Lgica proposicional

Lorenzo Mandow, Ezequiel Lpez Rubio, Enrique Domnguez

Dpto. Lenguajes y Ciencias de la Computacin
Universidad de Mlaga

Contenidos

1. Motivacin
2. Sintaxis
3. Semntica
4. Demostracin automtica

1. Motivacin

Representacin de espacios de estados:

Procedural (atmica)
Factorizada (variables/valores/restricciones)
Estructurada? (objetos, relaciones, leyes?)

Cmo podemos expresar mejor nuestro

conocimiento para razonar sobre el mismo?

1. Motivacin

En la representacin procedural (atmica) la

descripcin del problema queda encapsulada en un
conjunto de procedimientos,
Problem.GoalTest(node.STATE)
Problem.Actions(node.STATE)
CHILD-NODE(problem, node, action)

//cond. objetivo
//precondiciones
//efectos

El conocimiento del dominio queda encapsulado en

una funcin de evaluacin
f(n) = g(n) + h(n)

1. Motivacin

El modelo CSP (variables/dominios/restricciones)

establece una estructura bsica.

No es necesario programar cada espacio de estados.

Admite procedimientos de inferencia independientes del

dominio.

Pero

No todos los problemas admiten fcilmente el

formalismo CSP.

1. Motivacin

Sera posible una representacin estructurada de

nuestro conocimiento en trminos de objetos,
relaciones y leyes, que admitiera procedimientos
de inferencia independientes del dominio?

El uso de la lgica como lenguaje para la

representacin del conocimiento ha cautivado a
muchos investigadores de IA.

Conocimiento = estruct. simblicas + procedimientos

1. Motivacin

Contenidos

1. Motivacin
2. Sintaxis

3. Semntica
4. Demostracin automtica

2. Sintaxis

Define las frmulas bien formadas (proposiciones,

sentencias, o expresiones):

Proposiciones simples (tomos): A, B, C

Proposiciones compuestas, emplean parntesis y
conectivas lgicas:

, , , ,

Por ejemplo:
A
A
A B
(A B C) (B A)

2. Sintaxis

Argumento:
1 2 3n

Premisa

Conclusin

______________

Contenidos

1. Motivacin
2. Sintaxis
3. Semntica

4. Demostracin automtica

3. Semntica

Los significados de las expresiones de la lgica

proposicional son los valores de verdad {true, false}.
Una interpretacin es una funcin que a cada expresin
le asigna un valor de verdad. La interpretacin de las
conectivas viene dada por

3. Semntica

Un modelo de una expresin es una interpretacin que

la hace verdadera.

Una expresin puede ser:

tautologa (vlida): si toda interpretacin es modelo de

satisfacible: si existe al menos un modelo de
contradiccin: si no existe ningn modelo de

Consideremos las proposiciones atmicas = {A,B},

podemos dar algunos ejemplos?

3. Semntica

Un argumento

1 2 3n
______________

es vlido si todo modelo de = {1 2 3n} es

modelo de .

Del mismo modo, se dice que se infiere de :

|=

3. Semntica

Un argumento

1 2 3n
______________

es vlido si y solo si:

1 2 3 n es una tautologa

{1, 2, 3, n, } es insatisfacible

1 2 3 n es una contradiccin

3. Semntica

Ejemplo 1:

Wet (Rain Flooding)

Wet

3. Semntica

Ejemplo 1:

Wet (Rain Flooding)

Wet

Rain?

3. Semntica

Ejemplo 2:

Wet (Rain Flooding)

Hot (Summer Sunny Fire)
Summer
Wet
Hot

3. Semntica

Ejemplo 2:

Wet (Rain Flooding)

Hot (Summer Sunny Fire)
Summer
Wet
Hot

Rain?

Contenidos

1. Motivacin
2. Sintaxis
3. Semntica
4. Demostracin automtica

4. Demostracin por resolucin

Una demostracin es una secuencia de frmulas

obtenida por aplicacin de reglas de inferencia a un
conjunto de frmulas.
Slo consideraremos una regla de inferencia, la
regla de resolucin.
La resolucin se aplica a dos clusulas (disyunciones
de literales).
Para aplicar resolucin hay que pasar todas las
frmulas a forma normal conjuntiva (CNF)
(conjuncin de clusulas). Siempre es posible.

Conversin a CNF

Eliminar reemplazando por ()

()
Eliminar reemplazando por
Mover hacia dentro aplicando repetidamente:

()
()
()

Aplicar la distributividad de respecto a siempre

que sea posible:

() () ()

Ejemplo

[ Wet (Rain Flooding) ] Wet

Ejemplo

[ Wet (Rain Flooding) ] Wet

[ Wet (Rain Flooding) ] [ (Rain Flooding) Wet ]
Wet
[ Wet Rain Flooding ] [(Rain Flooding) Wet ]
Wet
[ Wet Rain Flooding ] [ (Rain Flooding) Wet ]
Wet
( Wet Rain Flooding ) (Rain Wet ) (Flooding
Wet ) Wet

Demostracin por resolucin

La resolucin se aplica a dos clusulas (disyunciones de

literales) tales que hay un literal li en la primera clusula que
es la negacin de un literal mj de la segunda clusula
Produce una disyuncin de todos los literales de las dos
clusulas originales excepto los dos literales li , mj

l1 ... lk , m1 ... mn
l1 ... li 1 li 1 ... lk m1 ... m j 1 m j 1 ... mn

Por ejemplo:
ABC
ADE
BCDE

Algoritmo

Demostraremos que |= por reduccin al

absurdo, es decir, que es insatisfacible
Primero convertimos a CNF
Despus aplicamos la regla de resolucin
repetidamente
Hay dos posibles resultados:

No se pueden aadir ms clusulas, lo que significa que

no se infiere de
Se produce la clusula vaca, lo que significa que se
infiere de

Algoritmo

Si la regla de resolucin produce una clusula en la que

aparecen dos literales complementarios, la descartamos
porque es lgicamente equivalente a True

Propiedades

La demostracin por resolucin

es correcta, es decir, nunca produce una frmula que no

se infiera de las formulas iniciales.
es completa, es decir, cuando se combina con cualquier
algoritmo de bsqueda completo, es capaz de alcanzar
cualquier frmula que pueda inferirse de las frmulas
iniciales

Volvemos al ejemplo

( Wet Rain Flooding ) (Rain Wet ) (Flooding

Wet ) Wet
Queremos demostrar = Rain

Volvemos al ejemplo
FloodingWet

WetRainFlooding

RainWet

Wet

Rain

KB

Rain

WetRainWet

WetFloodingWet

RainFloodingFlooding

Flooding

RainFloodingRain