Heuristické optimalizačné procesy

Slides:



Advertisements
Similar presentations
Ma.
Advertisements

El Alfabeto Con Vocabulario
Click on each of us to hear our sounds.
Las Vocales En Espanol.
Knowledge Representation II (Inference in Propositional Logic) CSE 473 Continued…
GRASP: A Search Algorithm for Propositional Satisfiability EE878C Homework #2 2002/11/1 KAIST, EECS ICS Lab Lee, Dongsoo.
SAT Solving Presented by Avi Yadgar. The SAT Problem Given a Boolean formula, look for assignment A for such that.  A is a solution for. A partial assignment.
HIRAGANA by number of strokes Images from:
PHONICS Repeat each sound. Blend the sounds. Read each word.
ma mu mi mo me pe pi pa pu po si sa so.
Sílabas con m,p,s tema 2. pe so ma si mu se.
MA. ME MI MO MU MÁ MÉ MÍ MÓ MŮ LA LE LI.
Dostupné z Metodického portálu ISSN: , financovaného z ESF a státního rozpočtu ČR. Provozováno Výzkumným ústavem pedagogickým v Praze.
Gábor Kusper University of Linz RISC Austria
INTRANSNET Contract No. G7RT-CT
Example Bullet Point Slide
Fyzika a chemie společně CZ/FMP/17B/0456
VOĽNE DOSTUPNÝ REFERENČNÝ MANAŽÉR
Renesancia a humanizmus
Zmluva o poskytnutí grantu
CSP problém (problém rešpektujúci obmedzenia)
Prečo šimpanzy nevedia rozprávať?
Operačné systémy Čo robí operačný systém ?
Výber z Menu obchodných spoločností ČŠ EÚ po Cartesiu
Geografický informačný systém
Domény a DNS.
INTERNATIONAL TRADE AND FORWARDING AGENTS
RIZIKÁ PRI REALIZOVANÍ PROJEKTU
Vývoj a druhy počítačov
Úvod do jazyka C Algoritmizácia úloh 4.
Yulia Šurinová "There is always a better way; it should be found."
Makrá v PowerPointe Joshua Lajčiak.
Barbora Ondíková VII.D 2014/2015
Schémy financovania v 7RP
Vytvorenie bázy športových motívov, priestorov a hodnôt ich expozície.
Človek vo sfére peňazí ročník.
7. prednáška 3. november 2003.
Mgr. Valentína Gunišová
Techniky parsimonickej analýzy pre veľké dátové súbory
Využitie IKT na hodinách anglického jazyka
Výučba cudzích jazykov
Skrutkovica na rotačnej ploche
Vlastnosti kvantitatívnych dát
História vzniku internetu
Šifrovanie Dešifrovanie
Ako manažovať smartfóny z cloudu TechDays East 2014
CSS - Cascading Style Sheets
Dvojrozmerné polia Kód ITMS projektu:
Lokálne príznaky vo farebných obrazoch
PRACOVNÉ PROSTREDIE PRI PRÁCI S POČÍTAČMI Z HĽADISKA ERGONÓMIE
Fyzikálna chémia,1.ročník, HF Technická univerzita v Košiciach
Vysoko subjektívna prezentácia o používaní podcastov
Heuristické optimalizačné procesy
Zásady hygieny pri stolovaní
Ing. Anita Sáreníková/ Cvičenia z aplikovanej informatiky
Metodológia CVM— Client Value Method
Veľkosť trhu agentúrnych zamestnancov
De Bonových 6 klobúkov myslenia
Seminár č. 9 - osnova Metódy sieťového plánovania a riadenia:
Dejiny biológie.
Ponúkame: poradenstvo technickú podporu - help desk školenia
Interaktívna kniha a e-learningový systém pre deti - Opera nehryzie
Termonukleárna fúzia a Studená fúzia.
8. prednáška 10. november 2003.
Neformálne ekonomické fórum 3. marec 2011
Inkrementálne učenie na konvolučných neurónových sieťach
Využitie biomasy v environmentálnych biotechnológiách
Metalová hudba.
DLL Algorithm.
Podpora adaptívneho WEB-u prostriedkami strojového učenia
Presentation transcript:

