Part 2

ISSAT DE SOUSSE
MASTER DE RECHERCHE SPI
COURS
INTELLIGENCE ARTIFICIELLE
PARTIE 2
Année universitaire
2022/2023
Dr. Farah BARIKA KTATA
Représentation des problèmes
2
 Il faut définir :
 Les états du problème
 L’objectif à atteindre
 Les opérateurs de transformation

 Extension de solutions partielles
 représentation par graphe d’états
 Décomposition en sous-problèmes
 représentation par graphe de sous-problèmes
3
 Représentation par graphes d’états

 On représente l’ensemble des états du problème par un
graphe orienté étiqueté (un graphe sans cycle = arbre)
 Les sommets sont les états du problème
 Il existe un arc (u,v) si un opérateur transforme l’état u en état
v, étiquette(u,v) = opérateur
 Recherche d’une solution = recherche d’un chemin entre
le nœud initial et un nœud terminal
 Solution = ?Séquence des opérateurs étiquetant les arcs de
ce chemin (Une solution est une séquence
d’actions permettant de passer de l’état initial
vers un état but)
4

 Exemple :
5

 Exemple : CSP
 Un problème de satisfaction de contraintes (CSP) est défini
formellement par un triplet (X, D, C) représentant
respectivement un ensemble fini de variables X , une fonction
D affectant à chaque variable x ∈ X son domaine D(x) et un
ensemble fini de contraintes C.
 Le domaine initial d’une variable D0(x) représente l’ensemble
de valeurs auxquelles la variable x peut être instanciée avant
le début de la résolution. Chaque contrainte c ∈ C est une
relation multidirectionnelle portant sur un sous-ensemble de
variables noté var(c) ⊆ X restreignant les valeurs que ces
variables peuvent prendre simultanément.
6

 Exemple : Formalisation
 Etat initial : Des valuations partielles (c’est à dire, des
choix de valeurs pour un sous-ensemble des variables)
 Etat initial : La valuation vide (où nous n’avons pas encore
choisi des valeurs)
 Actions : une valeur pour une des variables restantes
 Fonction de successeur : ajouter la nouvelle valeur à la
valuation actuelle.
 Test de but : Un état but est une valuation complète telle
que chaque contrainte est satisfaite.
7

 CSP : Exemples : Gérer des pistes d’attérissage à
l’aéroport, trouver un plan de table pour un mariage,
créer un emploi du temps à l’université.... ce sont tous
des problèmes de satisfaction de contraintes.
 Les variables sont des cours, des valeurs possibles
sont des triplets (jour, heure, salle), et des contraintes
de toute sorte (il faut qu’un cours IA soit enseigné le
mercredi, il faut pas mettre IA et RO en même temps,
etc.).
8

 Formalisation :
 Etats : Un emploi de temps partiel (c’est à dire, un choix
d’un triplet (jour, heure, salle) pour un sous-ensemble des
cours).
 Etat initial : Un emploi de temps vide.
 Actions : Choisir un triplet (jour, heure, salle) pour un cours
qui n’est pas encore sur la grille.
 Fonction de successeur : L’emploi de temps résultant.
 Test de but : Un emploi de temps contenant tous les cours
et satisfaisant toutes les contraintes.
9

 Exemple : le jeu du taquin
10

 Exemple : le jeu du taquin
 Etats : Ce sont des configurations des huit tuiles dans les neuf cases de
la grille.
 Etat initial : N’importe quel état pourrait être choisi comme l’état
initial.
 Actions : Il y aura 4 actions possibles correspondant aux quatre façons
de changer la position du carré vide : haut, bas, gauche, droite
 Fonction de successeur : Cette fonction spécifie les états résultants des
différentes actions.
 Test de but : L’état but est unique et fixé au début du jeu
 Coût des actions : Chaque déplacement d’une tuile a un coût de 1
(pour trouver une solution avec le moins de déplacements).
11
 Représentation par graphes d’états du problème des huit

reines :
 placer 8 reines sans prise sur un échiquier : deux reines ne
devraient jamais partager la même rangée, colonne, ou
diagonale.
 placer une kième reine sur un échiquier où figurent déjà k-1
reines
 1. État : échiquier(i,j)  {vide,reine}
Opérateur : placer-reine(i,j) : si échiquier(i,j) = vide
alors échiquier(i,j)  reine
Tests : échiquier-sans-prise, échiquier-complet
264 états dont de nombreux inutiles
 Intégrer une partie des contraintes du problème à la représentation
 2. ligne(i) = j si la ième ligne a une reine en colonne j
ligne(i) = 0 si cette ligne est vide

