OTIMIZAO DE MTODOS DE PROVA EM TABLS KE ATRAVS DA APLICAO DE UMA HEURSTICA BASEADA EM ALGORITMOS GENTICOS

Emerson Shigueo Sugimoto BSI - UTFPR 2013

Resoluo Tabls
Base de Conhecimentos {} Regras deduo conhecimento E para maximizar a eficcia da resoluo dos tabls? Regras
Em que ordem devem ser aplicadas ?

Frmulas
Qual a ordem de seleo da frmulas ?

Smullyan - otimizao
Regras A: consequncias diretas Regras B: bifurcam o tabl Regra A, F Regra B, T

Exemplo prova:
[p (q r)] [(p q) (p r)]

Smullyan - otimizao

Prova 1, sentido: cima para baixo 23 linhas, 5 bifurcaes

Smullyan - otimizao

Prova 2, privilegia regras A 13 linhas, 2 bifurcaes regras B bifurcam o tabl novos ramos onera prova

Ex. Lg. Paraconsistente C1

Aplicao PB em frmulas conectivo

T A1 obtemos: T A1 e T A1 F A1 obtemos: T A1 T A2 obtemos: T A2 e T A2 possibilidades fechar ramo

Ex. Lg. Paraconsistente C1

Exemplo: Problema Famlia 7 instncia 5:

T A1&A2&A3&A4&A5

T (B1->!A1)&(B2->!A2)&(B3->!A3)&(B4->!A4)&(B5->!A5)
T !(A1&!A1)|!(A2&!A2)|!(A3&!A3)|!(A4&!A4)|!(A5&!A5) F(!!(A1&!A1)|!B1)&(!!(A2&!A2)|!B2)&(!!(A3&!A3)|!B3)&(!!(A4& !A4)|!B4)&(!!(A5&!A5)|!B5)

Ex. Lg. Paraconsistente C1

estratgia simples tamanho de prova: 30419 privilegia premissas conectivo

tamanho de prova: 13343

Abordagem
Software KEMS provador multiestratgia
Cdigo livre

Abordagem: Algoritmos Genticos (AG)

Sistemas KE:
Foco: regra PB bifurcao Seleo frmulas PB candidatas

Regras sistema KE
Foco: Regra PB bifurca o tabl

Algoritmos Genticos - AG

AG - Avaliao
Avaliao Feita sobre frmulas PB candidatas Premissa: novos indivduos probabilidade ocorram inconsistncias fecho tabl 2 abordagens para a avaliao: Complexidade de Frmulas

Anlise de frequncia dos tomos

Complexidade de Frmulas

Complexidade de Frmulas
Aplicar PB em frmulas de complexidade
novas premissas

Exemplo: Premissa 1: T A V B (complexidade 3).

Premissa 2: T (A V B) C (complexidade 5)

Complexidade de Frmulas
Aplicar PB em frmulas de complexidade
novas premissas

Exemplo: Premissa 1: T A V B (complexidade 3).

Premissa 2: T (A V B) C (complexidade 5)

{premissas}

Anlise de frequncia dos tomos

Anlise de frequncia dos tomos

Seja: A = {frmulas base de conhecimentos} PB = {frmulas PB candidatas}. PB A B = A PB Exemplo: A = {TA C, FA C V D, T A C, TC} PB = {TA C, FA C V D}

B = A PB = {T A C, T C}

Anlise de frequncia dos tomos

Sejam: B = {T A C, T C} e PB = {TA C, FA C V D}

LFBC (Lista de frequncias dos tomos da base de conhecimentos)

LFBC =

freq. tomos {} B

LFBC = {A: 1, C: 2} Avaliao das frmulas de PB: freq. tomos {} PB com o {} LFBC

TA C, {A: 2, C: 3}, avaliao: 5.

FA C V D, {A: 2, C: 3, D: 1}, avaliao: 6.

Seleo

Seleo
3 abordagens Elitista Estocstica Hbrida

Elitista

Elitista
Seleciona frmula apta Exemplo prova das frmulas: Frmula 1: F (A B) C, de complexidade 5. Frmula 2: T ((A B) (B V C)) (A C), de complexidade 11.

