Plan. Programmation Logique. Objectifs et plan du cours. Sources du cours - Bibliographie. Céline Rouveirol 2010-2011



Documents pareils
Bases de données Cours 5 : Base de données déductives

Logique : ENSIIE 1A - contrôle final

Limites finies en un point

Utilisation des tableaux sémantiques dans les logiques de description

Chapitre 7 : Intégration sur un intervalle quelconque

Raisonnements standard et non-standard pour les systèmes décentralisés de gestion de données et de connaissances

Encryptions, compression et partitionnement des données

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

Conception de circuits numériques et architecture des ordinateurs

Bases de données déductives

Machines virtuelles Cours 1 : Introduction

Intelligence Artificielle et Robotique

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)

Image d un intervalle par une fonction continue

Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions

1ère partie Nadine Cullot. Bases de données déductives. Bases de données déductives Introduction et Motivation

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Développements limités. Notion de développement limité

Chapitre 2 Le problème de l unicité des solutions

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Une méthode d apprentissage pour la composition de services web

Algèbre binaire et Circuits logiques ( )

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs

Comment démontrer des formules sans effort? exposé de maîtrise

Comparaison de fonctions Développements limités. Chapitre 10

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Cours d algorithmique pour la classe de 2nde

ALGORITHMIQUE ET PROGRAMMATION En C

M é ca n ism e Pr o lo g. Ex e m p le

Une nouvelle architecture parallèle pour le problème de validité des QBF

Intégration et probabilités TD1 Espaces mesurés

Rappels sur les suites - Algorithme

Raisonnement distribué dans un environnement de type Pair-à-Pair

SAV ET RÉPARATION. Savoir-faire.

UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS VÉRIFICATION ET ANALYSE DES POLITIQUES DE CONTRÔLE D ACCÈS : APPLICATION AU LANGAGE XACML

Chp. 4. Minimisation d une fonction d une variable

CCP PSI Mathématiques 1 : un corrigé

NOTICE SIMPLIFIEE ER-A280F. I Initialisation avec Remise à Zéro de la caisse : ENTER PASSWORD ER-A280V. Ver1.02

ÉPREUVE COMMUNE DE TIPE Partie D

Introduction a l'algorithmique des objets partages. Robert Cori. Antoine Petit. Lifac, ENS Cachan, Cachan Cedex. Resume

CHAPITRE 15 LES CREANCES ET DETTES EN MONNAIES ETRANGERES

Algorithmes d'apprentissage

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h

Axiomatique de N, construction de Z

Fonction de hachage et signatures électroniques

UE C avancé cours 1: introduction et révisions

Programmation linéaire

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

Langage SQL : créer et interroger une base

Vincent Augusto

Application de K-means à la définition du nombre de VM optimal dans un cloud

Restoring people s trust in their government by making governments more open and transparent

Optimisation des fonctions de plusieurs variables

1 Introduction et installation

Le signal GPS. Les horloges atomiques à bord des satellites GPS produisent une fréquence fondamentale f o = Mhz

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Développements limités, équivalents et calculs de limites

Raisonnement probabiliste

Exercice 3 du cours Management Bancaire : «Risque de crédit et scoring»

GUIDE GÉNÉRAL SUR LE CCSP ET LA PRÉSENTATION DE L I N F O R M ATION FINANCIÈRE DES CONSEILS SCOLAIRES

Système immunitaire artificiel

Ordonnancement temps réel

Cours 02 : Problème général de la programmation linéaire

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

Systèmes décisionnels et programmation avancée

Cours de Master Recherche

Model checking temporisé

Intelligence artificielle appliquée à l automatique

PROJET 1 : BASE DE DONNÉES REPARTIES

Les transactions 1/46. I même en cas de panne logicielle ou matérielle. I Concept de transaction. I Gestion de la concurrence : les solutions

Théorème du point fixe - Théorème de l inversion locale

M06/5/COMSC/SP1/FRE/TZ0/XX INFORMATIQUE NIVEAU MOYEN ÉPREUVE 1. Mardi 2 mai 2006 (après-midi) 1 heure 30 minutes INSTRUCTIONS DESTINÉES AUX CANDIDATS

Modélisation mathématique Techniques numériques

Manuel d utilisation 26 juin Tâche à effectuer : écrire un algorithme 2

Bases de données réparties: Fragmentation et allocation

Quelques algorithmes simples dont l analyse n est pas si simple

Langage SQL (1) 4 septembre IUT Orléans. Introduction Le langage SQL : données Le langage SQL : requêtes

Université Paris-Dauphine DUMI2E 1ère année, Applications

Calculateur quantique: factorisation des entiers

Autres langages de l IA

Model checking temporisé Algorithmes efficaces et complexité

Informatique Machines à calculer en théorie et en pratique

Théorie de la Mesure et Intégration

CURRICULUM VITAE. Informations Personnelles

Structures algébriques

CLES DE COMPREHENSION DE LA BEST EXECUTION

3. Conditionnement P (B)

Continuité et dérivabilité d une fonction

Cours Optimisation Partie Optimisation Combinatoire. Année scolaire Gérard Verfaillie ONERA/DCSD/CD, Toulouse

Dérivées d ordres supérieurs. Application à l étude d extrema.

