首页 > 其他分享 >离散数学——2.命题逻辑公式语法和语义

离散数学——2.命题逻辑公式语法和语义

时间:2024-07-19 21:51:53浏览次数:6  
标签:运算符 逻辑 真值 公式 语义 命题 离散数学 命题逻辑

命题逻辑公式语法和语义

命题逻辑基本概念

  • 命题及其真值
    • 对事物性质或关系进行判断,有真假值的陈述句
      • 非陈述句(感叹句、疑问句、祈使句)不是命题
      • 变量的句子、认为是悖论的句子,没有真假值,不是命题
    • 命题的真值包含两个值,一个为真(true),一个为假(false)
      • 使用0或F表示假,1或T表示真,真值集是2 =
  • 原子命题和复合命题
    • 不含有逻辑联结词不能分割的命题是原子命题(简单命题)
      • 逻辑本身不研究原子命题的真值
    • 含有逻辑联结词,可分割为子命题的命题是复合命题
      • 复合命题的真值由原子命题的真值及其中的逻辑联结词决定
  • 逻辑联结词:与、或、非、蕴涵和双蕴涵
    • 命题逻辑本质上是研究逻辑联结词的性质

命题逻辑公式的语法

命题逻辑公式的归纳定义

逻辑语言是逻辑公式的集合,逻辑公式是给定符号集的符号按照一定规则构成的符号串

  • 逻辑公式的语法(syntax)就是构成公式的规则,体现为逻辑公式的归纳定义

为什么要学习公式的归纳定义?

  1. 公式的归纳定义给出了分析公式结构的算法
    • 编写程序处理命题逻辑公式的基础
      • 进而可编写程序计算命题逻辑公式的真值等等
  2. 培育严谨思考精神,以及可对逻辑有更深认识
    • 公式归纳定义是非常严谨的定义
    • 清楚公式语法结构可深化对逻辑语言的学习

命题逻辑公式的符号集

  • 预先给定的命题变量集Var
    • 离散建模时从需求解的问题中提取的基本命题的符号化
    • 通常使用小写字母p, q, r表示命题变量
  • 五个逻辑运算符 ¬ ∧ ∨ → ↔
  • 辅助符号:左右圆括号(, )

命题逻辑公式的归纳定义

  • 归纳基:命题变量集Var的每个符号是公式称为命题变量,也是原子公式
  • 归纳步
    • 如果A,则(¬A)是公式
    • 如果A, B是公式,则(A∧B), (A∨B), (A→B), (A↔B)是公式

归纳步在已有公式加逻辑运算符和圆括号构造更多公式

  • 每个逻辑运算符对应一个构造公式的归纳步规则

归纳定义的最小化原则

  • 每个公式都是原子公式、否定式、合取式、析取式、蕴涵式或双蕴涵式之一
  • 每一步使用归纳步规则构造一个公式的已有公式是构造得到公式的子公式
  • 对公式结构的分析可得到公式的抽象语法树,其中内部节点只用构造公式的逻辑运算符标记
  • 子公式的语法结构由抽象语法树的子树描述

规定逻辑运算符的优先级和结合性,以减少圆括号的使用

  • 运算符优先级用于确定一个命题变量处在两个不同的运算符中间时,该命题变量参与优先级高的逻辑运算
    • 逻辑运算符的优先级从高到低的顺序是 ¬, ∧, ∨, →, ↔
  • 运算符结合性用于确定一个命题变量处在两个相同的二元运算符中间时,命题变量所参与的运算
    • ∧, ∨和↔是从左至右结合,而→是从右至左结合

命题逻辑公式的语义

命题逻辑公式语义的归纳定义

命题逻辑公式的语义 (semantic)是指如何确定命题逻辑公式的真值

  • 在给定命题变量的真值的基础上如何确定命题逻辑公式的真值

  • 命题逻辑公式的语法定义基于给定的命题变量集Var

  • 命题逻辑公式的语义定义基于该命题变量集的一个真值赋值函数$σ:Var→2$

真值赋值函数

给定的命题变量集Var的一个真值赋值函数σ是

  • 从Var到真值集2 = {0, 1}的函数σ: Var →2

成真赋值和成假赋值:对于真值赋值函数σ和公式A,若σ(A)= 1,则σ称为公式A的成真赋值,否则称为公式A的成假赋值

命题逻辑公式的真值表

根据真值赋值顺序和每一列关注的逻辑运算符的特点逐列构造真值表

合取:第一个分支为假,整个合取式为假,否则等于第二个分支的真值

析取:第一个分支为真,整个析取式为真,否则等于第二个分支的真值

蕴涵:第一个分支为假,整个蕴涵式为真,否则等于第二个分支的真值

  • 命题逻辑公式从语法上分为原子公式、否定式、合取式、析取式、蕴涵式和双蕴涵式

  • 命题逻辑公式从语义上分为永真式、矛盾式和偶然式(非永真的可满足式)