Prova 1
Prova 1, aplicao PB em frm. complexidade 27 linhas, 3 bifurcaes

Prova 2 - Elitista
Prova 2, aplicao PB em frm. complexidade 15 linhas, 1 bifurcao

Estocstica

Estocstica
Seleciona frmulas probabilidade de acordo com a aptido Roleta

Probabilidade escolha relativa ao seu fitness

Objetivo

Solues alternativas a abordagem elitista

Questo: Seleo frmulas fitness provas mais eficientes ?

Hbrida

Hbrida
Casos da seleo elitista: + de 1 frmula com o valor de fitness
Seleo estocstica

Exemplo:

T A (C V D), de complexidade 5.
T B C, de complexidade 3. F A V D B, de complexidade 5. 2 frmulas de valorao 5 Seleo estocstica

Resultados

Critrios
Critrios de avaliao: Nmero de Bifurcaes e de Ns; Tamanho e Tempo de Prova; Consumo de Memria;

KEMS
Config. KEMS para todas as abordagens: Estratgia: ConfigurableSimpleStrategy Comparador: InsertionOrderComparator Tempo mximo: 20 minutos Testes em lote

GAMMA
Elitista: Complex. Estocstica: Complex.

Frequncia tomos: Estocstico, Elitista e Hbrida

STATMAN 1-9

Todas abordagens

STATMAN - instncia 9
rvores de prova, inst. 9 KEMS

Elitista anlise de frequncia de tomos

STATMAN
KEMS: inst. 9 Estocstica + complex. de frmulas e anlise de frequncia de tomos: inst. 13 Elitista e hbrida + complex. de frmulas: inst. 21 Elitista e hbrida + anlise de frequncia de tomos: inst. 29 Statman + eficientes: Elitista e Hbrida com funo de avaliao por anlise de frequncia de tomos

H 1-7

Demais abordagens inst. 7 KEMS e abordagem hbrida com anlise de frequncia de tomos inst. 6

PHP 1-6

Todas abordagens inst. 6

KEMS inst. 5

Concluses

Concluses
Existem combinaes de aplicaes Regras Ordem aplicao das regras, seleo de frmulas influenciam veloc. Prova Novas Frmulas: prob. fechar tabl

Concluses
Abordagem hbrida do trabalho: encadeia seleo elitista e estocstica mesma funo de avaliao Outras combinaes de encadeamentos: Ex.: seleo elitista + frequncia de tomos, seleo elitista + complexidade e posterior seleo estocstica.

Concluses
Propostas Busca em feixe: busca em regies do espao (n feixes)

Tmpera simulada: simular a seleo estocstica Temperatura: ou a probabilidade de selees por frmulas de (menor) fitness

Concluses
Avaliar efeitos da aplicao da regra PB: 1. aplicar PB em todas as frmulas PB candidatas 2. aplicar todas as regras at que o ramo seja fechado ou que a nica regra aplicvel seja a regra PB

Avaliar: a quantidade de novas premissas, ramos fechados

Concluses
Problema: consumo do tempo e dos recursos computacionais de processamento e memria

Foco do Trabalho:
Abordagem em sistemas KE, porm outros sistemas e mtodos de prova podem ser includos Adotar a Premissa: Novas frmulas prob. de inconsistncias

Concluses
Objeto de estudo: regra PB Estudar a seleo de regras alpha e beta Regras alpha: Partem de 1 premissa

Regras beta: 2 premissas

Referncias Bibliogrficas
ABE, Jair Minoro; SCALZITTI, Alexandre; SILVA FILHO, Joo Incio da. Introduo Lgica para a Cincia da Computao. 2 edio. 247 p. Editora Arte & Cincia, 2001. AZEVEDO FILHO, Adriano. Princpios de Inferncia Dedutiva e Indutiva: Noes de Lgica e Mtodos de Prova. 1 Edio 2010, Scotts Valley: CreateSpace, 148p. BOUGHACI, Dalila; BENHAMOU, Beld; DRIAS, Habiba. Scatter Search and Genetic Algorithms for MAX-SAT Problems. Journal of mathematical modelling and algorithms, v. 7, n. 2, 2007. Disponvel em: <http://www.springerlink.com/content/ak203713447r610j/>. Acesso em: 29 mar. 2012. CRAWFORD, Kelly D. Solving the n-queens problem using genetic algorithms. Proceeding SAC '92 Proceedings of the 1992 ACM/SIGAPP symposium on Applied computing: technological challenges of the 1990's. 1992. Kansas City. Missouri. United States. Proceedings Disponvel em: <http://dx.doi.org/10.1145/130069.130128>. Acesso em: 09 mar. 2012.

