Un ambiente integrado de ejecución para determinar la satisfacibilidad de fórmulas en forma normal conjuntiva
El problema de satisfacibilidad (SAT), el primero en demostrarse que es NP-completo, es fundamental en muchos campos de las ciencias de la computación, la ingeniería eléctrica y matemática. En el presente trabajo se integran todas las componentes del sistema DPLL con Redes Neuronales (DPLL RN), para...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2006
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/22828 |
| Aporte de: |
| Sumario: | El problema de satisfacibilidad (SAT), el primero en demostrarse que es NP-completo, es fundamental en muchos campos de las ciencias de la computación, la ingeniería eléctrica y matemática. En el presente trabajo se integran todas las componentes del sistema DPLL con Redes Neuronales (DPLL RN), para crear un ambiente de ejecución amigable al usuario. Una de las componentes fundamentales del sistema DPLL RN consta de un algoritmo que permite resolver algunas instancias del problema 3SAT, un conocido problema NP-completo derivado de SAT. El sistema DPLL RN combina las reglas de Davis-Putnam con redes neuronales (DPRN), las cuales tienen una gran capacidad para aprender problemas complejos. El ambiente propuesto permite al usuario determinar la satisfacibilidad o no de una fórmula en lógica proposicional, permitiéndole ingresar una fórmula cualquiera o generar una aleatoriamente y luego se refleja en un árbol el camino seguido para obtener las asignaciones que hacen verdadera a dicha fórmula si tales asignaciones existen |
|---|