标签:运算符,逻辑,真值,公式,语义,命题,离散数学,命题逻辑
From: https://www.cnblogs.com/michaelyeung/p/18312450

相关文章

  • 7.kafka中的消费语义、幂等性
    目录概述kafka中幂等性支持配置原理概述  kafka中的消费语义atmostonce:可能会丢数据atleastonce:all+分区副本>=2+min>=2不丢失数据,但是数据可能重复exactlyonce:精准一次,不丢不重kafka的事务与幂等性官方速递ApacheKafkaIdempotentProducer-A......
  • Windows+Python配置和使用labelme打标工具(语义分割)
    Labelme是一个开源的图像标注工具麻省理工学院的计算机科学和人工智能实验室(CSAIL)开发。它主要用于创建计算机视觉和机器学习应用所需的标记数据集。LabelMe让用户可以在图片上标注对象和区域,为机器学习模型提供训练数据。它支持多种标注类型,如矩形框、多边形和线条等。它是用Py......
  • DevExpress WinForms中文教程 - 如何在Grid控件中集成语义相似性搜索?
    许多用户都知道Microsoft的DanielRoth和SteveSanderson引入的.NET智能组件——AI驱动的UI控件,许多人都喜欢这个控件原因归结为以下几点:由于它的简单性,开发人员可以在本地“驾驭AI”,而无需获得Azure或OpenAIPhD-智能功能使用单个NuGet包即可使用。“智能搜索”是通过本地嵌......
  • 语义分割评价指标
    语义分割是计算机视觉中的一个重要任务,其目标是将图像中的每个像素分类到一个特定的类别中。为了评估语义分割模型的性能,通常使用以下几个指标:1.准确率(Accuracy)准确率是指模型正确分类的像素数占总像素数的比例。公式如下:......
  • 【后端面试题】【中间件】【NoSQL】MongoDB提高可用性的方案(主从结构、仲裁节点、分片
    主从结构MongoDB的高可用和别的中间件的高可用方案基本类似。比如在MySQL里,接触了分库分表和主从同步;在Redis里,Redis也有主从结构;在Kafka里,分区也是有主从结构的。所以先介绍启用了主从同步我们的系统有一个关键组件-MongoDB,但是在最开始的时候,MongoDB没有启用主从,是......
  • Python|遥感影像语义分割:使用Python(GDAL)制作遥感影像语义分割数据集
    遥感影像标注使用ArcGISPro标注得到标签图标注对象以供深度学习使用—ArcGISPro|文档,由于我的任务是二分类任务,因此我得到的标签图是一张二值图,如下图所示。使用python滑动裁剪图像及标签采用分块裁剪策略,将大区域影像分割成256256像素的块,并采用滑动窗口技术,步长为窗口宽......
  • 语义角色标注(Semantic Role Labeling, SRL)
    语义角色标注(SemanticRoleLabeling,SRL)是自然语言处理中一种重要的任务,旨在识别和标注句子中每个谓词(通常是动词)与其周围单词之间的语义角色关系。每个语义角色表示动作或事件中的不同参与者的角色或语义功能。下面是一些常见的语义角色标签及其含义:ARG0:表示动作的施事(Agent......
  • LLM大模型: RAG的上下文语义聚类retrieval — GraphaRAG
     截至目前,RAG最大的缺陷就是无法回答总结性的问题了。上篇文章(https://www.cnblogs.com/theseventhson/p/18281227)介绍了RAPTOR方法(利用GMM高斯混合模型对chunk聚类,然后再用LLM对每个cluster概括总结摘要)提取cluster的语义,借此来回答概括、总结性的问题,最核心的步骤就是聚......
  • LLM大模型: RAG的上下文语义retrieval — RAPTOR
    1、RAG有很多优点,但是缺点也很明显,其中一个硬伤就是:只会“断章取义”!如果文本有明确的答案,现有的retrieve方式大概率能找到,但是如果文本没有明确的答案了?比如android逆向和windows逆向,哪个更有钱途?很多资料会介绍android逆向、windows逆向的原理和技术细节,但是没有哪个更有钱......
  • 编译原理 第六章&编译原理必考大题: 语义分析及中间代码生成&必考大题语句翻译
    第六章语义分析及中间代码生成&必考大题语句翻译文章目录第六章语义分析及中间代码生成&必考大题语句翻译写在最前6.1语义分析6.2中间代码6.2.1逆波兰式6.2.2四元式6.2.3三元式6.3语句翻译(必考大题)6.3.1布尔表达式的翻译6.3.2if语句的翻译6.3.3while语句翻......