CARNIELLI, Walter; CONIGLIO, Marcelo E.; Marcos, Joo. Logics of formal inconsistency. So Paulo: Springer-Verlag, 2007 p. 15-107. Disponvel em: <ftp://logica.cle.unicamp.br/pub/e-prints/vol.5,n.1,2005-revised.pdf>. Acesso em: 28 mar. 2012.
DEB, Kalyanmoy. Genetic Algorithm in Search Optimization The Technique and Applications In Proceedings of International Workshop on Soft Computing and Intelligent Systems. 1997. Calcut. ndia. Proceedings of International Workshop on Soft Computing and Intelligent Systems. Disponvel em: <http://citeseer.ist.psu.edu/viewdoc/summary?doi=10.1.1.33.5371>. Acesso em: 10 mar. 2012. DEL CASTANHEL, Lucas; SUGIMOTO, Emerson Shigueo. Soluo para jogo de captura e busca de refns baseado em redes neurais e planejamento clssico. 2011. Disponvel em: <http://code.google.com/p/si-emersonlucas/downloads/list>. Acesso em: 22 mar. 2012.

Referncias Bibliogrficas
FITTING, M. Introduction. In: D'AGOSTINO ET AL (Eds). Handbook of Tableau Methods. Kluwer Academic Press, 1999, p. 144. GOUVEIA, P.; DIONSIO F.M.; MARCOS, J. Lgica Computacional. DMIST, 2000. HEITKOETTER, J.; BEASLEY, D. The hitch-hiker's guide to evolutionary computation, 2001. In: LUCAS, Diogo C. Algoritmos Genticos: uma Introduo. UFRGS. 2002. p. 28. Disponvel em: <http://www.inf.ufrgs.br/~alvares/INF01048IA/ApostilaAlgoritmosGeneticos.pdf>. Acesso em: 10 mar. 2012. HOLLAND, John Henry. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence. The MIT Press, 1975. 211 p. KARNER, Gustav. Resource Estimation for Objectory Projects. LINKPING. 1993. Disponvel em: <http://www.bfpug.com.br/Artigos/UCP/Karner%20%20Resource%20Estimation%20for%20Objectory%20Projects.doc>. Acesso em: 16 jun. 2012. KONDO, Tadashi. Feedback GMDH-type neural network using prediction error criterion and its application to 3dimensional medical image recognition. In: SICE ANNUAL CONFERENCE, 2008, TOKYO. Proceedings Disponvel em: <http://dx.doi.org/10.1109/SICE.2008.4654811>. Acesso em: 09 mar. 2012. LINDEN, Ricardo. Algoritmos Genticos Uma importante ferramenta de Inteligncia Computacional. Editora BRASPORT, Rio de Janeiro, 2006. 1 Edio. 348 pginas. LUCAS, Diogo C. Algoritmos Genticos: uma Introduo. UFRGS. 2002. Disponvel em: <http://www.inf.ufrgs.br/~alvares/INF01048IA/ApostilaAlgoritmosGeneticos.pdf>. Acesso em: 10 mar. 2012.