Heuristické optimalizačné procesy DPLL rodina algoritmov Marian.Mach@tuke.sk http://neuron.tuke.sk/~machm Február, 2013 Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach DPLL algoritmus Vznik 1960 : Davis – Putnam 1962 : Davis – Logemann – Loveland zisťuje či CNF je splniteľná a ak áno, tak aký je jej model systematický konštrukčný algoritmus veľa dnešných SAT solverov je založených na tomto algoritme (s pridanými rozšíreniami) SATO, POSIT, NTAB, MiniMAX Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach Konštrukcia riešenia a b c Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Konštrukcia + navracanie b ¬ b b ¬ b c ¬ c c ¬ c c ¬ c c ¬ c Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Konštrukcia + navracanie + orezanie b ¬ b b ¬ b c ¬ c c ¬ c Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Štruktúra DPLL algoritmu s = {} while( true ) s’ = add( s, π ) if( s’ = s ) then return s else π ‘ = prune( π ) if( conflict( s’, π’ ) ) then ( s, π ) = backtrack( s’, π’ ) if( s = {} ) then return {} ( s, π ) = ( s’, π’ ) endif endwhile Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Orezávanie – jednotková propagácia jednotkový literál – sám vytvára klauzulu umožňuje určiť hodnotu premennej (aby literál bol pravdivý a tým pádom aj klauzula) negácia literálu je nesplnená orezávanie každá klauzula, v ktorej vystupuje pravdivý literál, je splnená a možno ju odstrániť nepravdivý literál môže byť odstránený z klauzuly ukončenie prázdna klauzula >> nesplniteľnosť prázdna celková fomula >> splniteľnosť príklad: { ¬p V q, ¬p V ¬q V r, p, ¬r } Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Orezávanie – eliminácia literálu čistý literál literál, ktorý v skupine klauzúl má iba jeden tvar (buď priamy alebo negovaný) je možné určiť hodnotu príslušnej premennej (aby literál bol pravdivý) orezávanie každá klauzula, v ktorej tento literál vystupuje, bude splnená a možno ju odstrániť príklad: { ¬p V q, ¬p V ¬q V r, ¬p, ¬r } Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach DPLL príklad 1) p V q V r 2) p V ¬q V ¬r 3) p V ¬w 4) ¬q V ¬r V ¬w 5) ¬p V ¬q V r 6) u V x 7) u V ¬x 8) q V ¬u 9) ¬r V ¬u Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach Výberová heuristika RAND náhodný výber premennej aj hodnoty DLIS (Dynamic Largest Individual Sum) vyberie sa premenná, ktorej literál má najväčšiu frekvenciu v zostávajúcich klauzulách podľa literálu sa priradí hodnota DLCS (Dynamic Largest Combined Sum) vyberie sa premenná, ktorá má najväčšiu frekvenciu v zostávajúcich klauzulách hodnota sa priradí podľa toho, v akej forme sa tá premenná častejšie vyskytuje Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Výberová heuristika II MOM (Maximum Occurrences on clauses of Minimum size) uvažujú sa iba najkratšie zostávajúce klauzuly vyberá sa premenná x maximalizujúca [ #(x) + #(¬ x) ] * 2k + #(x) * #(¬ x) kde #(x) je počet výskytov premennej v priamej podobe hodnota sa priradí podľa toho, či premenná sa vyskytuje častejšie v priamej alebo negovanej podobe Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach Analýza konfliktov pri výskyte konfliktu následkom jednotkovej propagácie sa vykoná analýza tohto konfliktu analyzuje sa štruktúra vykonanej propagácie štartuje sa od nesplnenej klauzuly postupuje sa spätne až po okamihy priradenia hodnôt premenným identifikujú sa nové klauzuly, ktoré v budúcnosti dokážu orezať priestor ešte viac určuje sa bod návratu pre procedúru navracania používajú sa naučené klauzuly Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach Učenie nových klauzúl 1. x1 V x4 priradenie: x2 = ┴ 2. ¬x4 V ¬x5 x3 = ┴ 3. x2 V ¬x4 V ¬x6 x1 = ┴ 4. x5 V x6 5. x3 V x7 nové klauzuly x2 V ¬x4 x2 V x1 X3=┴ X7=┬ kl. 5 X2=┴ kl. 3 kl.4 X6=┴ kl. 3 kl. 1 □ X1=┴ X4=┬ kl. 2 X5=┴ kl. 4 Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach Určenie bodu návratu X2 X2 X2 ┴ ┴ ┴ ┴ X3 X3 X3 X3 ┴ ┴ ┴ ┴ X1 X1 X1 ┬ ┴ ┴ ┴ x2 V x1 x2 V ¬x4 Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach