Zaliczenie: Test pisemny
Bardziej szczegółowoElementy logiki. Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń
Elementy logiki Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń 1 Klasyczny Rachunek Zdań 1.1 Spójniki logiczne Zdaniem w sensie logicznym nazywamy wyrażenie, które jest
Bardziej szczegółowoMonte Carlo w model checkingu
Niezawodność systemów współbieżnych i obiektowych 28 kwietnia 2010 1 2 3 4 5 Cel Cel Weryfikacja systemów komputerowych sprawdzenie, czy formuła LTL zachodzi dla danego systemu Problemy: Problem weryfikacji
Bardziej szczegółowoKonsekwencja logiczna
Konsekwencja logiczna Niech Φ 1, Φ 2,..., Φ n będa formułami logicznymi. Formuła Ψ wynika logicznie z Φ 1, Φ 2,..., Φ n jeżeli (Φ 1 Φ 2 Φ n ) Ψ jest tautologia. Formuły Φ 1, Φ 2,..., Φ n nazywamy założeniami
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa.
Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2011-10-11 1 Modelowanie funkcji logicznych
Bardziej szczegółowoDefinicja: alfabetem. słowem długością słowa
Definicja: Niech X będzie zbiorem niepustym. Zbiór ten będziemy nazywać alfabetem. Skończony ciąg elementów alfabetu X będziemy nazywać słowem a liczbę elementów tego ciągu nazywamy długością słowa. Na
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści wspólnych z kierunkiem Matematyka, moduł kierunku obowiązkowy Rodzaj zajęć: wykład, ćwiczenia I KARTA PRZEDMIOTU CEL
Bardziej szczegółowoSID Wykład 5 Wnioskowanie w rachunku zdań
SID Wykład 5 Wnioskowanie w rachunku zdań Wydział Matematyki, Informatyki i Mechaniki UW slezak@mimuw.edu.pl Bazy wiedzy Inference engines Knowledge base domain-independent algorithms domain-specific content
Bardziej szczegółowoLogika Rachunek zdań
Wprowadzenie do Wykładu 1 Logika Rachunek zdań Materiały pomocnicze do wykładu dla Studentek i Studentów Informatyki Wydziału EAIiIB AGH Antoni Ligęza : 2016 Materiały pomocnicze: http://home.agh.edu.pl/~ligeza
Bardziej szczegółowoLogika Temporalna i Automaty Czasowe
Modelowanie i Analiza Systemów Informatycznych Logika Temporalna i Automaty Czasowe (4) Modelowa weryfikacja systemu Paweł Głuchowski, Politechnika Wrocławska wersja 2.1 Treść wykładu Własności współbieżnych
Bardziej szczegółowoLogika rachunek zdań
Wprowadzenie do Wykładu 1 Logika Logika rachunek zdań Materiały pomocnicze do wykładu dla Studentów Informatyki Stosowanej Wydział EAIiIB AGH Antoni Ligęza Materiały pomocnicze: http://home.agh.edu.pl/~ligeza
Bardziej szczegółowovf(c) =, vf(ft 1... t n )=vf(t 1 )... vf(t n ).
6. Wykład 6: Rachunek predykatów. Język pierwszego rzędu składa się z: symboli relacyjnych P i, i I, gdzie (P i ) oznaczać będzie ilość argumentów symbolu P i, symboli funkcyjnych f j, j J, gdzie (f j
Bardziej szczegółowo1. Składnia. Logika obliczeniowa - zadania 1 SKŁADNIA Teoria
Logika obliczeniowa - zadania 1 SKŁADNIA 1. Składnia 1.1. Teoria 1. Składnia oznacza reguły tworzenia... z.... 2. Rachunek predykatów pierwszego rzędu (w skrócie: rachunek predykatów) wyróżnia cztery zbiory
Bardziej szczegółowoLogika Stosowana. Wykład 2 - Logika modalna Część 1. Marcin Szczuka. Instytut Matematyki UW. Wykład monograficzny, semestr letni 2016/2017
Logika Stosowana Wykład 2 - Logika modalna Część 1 Marcin Szczuka Instytut Matematyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 28 Plan wykładu 1
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa.
Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2012-10-10 Projekt pn. Wzmocnienie
Bardziej szczegółowoStruktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott
Struktury danych i złożoność obliczeniowa Wykład 5 Prof. dr hab. inż. Jan Magott DMT rozwiązuje problem decyzyjny π przy kodowaniu e w co najwyżej wielomianowym czasie, jeśli dla wszystkich łańcuchów wejściowych
Bardziej szczegółowoAndrzej Wiśniewski Logika II. Wykłady 10b i 11. Semantyka relacyjna dla normalnych modalnych rachunków zdań
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykłady 10b i 11. Semantyka relacyjna dla normalnych modalnych rachunków zdań 1 Struktury modelowe Przedstawimy teraz pewien
Bardziej szczegółowo1 Funktory i kwantyfikatory
Logika, relacje v07 egzamin mgr inf niestacj 1 1 Funktory i kwantyfikatory x X x X Φ(x) dla każdego x X (= dla wszystkich x) zachodzi formuła Φ(x) Φ(x) istnieje x X takie, że (= dla pewnego x) zachodzi
Bardziej szczegółowoPodstawowe Pojęcia. Semantyczne KRZ
Logika Matematyczna: Podstawowe Pojęcia Semantyczne KRZ I rok Językoznawstwa i Informacji Naukowej UAM 2006-2007 Jerzy Pogonowski Zakład Logiki Stosowanej UAM http://www.logic.amu.edu.pl Dodatek: ściąga
Bardziej szczegółowoElementy logiki Klasyczny rachunek zdań. Wojciech Buszkowski Zakład Teorii Obliczeń Wydział Matematyki i Informatyki Uniwersytet im.
Elementy logiki. Klasyczny rachunek zdań. Elementy logiki Klasyczny rachunek zdań Wojciech Buszkowski Zakład Teorii Obliczeń Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza 1 Spójniki
Bardziej szczegółowoLogika Temporalna i Automaty Czasowe
Modelowanie i Analiza Systemów Informatycznych Logika Temporalna i Automaty Czasowe (2) Logika LTL Paweł Głuchowski, Politechnika Wrocławska wersja 2.1 Treść wykładu Charakterystyka logiki LTL Czas w Linear
Bardziej szczegółowoMetody Sztucznej Inteligencji (studia inżynierskie)
Politechnika Warszawska Ośrodek Kształcenia Na Odległość Metody Sztucznej Inteligencji (studia inżynierskie) Autor: Włodzimierz Kasprzak Opracowanie multimedialne: Warszawa, wrzesień 2014 Metody Sztucznej
Bardziej szczegółowoWstęp do programowania
Wstęp do programowania Programowanie dynamiczne Paweł Daniluk Wydział Fizyki Jesień 2013 P. Daniluk(Wydział Fizyki) WP w. X Jesień 2013 1 / 21 Dziel i zwyciężaj przypomnienie 1 Podział problemu na 2 lub
Bardziej szczegółowoWstęp do logiki. Klasyczny Rachunek Zdań II
Wstęp do logiki Klasyczny Rachunek Zdań II DEF. 1 (Słownik). Następujące znaki tworzą słownik języka KRZ: p 1, p 2, p 3, (zmienne zdaniowe) ~,,,, (spójniki) ), ( (nawiasy). DEF. 2 (Wyrażenie). Wyrażeniem
Bardziej szczegółowoInterpretacja Niech U będzie zbiorem formuł takim, że zbiór {p 1,..., p k } jest zbiorem wszystkich symboli predykatywnych, {f 1,..., f l } jest zbior
Rachunek predykatów Wykład 5 Plan wykładu Funkcje i termy Postać klauzulowa formuł Modele Herbranda Twierdzenie Herbranda Rezolucja dla klauzul ustalonych Podstawienia Uzgadnianie Rezolucja Funkcje i termy
Bardziej szczegółowoDefinicja: zmiennych zdaniowych spójnikach zdaniowych:
Definicja: Alfabet języka logiki zdań składa się z nieskończonego (najczęściej zakładamy: przeliczalnego) zbioru P, o którym myślimy jak o zbiorze zmiennych zdaniowych i skończonego zbioru symboli, o których
Bardziej szczegółowoAndrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki. Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ
Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 10. Twierdzenie o pełności systemu aksjomatycznego KRZ 1 Tezy KRZ Pewien system aksjomatyczny KRZ został przedstawiony
Bardziej szczegółowoDefinicja: zmiennych zdaniowych spójnikach zdaniowych:
Definicja: Alfabet języka logiki zdań składa się z nieskończonego (najczęściej zakładamy: przeliczalnego) zbioru P, o którym myślimy jak o zbiorze zmiennych zdaniowych i skończonego zbioru symboli, o których
Bardziej szczegółowoAlgorytmy aproksymacyjne i parametryzowane
Algorytmy aproksymacyjne i parametryzowane Marek Cygan Uniwersytet Warszawski 18 października 2012 Marek Cygan Algorytmy aproksymacyjne i parametryzowane 1/22 Wstęp W algorytmice problemy dzielimy na obliczeniowo
Bardziej szczegółowoPlanowanie drogi robota, algorytm A*
Planowanie drogi robota, algorytm A* Karol Sydor 13 maja 2008 Założenia Uproszczenie przestrzeni Założenia Problem planowania trasy jest bardzo złożony i trudny. W celu uproszczenia problemu przyjmujemy
Bardziej szczegółowoROZDZIAŁ 1. Rachunek funkcyjny
ROZDZIAŁ 1 Rachunek funkcyjny Niech X 1,..., X n będą dowolnymi zbiorami. Wyrażenie (formułę) ϕ(x 1,..., x n ), w którym występuje n zmiennych x 1,..., x n i które zamienia się w zdanie logiczne, gdy zamiast
Bardziej szczegółowoLogika Stosowana. Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta. Marcin Szczuka. Instytut Informatyki UW
Logika Stosowana Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika
Bardziej szczegółowoLOGIKA STOSOWANA Wykład monograficzny Semestr letni, 2016/2017
LOGIKA STOSOWANA Wykład monograficzny Semestr letni, 2016/2017 Nguyen Hung Son, Marcin Szczuka Instytut Informatyki UW Warszawa, ul.banacha 2 szczuka@mimuw.edu.pl 2 Spis treści 1 Rachunek zdań 5 1.1 Język
Bardziej szczegółowoRachunek predykatów. Formuły rachunku predykatów. Plan wykładu. Relacje i predykaty - przykłady. Relacje i predykaty
Rachunek predykatów Wykład 4 Plan wykładu Relacje i predykaty Formuły rachunku predykatów Interpretacje Logiczna równoważność Metoda tabel Modele skończone i nieskończone Rozstrzygalność Relacje i predykaty
Bardziej szczegółowoTeoria Złożoności Zadania
Teoria Złożoności Zadania Łukasz Czajka 14 czerwca 2008 1 Spis treści 1 Zadanie 1 3 2 Zadanie 5 8 2 1 Zadanie 1 Niech A NP 1. Istnieje zatem jedno-taśmowa niedeterministyczna maszyna Turinga M o alfabecie
Bardziej szczegółowoAndrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 5. Wprowadzenie do semantyki teoriomodelowej cz.5. Wynikanie logiczne 1 Na poprzednim wykładzie udowodniliśmy m.in.:
Bardziej szczegółowoInteligencja obliczeniowa Laboratorium 2: Algorytmy genetyczne
Inteligencja obliczeniowa Laboratorium 2: Algorytmy genetyczne Zadanie 1 W problemie plecakowym pytamy, jakie przedmioty wziąć do plecaka o ograniczonej objętości, by ich wartość była najwyższa. Załóżmy,
Bardziej szczegółowoAlgorytmy i struktury danych
Algorytmy i struktury danych 4. Łódź 2018 Suma szeregu harmonicznego - Wpisz kod programu w oknie edycyjnym - Zapisz kod w pliku harmonic.py - Uruchom skrypt (In[1]: run harmonic.py) - Ten program wykorzystuje
Bardziej szczegółowoProblemy optymalizacyjne - zastosowania
Problemy optymalizacyjne - zastosowania www.qed.pl/ai/nai2003 PLAN WYKŁADU Zło ono obliczeniowa - przypomnienie Problemy NP-zupełne klika jest NP-trudna inne problemy NP-trudne Inne zadania optymalizacyjne
Bardziej szczegółowoWstęp do Programowania potok funkcyjny
Wstęp do Programowania potok funkcyjny Marcin Kubica 2010/2011 Outline 1 Kilka podstawowych pojęć Definition Programy imperatywne zmieniają stan, czyli wartości zmiennych. Asercja = warunek logiczny, który
Bardziej szczegółowoMetalogika (10) Jerzy Pogonowski. Uniwersytet Opolski. Zakład Logiki Stosowanej UAM
Metalogika (10) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Uniwersytet Opolski Jerzy Pogonowski (MEG) Metalogika (10) Uniwersytet Opolski 1 / 291 Plan wykładu Plan
Bardziej szczegółowoRodzaje Code slicing w weryfikacji Narzędzia Literatura. Code slicing. Bartłomiej Wołowiec. 16 lutego 2011
w weryfikacji 16 lutego 2011 w weryfikacji 1 Rodzaje Statyczny slicing (ang. Static Slicing) Dynamiczny slicing (ang. Dynamic Slicing) Warunkowy slicing (ang. Conditioned Slicing) Bezpostaciowy slicing
Bardziej szczegółowoElementy logiki i teorii mnogości
Elementy logiki i teorii mnogości Zdanie logiczne Zdanie logiczne jest to zdanie oznajmujące, któremu można przypisać określoną wartość logiczną. W logice klasycznej zdania dzielimy na: prawdziwe (przypisujemy
Bardziej szczegółowoWERYFIKACJA WSPOMAGANA KOMPUTEROWO
WERYFIKACJA WSPOMAGANA KOMPUTEROWO Wykład 10 Dowodzenie poprawności programów. Java Modeling Language I. Dowodzenie poprawności DOWODZENIE POPRAWNOŚCI obligacje dowodowe system wspomagający dowodzenie
Bardziej szczegółowoAlgorytmy stochastyczne, wykład 05 Systemy Liendenmayera, modelowanie roślin
Algorytmy stochastyczne, wykład 5, modelowanie roślin Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 214-3-2 1 2 3 ze stosem Przypomnienie gramatyka to system (Σ, A, s,
Bardziej szczegółowoAndrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki. Wykład 15. Trójwartościowa logika zdań Łukasiewicza
Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 15. Trójwartościowa logika zdań Łukasiewicza 1 Wprowadzenie W logice trójwartościowej, obok tradycyjnych wartości logicznych,
Bardziej szczegółowoCzyli o budowie drzew semantycznych.
Czyli o budowie drzew semantycznych ZAŁÓŻMY Jednego z Was porwał okrutny PRL. W ramach okupu żąda, by obecni na sali udowodnili, że podane przez nich formuły są zawsze prawdziwe. Zaczynają zupełnie niewinnie
Bardziej szczegółowoGraf. Definicja marca / 1
Graf 25 marca 2018 Graf Definicja 1 Graf ogólny to para G = (V, E), gdzie V jest zbiorem wierzchołków (węzłów, punktów grafu), E jest rodziną krawędzi, które mogą być wielokrotne, dokładniej jednoelementowych
Bardziej szczegółowoImię, nazwisko, nr indeksu
Imię, nazwisko, nr indeksu (kod) (9 punktów) Wybierz 9 z poniższych pytań i wybierz odpowiedź tak/nie (bez uzasadnienia). Za prawidłowe odpowiedzi dajemy +1 punkt, za złe -1 punkt. Punkty policzymy za
Bardziej szczegółowoIII rok kognitywistyki UAM,
METODY DOWODZENIA TWIERDZEŃ I AUTOMATYZACJA ROZUMOWAŃ WYKŁAD 14: POWTÓRKA III rok kognitywistyki UAM, 2016 2017 Dzisiejszy wykład w całości poświęcony będzie omówieniu przykładowych zadań, podobnych do
Bardziej szczegółowoLogika Matematyczna 11 12
Logika Matematyczna 11 12 Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 3, 10 stycznia 2008 Jerzy Pogonowski (MEG) Logika Matematyczna 11 12 3, 10 stycznia 2008 1
Bardziej szczegółowoElementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań
Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań Micha l Ziembowski m.ziembowski@mini.pw.edu.pl www.mini.pw.edu.pl/ ziembowskim/ October 2, 2016 M. Ziembowski (WUoT) Elementy logiki i teorii
Bardziej szczegółowoWprowadzenie Logiki temporalne Przykłady użycia Bibliografia. Logiki temporalne. Andrzej Oszer. Seminarium Protokoły Komunikacyjne
Seminarium Protokoły Komunikacyjne Spis treści 1 2 PLTL - Propositional Linear Temporal Logic CTL - Computation Tree Logic CTL* - uogólnienie 3 4 rozszerzaja logikę pierwszego rzędu o symbole określajace
Bardziej szczegółowoSztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011
Sztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011 Przedmowa. CZĘŚĆ I: WPROWADZENIE 1. Komputer 1.1. Kółko i krzyżyk 1.2. Kodowanie 1.3. Odrobina fantazji
Bardziej szczegółowoLogika Matematyczna 11 12
Logika Matematyczna 11 12 Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl TA w KRZ Jerzy Pogonowski (MEG) Logika Matematyczna 11 12 TA w KRZ 1 / 102 Wprowadzenie Wprowadzenie
Bardziej szczegółowoProf. dr hab. inż. Jan Magott Wrocław, Katedra Informatyki Technicznej Wydział Elektroniki Politechniki Wrocławskiej
Prof. dr hab. inż. Jan Magott Wrocław, 09.09.2017 Katedra Informatyki Technicznej Wydział Elektroniki Politechniki Wrocławskiej RECENZJA ROZPRAWY DOKTORSKIEJ DLA INSTYTUTU PODSTAW INFORMATYKI POLSKIEJ
Bardziej szczegółowoWERYFIKACJA WSPOMAGANA KOMPUTEROWO. Sławomir Lasota Uniwersytet Warszawski 2009/1020
WERYFIKACJA WSPOMAGANA KOMPUTEROWO Sławomir Lasota Uniwersytet Warszawski 2009/1020 Teoria i praktyka wspomaganych komputerowo metod analizy formalnej oprogramowania i układów sprzętowych. I. Motywacja
Bardziej szczegółowo