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients

Programmation temps-réel Cours 1 et 2 Introduction et ordonnancement

Simulation de variables aléatoires

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Systèmes déductifs DEA D INFORMATIQUE UNIVERSITÉ BORDEAUX 1. Systèmes déductifs (Retoré) Plan Début Fin Préc. Suiv.

Chapitre 1. Une porte doit être ouverte et fermée. 1.1 Les enjeux de l'informatique quantique

La fonction exponentielle

Transcription:

Plan Programmation Logique Sup Galilée-INFO2 1 Chapitre 0 : Généralités Céline Rouveirol 2010-2011 2 Ch. 1 : Résolution en logique propositionnelle Rappels logique propositionnelle Résolution en logique propositionnelle Programmation Logique - 1/23 Programmation Logique - 2/23 Objectifs et plan du cours Sources du cours - Bibliographie Maîtrise des concepts de : la Programmation Logique PROLOG Introduction à l Intelligence Artificielle J.-M. Alliot, T. Schiex, P. Brisset, F. Garcia, Intelligence Artificielle et Informatique Théorique, 2ème ed., 2002 Poly de cours de logique, S. Cerrito http://www.lami.univ-evry.fr/~serena/ P. Flach, Simply Logical : Intelligent Reasoning by Example John Wiley 1994 M. R. Genesereth et N. J. Nilsson, Logical Foundations of Artificial Intelligence, Morgan Kaufmann, 1987 J. Lloyd, Foundations of Logic Programming, Springer, 1987 L. Sterling et E. Shapiro, The Art of Prolog : Advanced Programming Techniques, 2nd ed, 1994 Programmation Logique - Chapitre 0 : Généralités 3/23 Programmation Logique - Chapitre 0 : Généralités 4/23

Syntaxe logique propositionnelle Sémantique atomes ou variable propositionnelle : des énoncés dont nous ne cherchons pas pas connaître la structure interne. Notés p, q, r, s,.... connecteurs : les connecteurs,,,,,... formule un atome si A est une formule, A est une formule si A et B sont des formules A B, A B, A B et A B sont des formules formule vide notée, et définie par (a a) littéral : positif = atome et littéral négatif = négation d un atome Valuation : à chaque variable propositionnelle de la formule, on associe une valeur de vérité {t, f }. Interprétation d une formule : une valuation pour les variables prop. de la formule. Par abus de language, on liste parfois pour décrire une interprétation I uniquement les variables prop. qui ont pour valeur t dans I. Notation I (p) (resp. I (F )) : la valeur de vérité de la variable p (resp. de la formule F ) dans l interprétation I Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 5/23 Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 6/23 Tables de vérité Sémantique On associe à chaque connecteur (unaire, binaire) une fonction booléenne qui permet de calculer la v. v. d une formule dont ce connecteur est le connecteur principal, à partir de la v.v. de ses sous-formules A et B. A B A A B A B A B A B t t f t t t t t f f t f f f f t t t f t f f f t f f t t Satisfiabilité ( =). Soit F une formule et I une interprétation de F. On définit la relation de satisfiabilité (I = F ) par : F est une variable V : I = F ssi i(v ) = t F est une formule de la forme G : I = F ssi i(g) = f F est une formule de la forme G H : I = F ssi i(g) = t ou i(h) = t F est une formule de la forme G H, I = F ssi I (G) = t et I (H) = t Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 7/23 Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 8/23

Sémantique modèle I est un modèle pour une formule si I = F. I est un modèle pour un ensemble de formules Fi, 1 i n si pour tout i I = Fi conséquence logique La formule F est conséquence logique de la formule G (noté G = F ) si pour tout I tel que I = G alors I = F satisfiabilité Une formule est satisfiable si il existe au moins une interprétation I telle I = F. Une formule est dite insatisfiable s il n existe aucun I telle que I = F. Une formule qui est vraie pour toute interprétation I est une tautologie. On dit aussi qu elle est valide. Notation : = F. Sémantique (suite) Théorème de déduction : F1,..., Fn = G ssi (F1... Fn G) est valide Soit G une formule quelconque. Si E est un ensemble insatisfiable de formules, alors G est conséquence logique de E Si G est valide, G est conséquence logique d un ensemble quelconque de formules Soit E un ensemble de formules et G une formule, E = G ssi E, G est insatisfiable. Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 9/23 Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 10/23 Equivalence logique Soit F et G deux formules quelconques. F est logiquement équivalente à G, noté F G ssi F = G et G = F. F G ssi = F G Quelques équivalences utiles 1 F G F G G F 2 F G F G 3 (F G) F G et (F G) F G (loi de Morgan) 4 F F (loi de double négation) 5 F (G H) (F G) (F H) et F (G H) (F G) (F H) (distributivité de sur et vice versa) Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 11/23 Axiomatique du calcul propositionnel Méthodes algorithmiques pour décider automatiquement et aussi efficacement que possible de la satisfiabilité d un ensemble de formules. Un système de preuve est défini par un ensemble de règles (dites règles d inférence) à appliquer mécaniquement, en ne tenant compte que de la syntaxe des formules traitées. Notation : P1 P2 C où P1 et P2 sont les prémisses du séquent et C sa conclusion. Règle du modus ponens : A B B Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 12/23 A

Propriétés d un système d inférence On note classiquement la notion de dérivation par un système d inférence. Correction Un système d inférence est correct si, pour toute règle du système, la formule conclusion est conséquence logique de sa formule prémisse (de la conjonction de ses formules prémisses) : est correcte si. Complétude Un système d inférence est complet s il suffit à prouver toute formule valide : pour toute formule F telle que = F, alors F. Formes normales Littéral : formule atomique ou négation d une formule atomique Clause : formule de la forme l1... ln où chaque li est un littéral FNC : formule de la forme D1... Dk où k > 0 et chaque Di est une clause Conjonction élémentaire : formule de la forme l1... ln où chaque li est un littéral FND : formule de la forme C1... Ck où k > 0 et chaque Ci est une conjonction élémentaires Toute formule admet une forme normale conjonctive et disjonctive qui lui est logiquement équivalente Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 13/23 Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 14/23 Algorithme de mise sous FNC Exemple de mise sous FNC Utilisation des équivalences vues au transparent 11. 1 Eliminer les et les : application des équivalences 1 et 2 2 Limiter la portée des négations (faire descendre les négations) : application des équivalences 3 et 4 3 Mettre sous forme clausale : application des équivalences 5 Notes : Pour une formule f donnée, il existe plusieurs f telles que f f et f en FNC. La taille de f peut croître (exponentiellement) (p (q r)) (r s) p ((q r) ( r q)) (r s) p ((q r) ( r q)) (r s) ( s r) p (( q r) (r q)) (r s) ( s r) p (( q r) ( r q)) (r s) ( s r) ( p q r) ( p r q) ( r s) (s r) Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 15/23 Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 16/23

Résolution en calcul propositionnel Résolution en calcul propositionnel Méthode de démonstration par réfutation. Ensemble de formules insatisfiable : un ensemble de formules {Fi}, 1 i n est insatifiable ssi il n existe aucun modèle M tel que pour tout i, M = Fi. Principe de déduction : une formule G est conséquence logique d un ensemble de formules F = {Fi, 1 i n} ssi F G est insatisfiable. Deux règles d inférence : Résolution. Soient C1 et C2 deux clauses, soit p un littéral. C1 p C2 p R = C1 C2 On appelle R la résolvante de C1 p et C2 p Factorisation. Soient C une clause et p une littéral C p p C p Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 17/23 Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 18/23 Dérivation par résolution propositionnelle Exemple de réfutation Soient E un ensemble de clauses et c une clause. Une dérivation par résolution de c à partir des hypothèses E est une suite de clause r1,..., rn telles que pour tout i, 1 i n : ri E il existe un j i tel que il existe j, k i tels que rj ri rj par factorisation rk par résolution (ri est ri appelé résolvante de rj et rk Une réfutation de E est une dérivation par résolution de à partir des hypothèses de E S = {p q r; p q r; q r; r} q r r q p q r p q r q q r q r r r Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 19/23 Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 20/23

Propriétés de la résolution propositionnelle Résolution et clause de Horn Correction Soient A, B et C des clauses. {A C, B C} = A B Non complétude Il existe une théorie clausale F et une clause C telle que F = C, mais il n existe pas de dérivation par résolution de C à partir de F. Complétude pour la réfutation Un ensemble de formules F est insatisfiable ssi on peut dériver la clause vide de F par résolution. Si F = C, il existe une réfutation à partir de F C. Clauses de Horn une clause comprenant au plus un littéral positif. Résolution unitaire au moins un des deux parents est unitaire (l) : l L l L Stratégie de résolution 1 Si est dans F alors F est insatisfiable 2 Sinon, choisir une clause C et p une clause unitaire positive et C contient p 3 Calculer la résolvante R de p et C 4 Remplacer dans F C par R Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 21/23 Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 22/23 Résolution et clause de Horn La résolution unitaire n est pas complète par réfutation pour les théories clausales quelconques. Exemple : {a b; a b; a b; a b} La résolution unitaire est complète par réfutation pour les ensembles de clauses de Horn. Exemple : {a; c; a b; b c} Programmation Logique - Ch. 1 : Résolution en logique propositionnelle 23/23