12
 Formalisation :
 Etats : Toute configuration de 0 à 8 reines sur la grille.
 Etat initial : La grille vide.
 Actions : Ajouter une reine sur n’importe quelle case vide de la grille.
 Fonction de successeur : La configuration qui résulte de l’ajout d’une reine à
une case spécifiée à la configuration courante.
 Test de but : Une configuration de huit reines avec aucune reine sous attaque.
13
 Exemple : Problème de set packing

 Le décideur souhaite inviter ses amis à son anniversaire. Du fait de certains conflits parmi
son entourage, il sait que certaines personnes ne viendront pas si d’autres sont présentes.
Son but est d’inviter un maximum de personne. Chaque nœud du graphe représente une
personne. Un trait reliant deux personnes indique qu’elles sont en conflit et ne viendront
pas ensemble
 Quelles sont les personnes à appeler pour avoir un maximum d’invités ? Variante : on
considère que tous les amis ne sont pas équivalents aux yeux du décideur. Chaque cercle
du graphe contient une valeur indiquant l’importance de la personne pour le décideur (une
forte valeur correspond à une grande importance).
 Quelles sont les personnes à appeler pour
avoir un groupe d’invités avec une importance
maximale ?
14
 Exercice
 Représenter par un espace d’état le problème du sac à
dos décrit comme suit : on dispose d’un ensemble
d’objets, chacun ayant un :
 volume, et un prix. On veut les mettre dans un sac de volume
fixé.
 Les questions possibles à se poser sont les suivantes:
 1. y’a-t-il un moyen de remplir complètement le sac ?
 2. comment remplir le sac en maximisant le prix du contenu ?
15
 Représentation par Graphes ET/OU

 Certains problèmes peuvent être représentés par la technique de
réduction de problème, c’est-à-dire que le problème peut être
considéré comme une conjonction de plusieurs sous-problèmes
indépendants les uns des autres, que l’on peut résoudre
séparément.
 D’autre part, il peut se présenter dans la résolution d’un problème un
ensemble de possibilités indépendantes les unes des autres (donc
exclusives) telles que la résolution d’une seule de ces possibilités suffit
à résoudre le problème.
 On peut représenter ces deux possibilités par des arcs différents dans
le graphe représentant l’espace de recherche :
 Les arcs qui représentent différentes possibilités dans la résolution d’un
problème associés au nœud dont ils découlent sont des arcs OU
 Les arcs qui représentent différents sous-problèmes composant la résolution
d’un problème associés au nœud dont ils découlent sont des arcs ET.
16

 Exercice : Représenter par un graphe ET/OU le problème de panne moteur.
Un tel graphe est solution d’un

problème si :
• il contient le sommet de départ
(état initial du pb)
• tous les sommets terminaux
(feuilles) sont des problèmes
primitifs (indécomposables)
résolus.
• s’il contient un arc ET il doit aussi
contenir le groupe entier d’arcs ET
qui sont frères de cet arc.
17

 Exercice : Résoudre X par une représentation par graphe ET/OU
7X +XY = (X + Y) Z
18
 Exercice :
Modéliser sous forme d’un graphe le problème suivant :
Sur la rive gauche d'un fleuve se trouvent un loup, une chèvre, un chou et un
passeur. Ce dernier doit faire passer tout le monde sur la rive droite. Seul le
passeur peut diriger la barque. Bien évidemment, si le passeur n’est pas là, la
chèvre mange le chou, et le loup mange la chèvre. Il y a donc des
combinaisons à éviter. Sachant qu'en outre le passeur ne peut mettre qu'un
des trois protagonistes dans sa barque.
19
 Solution :
 On représente le passeur par P, le loup par L, la chèvre par C, et le chou par X.
 Les sommets du graphe sont de 2 types :
 Les arcs de ce graphe correspondent au passage d'un état à un autre :

Représentation des connaissances
20
 Une donnée peut être représentée de différentes manières (exemple

« pi » =  = 3,14161 = 11100010)
 Le Rôle d’une représentation :
 Capturer les aspects essentiels du domaine d’un problème
 Rendre cette information disponible à une procédure de résolution

de problèmes
 Permettre d’exprimer la connaissance de résolution de problème
 Les critères pour choisir un langages de représentation :

 Abstraction : quel niveau de détail?
 Expressivité : quels aspects ?
 Efficacité : combien de temps pour inférer ?
Logiques des prédicats, réseaux sémantiques, frames…

Logique des Prédicats
21
Logique : ( logos ) Raisonnement.
Logique classique Logique non classique

Logique probabiliste, Logique
floue,….
 Il existe deux types de logique classique :

 La logique des propositions (L. P) : {vrai, faux} , ,  , 
 La logique des prédicats : L. P. + variables + , 
 La logique des prédicats du premier ordre : P(X), Q(X, Y), , 
 La logique des prédicats du deuxième ordre : 1er ordre + P, Q, f, + , 
 La logique des prédicats du troisième ordre : 2ième ordre + P(Q(X)) + , 
22
Syntaxe :
A/ Alphabet : Il y a 7 types de symboles
 Les séparateurs : (, ), ,
 Les constantes : a, b, ciel…(en lettres minuscules)
 Les variables : X, Y, CIEL…(en lettres majuscules)
 Les fonctions : f, g….
 Les connecteurs :  (ou, or, disjonction),  (et, and, conjonction),  (implication), 
(équivalence, implication mutuelle),  (négation).
 Les codificateurs :  (quantificateur universel),  (quantificateur existentiel).
 Les prédicats : P, Q (en lettres majuscules)
Remarques :
 un prédicat d’arité (nombre des ses arguments) nul est une proposition.
 Une fonction d’arité nul est une constante.
 La valeur d’un prédicat {vrai, faux}.

23
Syntaxe :
B/ Les termes :
Les mots : les termes + les atomes.
 Il y a deux lois pour former les termes :
1- Les constantes et les variable sont des termes.
2- Si f est une fonction d’arité n >= 1 et (t1,….tn) sont des termes alors f(t1,….tn) est un
terme.
 Exemple :
 diviseur (X, Y) est une terme.
 long(P(a)) n’est pas un terme car P(a) n’est pas un terme.
 successeur (X, f(a)) est terme
 var (a) est un terme.
 P(X, a) n’est pas un terme car P est un prédicat(n’est pas une fonction).
 f(P(X, Y)) n’est pas un terme car P(X, Y) n’est pas un terme.

24
Syntaxe :
C/ Les atomes :
 Il y a deux lois :
1- Les propositions sont des atomes.
2- Si P est un prédicat d’arité > 1 et (t1,….tn) sont des termes alors P(t1,….tn) est un atome.
 Exemple :
 P(X,Y) est un atome
 P(f(X), g(X)) est un atome.
 f(P(X,Y)) n’est pas un atome.
 Remarque : un atome commence forcément par un prédicat ou une proposition.
 P est un atome.

25
Syntaxe :
C/ Les formules bien formées (fbf) :
 Les atomes sont des fbf.
 Si G et H sont des fbf (sont des atomes) alors GH, GH, GH, G  H, GH…sont
des fbf.
 Aussi, si X est une variable alors (( X) G(X)) et (( X) G(X)) sont des fbf.
 Remarques :
 Une fbf qui est un atome est appelée un littéral.
 Exemple : G(X) est un littéral,  G(X) est un littéral négatif.
  f(a) n’est pas une fbf car f(a) n’est pas un atome.
 Il est interdit de quantifier les prédicats et les fonctions dans la logique des prédicats de premier
ordre. On ne peut quantifier que les variables.

26
Syntaxe :
C/ Les formules bien formées (fbf) :
 Les atomes sont des fbf.
 Si G et H sont des fbf (sont des atomes) alors GH, GH, GH, G  H, GH…sont
des fbf.
 Aussi, si X est une variable alors (( X) G(X)) et (( X) G(X)) sont des fbf.
 Remarques :
 Une fbf qui est un atome est appelée un littéral.
 Exemple : G(X) est un littéral,  G(X) est un littéral négatif.
  f(a) n’est pas une fbf car f(a) n’est pas un atome.
 Il est interdit de quantifier les prédicats et les fonctions dans la logique des prédicats de premier
ordre. On ne peut quantifier que les variables.

27
Syntaxe :
Exercices
Exprimer les phrases suivantes en fbf :
Tous les étudiants sont intelligents.
(( X) E(X)  I(X))
Les romains n’essaient d’assassiner que les rois aux quels ils ne sont pas fidèles.
( X) ( Y) (Romain(X)  Roi (Y)  EA(X,Y)   Fid (X,Y))
Chacun est fidèle à quelqu’un.
( X) ( X) Fidele (X,Y)
Toute personne qui possède un trait de caractère le transmet à ses enfants.
( X) ( Y) ( P) (P(X)  D(X, Y)  P (Y))

28
Les règles d’inférence :

Le Modus Ponens
GH
H
G
Règle de spécialisation
(( X) G(X))  G (X0)
Le Modus Tollens
GH
G
H
 Problème ?
 Ensemble de règles d’inférence fixées au préalable (Ensemble de fbf choisies au préalable).
 Dériver une fbf connue au préalable et ce en appliquant un nombre fini de fois les règles
d’inférence.
 Exp : on veut démontrer le théorème de Pythagore EGAL (carre(a), somme (carre (b), carre(c)))

29
La sémantique :
 Elle sert à représenter et à reconnaître et à raisonner sur les connaissances pour en
dériver d’autres connaissances.
 Interprétation :
 Soit G une fbf
 On se donne un domaine D  ∅
 Assigner à toute constante de G un élément de D
 Assigner à toute proposition de G une valeur de vérité de f.
 Assigner à tout prédicat d’arité n >= 1 une application : Dn V,F
 Assigner à toute fonction d’arité n ≥1 de G une application Dn  D.
 Une fois réalisée toutes ces étapes on dira qu’on a défini une interprétation de G.
 Exp1 : G1 : (X)P(X) Définir une interprétation de G1
 D=1,2
P(1) P(2)
Exp2 : G2 : ( X) (Y) Q (X,Y) ?
V F

30
La sémantique :
 Valeur d’une formule selon une interprétation :
 G/I , H/I , I ?  G, GH, GH, G  H, G  H
 Rappel : G  H   G  H
G H GH
V V V
 Si G est vraie selon une interprétation I
V F F
alors I est appelée modèle de G.
F V V
F F V
Une fbf est dite valide si elle est vraie pour toute interprétation, sinon elle est dite invalide.
 Une fbf est dite inconsistante si elle est fausse pour toute interprétation sinon elle est dite
consistante.
 Une fbf valide est appelée tautologie.
 Une fbf inconsistante est appelée contradiction.

31
La sémantique :
 Formules équivalentes

32
La sémantique :
Exercice 1 : Prouver ces contradictions
(P  Q)   (P  Q)
(((P  Q)  R)  (( P  S )   R))
Exercice 2 : Montrer que (P  Q)  ( P  Q) est valide
Exercice 3 : Est-ce que c’est une tautologie ou une contradiction? :
((P  Q )  P)  Q
(P  Q )  (P   Q)
Exercice 4 : Montrer les équivalences suivantes
(P  Q)  (P  Q)  (P  Q)
(P  Q )  ( P  Q)  ( P  Q )  ( Q   P)
(( P  Q )  ( Q  P))  ((P  Q )  (P  Q) )  P  P

33
La sémantique :
 Formules conséquences logiques
Ou bien : (H1  H2  ...  Hn   C) est inconsistante

Principe de Résolution par Réfutation
34
La sémantique :
 Exercice 1 : montrer le Modus Ponens
GH
H
G
Résolution :
G  ( G  H) --| H ?
G  ( G  H)   H INCONSISTANTE ?
G  ( G  H)   H  ((G   G )  (G  H)   H
 (faux  (G  H)   H
 (faux   H)  ( H  (G  H))
 faux  faux  faux

35
La sémantique :
 Exercice 2 : Considérons les arguments suivants : « si Oscar est l’auteur de ce bruit, il est
agité ou dépourvu de sagesse. Oscar n’est ni agité ni dépourvu de sagesse. Donc Oscar
n’est pas l’auteur de ce bruit. » Vérifier la validité de ce raisonnement.
 Exercice 3
Si la licorne est mythique alors elle est immortelle; si elle n’est pas mythique c’est un mammifère
mortel. Si la licorne est soit immortelle soit un mammifère, alors elle a une corne. La licorne
est magique si elle a une corne.
Pouvez-vous prouvez que la licorne est magique?
Qu’elle est mythique? Qu’elle a une corne?

36
Représenter une fbf sous en arbre

 Les sommets de cet arbre sont labélisés : ils sont représentés par des cercles
(ou nœuds, ou sommets) contenant le symbole de notre alphabet d’une
constante, variable, prédicat, fonction, connecteur ou bien d’un quantificateur
suivi d’une variable (∃x ou∀y ) (seuls les séparateurs sont omis).
 L’arbre se lit de haut en bas.
 Si un sommet a pour label un symbole de fonction, prédicat (d’arité >0),
connecteur ou quantificateur, d’arité n, il part de la base de ce sommet n arêtes
qui le relient à ses arguments.
 Si un sommet a pour label une variable ou une constante, il ne part de sa
base aucune arête ; de même si il s’agit d’une proposition : on dit que c’est
une feuille. Le nœud situé le plus en haut est appelé la racine de l’arbre.

37

 Exemple :
∀x,∃y,¬P(x, y)

38

 Exercice :
∃y, (∀x, P(a,b)) ∧ (¬P( f ( y),b))

39
Indécidabilité et semi-décidabilité de la logique des prédicats
Lorsqu'une formule ne contient pas de variable, on peut, comme en calcul propositionnel,
utiliser les tables de vérité, déterminer en un nombre fini d'opérations si cette formule est
valide ou non inconsistante ou non. La situation est plus complexe en présence de variables et
donc de quantificateurs car il y a une infinité d'interprétations. On montre qu'il est impossible
de proposer un algorithme général capable de décider en un nombre fini d'opérations de la
validité ou de la non validité de n'importe quelle formule de la logique des prédicats du
premier ordre. On dit que la logique des prédicats est indécidable. (Théorème d'indécidabilité
de Church). Cependant, on peut proposer des algorithmes généraux pour décider de la
validité de certaines familles de fbfs :
 si la fbf est valide ils s'arrêteront
 si la fbf est non valide ils risquent de ne pas s'arrêter
La logique des prédicats est semi-décidable. Les techniques proposées sont :
 le théorème d'Herbrant
 la méthode de Davis et Putman
 LE PRINCIPE DE RÉSOLUTION
Principe de Résolution
40
Définition
C’est une règle d’inférence qui s’applique à une famille particulière de fbf
appelées: clauses
On appelle clause une disjonction de littéraux
Objectif :Transformer une fbf sous la forme "ensemble de clauses" pour appliquer
le principe de résolution.
Écriture sous Forme Clausale

Il s’agit d’appliquer un algorithme permettant de transformer une fbf quelconque en
une autre fbf plus simple (dite sous forme clausale) qui ait même consistance. Il
procède en 3 étapes. Tout d’abord on transforme une fbf en un fbf sous forme
prénexe. Ensuite on éliminera les quantificateurs existentiels en introduisant de
nouveaux symboles de constantes et de fonctions par le procédé de
Skolémisation. Enfin on transforme la matrice (sous-formule obtenue en
supprimant tous les quantificateurs) en une conjonction de clauses.

41
Forme normale Prénexe

42

43
Exemples :

44
Méthode de Skolémisation
Suppression des quantifieurs d'une formule, en appliquant la procédure suivante:
1. Quantifieurs existentiels : les cas sont :
• ∃X : a(X) est remplacé par a(b) où b est une constante
• ∃X : ∀Y : a(X,Y) est remplacé par a(b,Y) où b est une constante
(X n’ est pas dans la portée de Y)
• ∀X : ∃Y : a(X,Y) est remplacé par ∀X : a(X,f(X)) où f(X) est une
fonction de Skolem (Y est dans la portée de X)
• ∀X : ∀Y : ∃Z : a(X,Y,Z) est remplacé par ∀X : ∀Y : a(X,f(X,Y)) où
f(X,Y) est une fonction de Skolem (Z est dans la portée de X et Y
2. Quantifieurs universels : les éliminer sans apporter des modifications

45
Passage sous la forme clausale
Soit G une forme standard de Skolem d'une fbf G

1. Passer sous forme normale conjonctive: mettre sous forme de
conjonction de disjonctions.
2. Eliminer les connecteurs 

3. Distinguer les variables des clauses distinctes si c'est nécessaire

46
Passage sous la forme clausale
Exercice :
1. Exprimer sous forme de clauses les énoncés suivants :
a. La transitivité de la relation « au dessus ».
b. Si un objet X est au dessous d’un objet Y, mais pas directement dessous, il
doit nécessairement avoir un troisième objet Z entre eux.
2. Mettre sous la forme de clauses les fbfs suivantes :
a. ( X) [P(X)  ( Y) (∃ X) (¬ Q(X, Y)  ( Z) R(a, X, Z))]
b. ( X) [P(X)  ((∃Y) ((P(Y)  ¬ R(a, X, Y))  (Z) (¬S(Y, Z))))]

47
Principe de résolution appliqué à des clauses concrètes
Un littéral est dit concret s’il ne comporte aucun symbole de variable. Une clause
concrète est une disjonction de littéraux concrets.
Exemple : P(a)∨ Q(a,b) est concrète, tandis que P(a)∨ Q(X,b) n’est pas concrète.
X ∨A
et A∨B
¬X ∨ B
Le principe de résolution est une règle d’inférence qui à partir de deux

clauses concrètes de la forme : X ∨ A1 ∨ A2 ∨ ….∨ Ap et ¬X ∨ B1 ∨ B2 ∨ …∨ Bq
déduit la clause concrète : A1 ∨ A2 ∨ ….∨ Ap et B1 ∨ B2 ∨ …∨ Bq Cette dernière
clause est appelée la résolvante des deux premières (elles même appelées
clauses parentes).

Part 2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Part 2

Transféré par

Droits d'auteur :

Formats disponibles

ISSAT DE SOUSSE

MASTER DE RECHERCHE SPI

 Les opérateurs de transformation

 Représentation par graphes d’états

 Représentation par graphes d’états

 Représentation par graphes d’états

 Représentation par graphes d’états

 Représentation par graphes d’états

 Représentation par graphes d’états

 Représentation par graphes d’états

 Représentation par graphes d’états

 Représentation par graphes d’états du problème des huit

ligne(i) = 0 si cette ligne est vide

 Exemple : Problème de set packing

 Représentation par Graphes ET/OU

 Représentation par Graphes ET/OU

Un tel graphe est solution d’un

 Représentation par Graphes ET/OU

 Les arcs de ce graphe correspondent au passage d'un état à un autre :

 Une donnée peut être représentée de différentes manières (exemple

 Rendre cette information disponible à une procédure de résolution

 Les critères pour choisir un langages de représentation :

 Expressivité : quels aspects ?

 Efficacité : combien de temps pour inférer ?

Logiques des prédicats, réseaux sémantiques, frames…

Logique : ( logos ) Raisonnement.

Logique classique Logique non classique

 Il existe deux types de logique classique :

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

Les règles d’inférence :

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

Ou bien : (H1  H2  ...  Hn   C) est inconsistante

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

Représenter une fbf sous en arbre

Dr. Farah BARIKA KTATA

Représenter une fbf sous en arbre

Dr. Farah BARIKA KTATA

Représenter une fbf sous en arbre

Dr. Farah BARIKA KTATA

Écriture sous Forme Clausale

Dr. Farah BARIKA KTATA

Forme normale Prénexe

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

2. Quantifieurs universels : les éliminer sans apporter des modifications

Soit G une forme standard de Skolem d'une fbf G

2. Eliminer les connecteurs 

Dr. Farah BARIKA KTATA

Dr. Farah BARIKA KTATA

Le principe de résolution est une règle d’inférence qui à partir de deux

Vous aimerez peut-être aussi