Referncias Bibliogrficas
MONDADORI, Marco; D'AGOSTINO, Marcello. The Taming of the Cut. Classical Refutations with Analytic Cut. Journal of Logic and Computation, vol. 4, number 3, pp. 285-319, 1994. PACHECO, Marco Aurlio Cavalcanti. Algoritmos genticos: princpios e aplicaes. ICA. Laboratrio de Inteligncia Computacional. Departamento de Engenharia Eltrica. 1999. Rio de Janeiro. Disponvel em: <http://www.ica.ele.puc-rio.br/downloads/38/ce-apostila-comp-evol.pdf>. Acesso em: 10 mar. 2012. PRESSMAN, Roger S. Engenharia de Software. 6 edio. 720 p. Editora McGraw-Hill, 2006. ROBINSON, John Alan; VORONKOV, Andrei (Eds.). Handbook of Automated Reasoning. Volumes 1 e 2. Elsevier and MIT Press, 2001. Editora Gulf Professional Publishing, 2001. 2128 p. RODRGUEZ, M. Andrea. JARUR, Mary Carmen. A Genetic Algorithm for Searching Spatial Configurations. IEEE Transactions on Evolutionary Computation. 2005. Chile. Proceedings Disponvel em: <http://dx.doi.org/10.1109/TEVC.2005.844157>. Acesso em: 10 mar. 2012.

RUSSELL, S. J. NORVIG, P. Artificial Intelligence: A Modern Approach. Pearson Education. 2003.

NETO, Adolfo Gustavo Serra Seca. Um provador de teoremas multi-estratgia. 2007. 155 f. Tese (Doutorado em Cincia da Computao) - Instituto de Matemtica e Estatstica, Universidade de So Paulo, So Paulo, 2007. Disponvel em: <http://www.teses.usp.br/teses/disponiveis/45/45134/tde-04052007-175943/>. Acesso em: 27 mar. 2012. SILVA, Flvio S. C. da; FINGER, Marcelo; MELO, Ana C. V. de. Lgica para computao. So Paulo: Thomson Learning, 2006.

Referncias Bibliogrficas
SMULLYAN. First-Order Logic. Publicaes Dover, 1995. Disponvel em: <http://web.doverpublications.com/cgi-bin/toc.pl/0486683702>. Acesso em: 28 mar. 2012. SOUZA, Joo Nunes de. Lgica para cincia da computao: fundamentos de linguagem, semntica e sistemas de deduo. Rio de Janeiro: Editora Campus, 2002. SUGIMOTO, Emerson Shigueo. Implementao de uma Estratgia Eficiente para a Lgica C1 em um Provador de Teoremas Multi-Estratgia. 2010. 40 f. Relatrio final de Atividades - Programa Institucional de Iniciao Cientfica (PIBIC), Universidade Tecnolgica Federal do Paran. Curitiba, 2010. ______. Representao de Frmulas Lgicas atravs de Estruturas de Dados. 2011. 14 f. Relatrio final de Atividades - Programa Institucional de Iniciao Cientfica (PIBIC), Universidade Tecnolgica Federal do Paran. Curitiba, 2011.

THAKUR, Reen. SINGH, Vinay Kr. SINGH, Manu Pratap. Evolutionary design of fuzzy logic controllers with the techniques artificial neural network and genetic algorithm for cart-pole problem. Computational Intelligence and Computing Research (ICCIC), 2010 IEEE International Conference on. 2011. ndia. Proceedings Disponvel em: <http://dx.doi.org/10.1109/ICCIC.2010.5705756>. Acesso em: 10 mar. 2012.
TANOMARU, Julio. Motivao, Fundamentos e Aplicaes de Algoritmos Genticos. II Congresso Brasileiro de Redes Neurais. III Escola de Redes Neurais. Disponvel em: <http://bogdano.irreais.net/crap/pub/tutorial_ag.pdf>. Acesso em: 10 mar. 2012.

Referncias Bibliogrficas
TURKYL, Ayad M. AHMAD, Mohd Sharifuddin. Using Genetic Algorithm for Solving N-Queens Problem. Information Technology (ITSim), 2010 International Symposium. 2010. Iraque. Proceedings Disponvel em: <http://dx.doi.org/10.1109/ITSIM.2010.5561604>. Acesso em: 09 mar. 2012. ZHANG, Zhen-Zhen. HUANG, Wei-Hsiu. LIN, Jyun-Jie. CHANG, Pei-Chann. WU, Jheng-Long. A Puzzle-Based Artificial Chromosome Genetic Algorithm for the Traveling Salesman Problem. Technologies and Applications of Artificial Intelligence (TAAI), 2011 International Conference on. 2011. China. Proceedings Disponvel em: <http://dx.doi.org/10.1109/TAAI.2011.58>. Acesso em: 10 mar. 2012.