SlideShare a Scribd company logo
1 of 25
Download to read offline
東北大学 工学部 機械知能・航空工学科
2016年度 5セメスター・クラスC3 D1 D2 D3
計算機工学
大学院情報科学研究科
鏡 慎吾
http://www.ic.is.tohoku.ac.jp/~swk/lecture/
8. ブール代数と論理回路
(教科書2章)
2鏡 慎吾 (東北大学): 計算機工学 2016 (8)
ブール代数
集合 { 0, 1 } の上の演算 AND, OR, NOT からなる数学的体系
何のため?
• ある演算をどのような回路で実現すればよいのか?
• どうすれば回路が小さくなるのか?
• どうすれば回路が速く動くのか?
3鏡 慎吾 (東北大学): 計算機工学 2016 (8)
復習: 真理値表とゲート記号
A B A・B
0 0 0
0 1 0
1 0 0
1 1 1
A
B
A・B
A B A+B
0 0 0
0 1 1
1 0 1
1 1 1
A A
0 1
1 0
A
B
A+B A A
真理値表
ゲート記号
4鏡 慎吾 (東北大学): 計算機工学 2016 (8)
論理関数と論理式
• 論理関数
• いくつかの論理値を引数として受け取り,論理値を返
す関数
• f : {0, 1}n → { 0, 1 }
• 真理値表と 1 対 1 対応
• 論理式
• 論理値を持つ変数(論理変数)と論理値定数(つまり 0
または 1) に対して,AND, OR, NOT 演算を何度か適
用して得られる式
• 演算子の優先順位は NOT → AND → OR の順
• ゲート記号による論理回路図と 1 対 1 対応
• 論理式は一つの論理関数を定める
• しかし,論理関数は論理式を一意に定めない
5鏡 慎吾 (東北大学): 計算機工学 2016 (8)
論理式(論理回路)から真理値表へ: 例1
論理式
f(A, B) = A + B
真理値表
A B A+B
0 0 1
0 1 0
1 0 1
1 1 1
論理回路
A A+B
• 入力の組み合わせは高々有限個なの
で,地道に評価していけばよい
• 慣れてくると,まとめて値を定められる
場合がある.例えばこのページの例で
は,A = 1 なら OR ゲートの作用で結果
は必ず 1 になることがわかる
B
6鏡 慎吾 (東北大学): 計算機工学 2016 (8)
例2
論理式
f(A, B) = A + A ¢ B
真理値表 (cf. 前ページ)
論理回路
A
• 同じ論理関数を実現する論理式(論
理回路)は複数ある
• どうせ同じなら,できるだけ小さくて
速い回路で実現したい
A B A+A ¢ B
0 0 1
0 1 0
1 0 1
1 1 1
B
A + A ¢ B
7鏡 慎吾 (東北大学): 計算機工学 2016 (8)
真理値表から論理式へ
• 真理値表から出力が 1 の行を抜き出し,それぞれについて
• 入力が 1 の変数はそのまま,0 の変数は否定
• それら全変数の論理積を取る
• それらすべての項の論理和を取る
• 後述する「主加法標準形」が得られる.必ずしも「簡単」な式で
はない
A B
A B
A B
(A = 0, B = 0 のときのみ1)
(A = 1, B = 0 のときのみ1)
(A = 1, B = 1 のときのみ1)
A B f(A, B)
0 0 1
0 1 0
1 0 1
1 1 1
8鏡 慎吾 (東北大学): 計算機工学 2016 (8)
例3: 排他的論理和 (XOR)
XOR A B A © B
0 0 0
0 1 1
1 0 1
1 1 0
A
B
A B
A B
(A = 0, B = 1 のときのみ1)
(A = 1, B = 0 のときのみ1)
9鏡 慎吾 (東北大学): 計算機工学 2016 (8)
例4
A B C f
0 0 0 0
0 0 1 0
0 1 0 0
0 1 1 1
1 0 0 0
1 0 1 1
1 1 0 1
1 1 1 1
ちょっと回路が複雑そうだ.もっと「簡
単な」回路(簡単な論理式)で表せな
いだろうか?
3入力多数決関数 f(A, B, C)
10鏡 慎吾 (東北大学): 計算機工学 2016 (8)
ブール代数の公式
冪等則
単位元の存在
零元の存在
交換則
二重否定
相補則
分配則
ド・モルガン則
双対性
11鏡 慎吾 (東北大学): 計算機工学 2016 (8)
各公式の理解
• 相補則までは AND, OR, NOTの性質からすぐわかる
• 分配則はスイッチング回路図で考えるとよい
b
a
c
a a
b c
a
a
ab
c
b
c
• ド・モルガン則はよく知られている通り (ベン図で考えるとよい)
a b
12鏡 慎吾 (東北大学): 計算機工学 2016 (8)
• 双対性:
• ある命題における AND と OR,および 1 と 0 をそれぞれ入
れ替えたものを,その命題の双対 (dual) と呼ぶ
• 正しい命題の双対は常に正しい.なぜならば
• AND と OR の真理値表は互いの 0 と 1 を入れ替えたも
のであり,NOT の真理値表は 0 と 1 を入れ替えても変わ
らない.あらゆる論理式はAND, OR, NOTで表せるので,
上記の入れ替えによって,命題の真偽は保存される
• (別の説明) ブール代数の定理(正しいと証明できる命
題)は,すべて前々ページの公式(の一部: ハンチントンの
公理)から証明できる.ある定理の証明に用いた公式をす
べて双対に置き換えれば,元の定理の双対が証明できる
13鏡 慎吾 (東北大学): 計算機工学 2016 (8)
公式の適用例
相補則
単位元
単位元
分配則
こんなのどうやって思いつくのか? → 「カルノー図」を勉強するまで待とう
冪等則
分配則
相補則
単位元
(例2)
(例1)
(例4)
零元
分配則
14鏡 慎吾 (東北大学): 計算機工学 2016 (8)
論理関数の標準形
• ある論理関数を論理式で表す方法は無数にあるため,例え
ば2つの論理式を直接見比べても,それらが論理関数として
等価かどうかは判断できない
• 論理関数を一意に表すことができる「標準形」があると便利
である
• 特に,真理値表と関係の深い標準形として,主加法標準形と
主乗法標準形が挙げられる
15鏡 慎吾 (東北大学): 計算機工学 2016 (8)
主加法標準形
• リテラル
ある入力変数,またはその否定
• 基本積
リテラル,または2つ以上のリテラルの積で,
同じ入力変数を2度以上含まないもの
• 最小項
基本積のうち,すべての入力変数を含むも
の
• 主加法標準形
論理関数を最小項の和で表した形式
A B C f
0 0 0 0
0 0 1 0
0 1 0 0
0 1 1 0
1 0 0 0
1 0 1 1
1 1 0 0
1 1 1 0
最小項 A B C に対応する行
16鏡 慎吾 (東北大学): 計算機工学 2016 (8)
主加法標準形の作り方
真理値表から主加法標準形へ
• 1になる行の最小項を並べて論理和を取る
(つまり,先に学んだ「真理値表→論理式」の変換方法で
得られるのは,主加法標準形そのものだった)
任意の論理式から主加法標準形へ
• 分配則などを使って展開して積和形へ
• 最小項でない積項に対して,その積項に含まれないすべ
てのリテラル xi について,(xi + xi) を乗ずる
• さらに展開して,冗長な項を除去
17鏡 慎吾 (東北大学): 計算機工学 2016 (8)
例題
ド・モルガン則
18鏡 慎吾 (東北大学): 計算機工学 2016 (8)
主乗法標準形
• 基本和
リテラル,または2つ以上のリテラルの
和で,同じ入力変数を2度以上含まな
いもの
• 最大項
基本和のうち,すべての入力変数を含
むもの
• 主乗法標準形
論理関数を最大項の積で表した形式
A B C f
0 0 0 1
0 0 1 1
0 1 0 0
0 1 1 1
1 0 0 1
1 0 1 1
1 1 0 1
1 1 1 1
最大項 A + B + C に対応する行の集合
19鏡 慎吾 (東北大学): 計算機工学 2016 (8)
参考: 主乗法標準形の作り方
真理値表から主乗法標準形
• 0になる行の最小項を並べて論理和を取り,ド・モルガン
則を適用
(つまり,主加法標準形を作ることさえできれば,主乗法標準形へは
変換できる)
任意の論理式から主乗法標準形へ
• 分配則などを使って展開して和積形へ
• 最大項でない和項に対して,その和項に含まれないすべ
てのリテラル xi について,(xi xi) を加える
• さらに展開して,冗長な項を除去
(分配のしかたに慣れないと難しいかも知れない)
20鏡 慎吾 (東北大学): 計算機工学 2016 (8)
練習問題
右表の f(A, B, C) を適当な論理
式で表せ.(表したあと,A,B,Cに
各値を代入して自分で検算して
みるとよい)
A B C f
0 0 0 1
0 0 1 0
0 1 0 0
0 1 1 0
1 0 0 0
1 0 1 1
1 1 0 1
1 1 1 0
(1)
(2) 4入力の論理関数 g(x4, x3, x2, x1) を,
2進数 x4x3x2x1 が 3の倍数と (10進
表示で) 3のつく数のときだけ 1 にな
る関数とする.ただし 0 は3の倍数に
含まないものとする.論理関数gの真
理値表を書き,それに基づいてgを適
当な論理式で表せ.
21鏡 慎吾 (東北大学): 計算機工学 2016 (8)
解答例
x4 x3 x2 x1 g
0 0 0 0 0
0 0 0 1 0
0 0 1 0 0
0 0 1 1 1
0 1 0 0 0
0 1 0 1 0
0 1 1 0 1
0 1 1 1 0
1 0 0 0 0
1 0 0 1 1
1 0 1 0 0
1 0 1 1 0
1 1 0 0 1
1 1 0 1 1
1 1 1 0 0
1 1 1 1 1
(2) 真理値表は右の通り.論理式の表示例
は
(1) 論理式で表すと,例えば
その他,正解は無数に存在する.
22鏡 慎吾 (東北大学): 計算機工学 2016 (8)
練習問題
a, b, c の 3人の男がいる.そのうち一人以上は正直者で,一人
以上は嘘つきである.正直者は常に本当のことを言うが,嘘つき
の言うことは本当かも知れないし嘘かも知れない.彼らは言う.
a 「bは正直者だ」
b 「cは正直者だ」
c 「この中に正直者は一人しかいない」
a, b, c が正直者であるときに 1 になる論理変数をそれぞれ A, B,
C とおく.a の発言からは「A = 1 かつ B = 1 であるか,または,A
= 0 でなくてはならない」ことが読み取れる.つまり
という式(が 1 であること)によって a の発言が表される.
(1) 同様に b, c の発言を論理式で表し,それらの論理積を
取ることですべての条件を表す一つの論理式を導け.
(2) (1) の論理式を主加法標準形にせよ.
(3) a, b, c が正直者か嘘つきかを決定せよ.
23鏡 慎吾 (東北大学): 計算機工学 2016 (8)
解答例
b:
c:
(1)
(2)
(3) 正直者は一人以上いなくてはならないので,c が正直者である.
24鏡 慎吾 (東北大学): 計算機工学 2016 (8)
例題(おまけ)
天国と地獄の分かれ道に門番が立っている.門番は天国または
地獄のどちらから派遣されているが,どちらかはわからない.門
番には「はい」または「いいえ」で答えることのできる質問を一つ
だけすることができる.ただし,天国からきた門番は本当の答え
を教えてくれるが,地獄から来た門番は必ず嘘をつく.どのような
質問をすればよいか.
(1) X を「左側の道が天国のときに 1,さもなくば 0」,Y を「門
番が天国から来たなら 1,さもなくば 0」 である論理変数と
する.門番にする質問を論理関数 f(X, Y),門番から返る答
え g(X, Y) とする.ただし「はい」を論理値 1 に対応させる
とする.f(X, Y) を g(X, Y), X, Y を使った論理式で表せ.
(2) g(X, Y) = X となるような f(X, Y) を求めたい.そのような
f(X, Y) を論理式で表せ.これを日本語ではどう質問すれば
よいか.
25鏡 慎吾 (東北大学): 計算機工学 2016 (8)
解答例
よって質問すべき内容は:
「左の道は天国行きであってかつあなたは天国から来た」
かまたは「左の道は地獄行きであってかつあなたは地獄
から来た」のどちらかですか?
同じことだが,もう少しスマートにしたければ X = Y かどうか聞
いてもよい:
あなたは左の道から来ましたか?
(1)
(2)

More Related Content

What's hot

kagamicomput201711
kagamicomput201711kagamicomput201711
kagamicomput201711swkagami
 
kagami_comput2016_07
kagami_comput2016_07kagami_comput2016_07
kagami_comput2016_07swkagami
 
kagamicomput201708
kagamicomput201708kagamicomput201708
kagamicomput201708swkagami
 
kagami_comput2015_8
kagami_comput2015_8kagami_comput2015_8
kagami_comput2015_8swkagami
 
kagami_comput2015_9
kagami_comput2015_9kagami_comput2015_9
kagami_comput2015_9swkagami
 
kagamicomput201809
kagamicomput201809kagamicomput201809
kagamicomput201809swkagami
 
kagami_comput2016_02
kagami_comput2016_02kagami_comput2016_02
kagami_comput2016_02swkagami
 
kagami_comput2015_1
kagami_comput2015_1kagami_comput2015_1
kagami_comput2015_1swkagami
 
kagami_comput2016_06
kagami_comput2016_06kagami_comput2016_06
kagami_comput2016_06swkagami
 
kagamicomput201704
kagamicomput201704kagamicomput201704
kagamicomput201704swkagami
 
kagamicomput201706
kagamicomput201706kagamicomput201706
kagamicomput201706swkagami
 
kagami_comput2015_6
kagami_comput2015_6kagami_comput2015_6
kagami_comput2015_6swkagami
 
kagamicomput201710
kagamicomput201710kagamicomput201710
kagamicomput201710swkagami
 
kagami_comput2016_05
kagami_comput2016_05kagami_comput2016_05
kagami_comput2016_05swkagami
 
kagamicomput201707
kagamicomput201707kagamicomput201707
kagamicomput201707swkagami
 
kagami_comput2016_03
kagami_comput2016_03kagami_comput2016_03
kagami_comput2016_03swkagami
 
kagami_comput2015_11
kagami_comput2015_11kagami_comput2015_11
kagami_comput2015_11swkagami
 
kagamicomput201808
kagamicomput201808kagamicomput201808
kagamicomput201808swkagami
 
kagamicomput201811
kagamicomput201811kagamicomput201811
kagamicomput201811swkagami
 
Introduction of network analysis with Google Colaboratory -- Network Metrics
Introduction of network analysis with Google Colaboratory -- Network MetricsIntroduction of network analysis with Google Colaboratory -- Network Metrics
Introduction of network analysis with Google Colaboratory -- Network Metricstm1966
 

What's hot (20)

kagamicomput201711
kagamicomput201711kagamicomput201711
kagamicomput201711
 
kagami_comput2016_07
kagami_comput2016_07kagami_comput2016_07
kagami_comput2016_07
 
kagamicomput201708
kagamicomput201708kagamicomput201708
kagamicomput201708
 
kagami_comput2015_8
kagami_comput2015_8kagami_comput2015_8
kagami_comput2015_8
 
kagami_comput2015_9
kagami_comput2015_9kagami_comput2015_9
kagami_comput2015_9
 
kagamicomput201809
kagamicomput201809kagamicomput201809
kagamicomput201809
 
kagami_comput2016_02
kagami_comput2016_02kagami_comput2016_02
kagami_comput2016_02
 
kagami_comput2015_1
kagami_comput2015_1kagami_comput2015_1
kagami_comput2015_1
 
kagami_comput2016_06
kagami_comput2016_06kagami_comput2016_06
kagami_comput2016_06
 
kagamicomput201704
kagamicomput201704kagamicomput201704
kagamicomput201704
 
kagamicomput201706
kagamicomput201706kagamicomput201706
kagamicomput201706
 
kagami_comput2015_6
kagami_comput2015_6kagami_comput2015_6
kagami_comput2015_6
 
kagamicomput201710
kagamicomput201710kagamicomput201710
kagamicomput201710
 
kagami_comput2016_05
kagami_comput2016_05kagami_comput2016_05
kagami_comput2016_05
 
kagamicomput201707
kagamicomput201707kagamicomput201707
kagamicomput201707
 
kagami_comput2016_03
kagami_comput2016_03kagami_comput2016_03
kagami_comput2016_03
 
kagami_comput2015_11
kagami_comput2015_11kagami_comput2015_11
kagami_comput2015_11
 
kagamicomput201808
kagamicomput201808kagamicomput201808
kagamicomput201808
 
kagamicomput201811
kagamicomput201811kagamicomput201811
kagamicomput201811
 
Introduction of network analysis with Google Colaboratory -- Network Metrics
Introduction of network analysis with Google Colaboratory -- Network MetricsIntroduction of network analysis with Google Colaboratory -- Network Metrics
Introduction of network analysis with Google Colaboratory -- Network Metrics
 

Viewers also liked

kagami_comput2015_12
kagami_comput2015_12kagami_comput2015_12
kagami_comput2015_12swkagami
 
kagami_comput2016_04
kagami_comput2016_04kagami_comput2016_04
kagami_comput2016_04swkagami
 
kagami_comput2016_01
kagami_comput2016_01kagami_comput2016_01
kagami_comput2016_01swkagami
 
kagami_comput2016_14
kagami_comput2016_14kagami_comput2016_14
kagami_comput2016_14swkagami
 
kagami_comput2015_13
kagami_comput2015_13kagami_comput2015_13
kagami_comput2015_13swkagami
 
kagami_comput2015_14
kagami_comput2015_14kagami_comput2015_14
kagami_comput2015_14swkagami
 
フレッシュマンセミナー20060614
フレッシュマンセミナー20060614フレッシュマンセミナー20060614
フレッシュマンセミナー20060614Takeo Kunishima
 
kagami_comput2015_7
kagami_comput2015_7kagami_comput2015_7
kagami_comput2015_7swkagami
 
A Visys é especialista em soluções para sua Empresa! Você quer fazer a difere...
A Visys é especialista em soluções para sua Empresa! Você quer fazer a difere...A Visys é especialista em soluções para sua Empresa! Você quer fazer a difere...
A Visys é especialista em soluções para sua Empresa! Você quer fazer a difere...Sonia Fernandes Bogo
 
Spanish_AdSenseOnlineOverview_121103_ps
Spanish_AdSenseOnlineOverview_121103_psSpanish_AdSenseOnlineOverview_121103_ps
Spanish_AdSenseOnlineOverview_121103_psNatura
 
kagami_comput2016_13
kagami_comput2016_13kagami_comput2016_13
kagami_comput2016_13swkagami
 

Viewers also liked (17)

kagami_comput2015_12
kagami_comput2015_12kagami_comput2015_12
kagami_comput2015_12
 
kagami_comput2016_04
kagami_comput2016_04kagami_comput2016_04
kagami_comput2016_04
 
kagami_comput2016_01
kagami_comput2016_01kagami_comput2016_01
kagami_comput2016_01
 
kagami_comput2016_14
kagami_comput2016_14kagami_comput2016_14
kagami_comput2016_14
 
kagami_comput2015_13
kagami_comput2015_13kagami_comput2015_13
kagami_comput2015_13
 
kagami_comput2015_14
kagami_comput2015_14kagami_comput2015_14
kagami_comput2015_14
 
フレッシュマンセミナー20060614
フレッシュマンセミナー20060614フレッシュマンセミナー20060614
フレッシュマンセミナー20060614
 
CMSI計算科学技術特論A(3) OpenMPの基礎
CMSI計算科学技術特論A(3) OpenMPの基礎CMSI計算科学技術特論A(3) OpenMPの基礎
CMSI計算科学技術特論A(3) OpenMPの基礎
 
kagami_comput2015_7
kagami_comput2015_7kagami_comput2015_7
kagami_comput2015_7
 
La vida
La vidaLa vida
La vida
 
A Visys é especialista em soluções para sua Empresa! Você quer fazer a difere...
A Visys é especialista em soluções para sua Empresa! Você quer fazer a difere...A Visys é especialista em soluções para sua Empresa! Você quer fazer a difere...
A Visys é especialista em soluções para sua Empresa! Você quer fazer a difere...
 
Spanish_AdSenseOnlineOverview_121103_ps
Spanish_AdSenseOnlineOverview_121103_psSpanish_AdSenseOnlineOverview_121103_ps
Spanish_AdSenseOnlineOverview_121103_ps
 
CMSI計算科学技術特論A (2015) 第2回 MPIの基礎
CMSI計算科学技術特論A (2015) 第2回 MPIの基礎CMSI計算科学技術特論A (2015) 第2回 MPIの基礎
CMSI計算科学技術特論A (2015) 第2回 MPIの基礎
 
kagami_comput2016_13
kagami_comput2016_13kagami_comput2016_13
kagami_comput2016_13
 
計算機理論入門05
計算機理論入門05計算機理論入門05
計算機理論入門05
 
計算機理論入門03
計算機理論入門03計算機理論入門03
計算機理論入門03
 
計算機理論入門04
計算機理論入門04計算機理論入門04
計算機理論入門04
 

Similar to kagami_comput2016_08

kagami_comput2015_4
kagami_comput2015_4kagami_comput2015_4
kagami_comput2015_4swkagami
 
kagamicomput201804
kagamicomput201804kagamicomput201804
kagamicomput201804swkagami
 
充足可能性問題のいろいろ
充足可能性問題のいろいろ充足可能性問題のいろいろ
充足可能性問題のいろいろHiroshi Yamashita
 
Casual learning machine learning with_excel_no4
Casual learning machine learning with_excel_no4Casual learning machine learning with_excel_no4
Casual learning machine learning with_excel_no4KazuhiroSato8
 
情報幾何勉強会 EMアルゴリズム
情報幾何勉強会 EMアルゴリズム 情報幾何勉強会 EMアルゴリズム
情報幾何勉強会 EMアルゴリズム Shinagawa Seitaro
 
TokyoWebmining統計学部 第1回
TokyoWebmining統計学部 第1回TokyoWebmining統計学部 第1回
TokyoWebmining統計学部 第1回Issei Kurahashi
 
Coq関係計算ライブラリの開発と写像の性質の証明
Coq関係計算ライブラリの開発と写像の性質の証明Coq関係計算ライブラリの開発と写像の性質の証明
Coq関係計算ライブラリの開発と写像の性質の証明Yoshihiro Mizoguchi
 
第2回プログラマのための数学LT会
第2回プログラマのための数学LT会第2回プログラマのための数学LT会
第2回プログラマのための数学LT会春 根上
 
行列計算を利用したデータ解析技術
行列計算を利用したデータ解析技術行列計算を利用したデータ解析技術
行列計算を利用したデータ解析技術Yoshihiro Mizoguchi
 
統計的学習手法による物体検出の高精度化と効率化 -人検出の実用化に向けて-
統計的学習手法による物体検出の高精度化と効率化 -人検出の実用化に向けて-統計的学習手法による物体検出の高精度化と効率化 -人検出の実用化に向けて-
統計的学習手法による物体検出の高精度化と効率化 -人検出の実用化に向けて-Hironobu Fujiyoshi
 
Casual learning machine learning with_excel_no5
Casual learning machine learning with_excel_no5Casual learning machine learning with_excel_no5
Casual learning machine learning with_excel_no5KazuhiroSato8
 
データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習Seiichi Uchida
 
[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論
[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論
[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論Yuto Takei
 
スパースモデリングによる多次元信号・画像復元
スパースモデリングによる多次元信号・画像復元スパースモデリングによる多次元信号・画像復元
スパースモデリングによる多次元信号・画像復元Shogo Muramatsu
 
【解説】JOI 2019/2020 一次予選 最速非公式解説【競技プログラミング】
【解説】JOI 2019/2020 一次予選 最速非公式解説【競技プログラミング】【解説】JOI 2019/2020 一次予選 最速非公式解説【競技プログラミング】
【解説】JOI 2019/2020 一次予選 最速非公式解説【競技プログラミング】Proktmr
 
Usp友の会勉強会、ジャクソン構造図の巻(後編)
Usp友の会勉強会、ジャクソン構造図の巻(後編)Usp友の会勉強会、ジャクソン構造図の巻(後編)
Usp友の会勉強会、ジャクソン構造図の巻(後編)umidori
 
kagami_comput2015_2
kagami_comput2015_2kagami_comput2015_2
kagami_comput2015_2swkagami
 

Similar to kagami_comput2016_08 (20)

kagami_comput2015_4
kagami_comput2015_4kagami_comput2015_4
kagami_comput2015_4
 
kagamicomput201804
kagamicomput201804kagamicomput201804
kagamicomput201804
 
充足可能性問題のいろいろ
充足可能性問題のいろいろ充足可能性問題のいろいろ
充足可能性問題のいろいろ
 
5 Info Theory
5 Info Theory5 Info Theory
5 Info Theory
 
Casual learning machine learning with_excel_no4
Casual learning machine learning with_excel_no4Casual learning machine learning with_excel_no4
Casual learning machine learning with_excel_no4
 
Topological data analysis
Topological data analysisTopological data analysis
Topological data analysis
 
情報幾何勉強会 EMアルゴリズム
情報幾何勉強会 EMアルゴリズム 情報幾何勉強会 EMアルゴリズム
情報幾何勉強会 EMアルゴリズム
 
TokyoWebmining統計学部 第1回
TokyoWebmining統計学部 第1回TokyoWebmining統計学部 第1回
TokyoWebmining統計学部 第1回
 
Coq関係計算ライブラリの開発と写像の性質の証明
Coq関係計算ライブラリの開発と写像の性質の証明Coq関係計算ライブラリの開発と写像の性質の証明
Coq関係計算ライブラリの開発と写像の性質の証明
 
第2回プログラマのための数学LT会
第2回プログラマのための数学LT会第2回プログラマのための数学LT会
第2回プログラマのための数学LT会
 
Binary indexed tree
Binary indexed treeBinary indexed tree
Binary indexed tree
 
行列計算を利用したデータ解析技術
行列計算を利用したデータ解析技術行列計算を利用したデータ解析技術
行列計算を利用したデータ解析技術
 
統計的学習手法による物体検出の高精度化と効率化 -人検出の実用化に向けて-
統計的学習手法による物体検出の高精度化と効率化 -人検出の実用化に向けて-統計的学習手法による物体検出の高精度化と効率化 -人検出の実用化に向けて-
統計的学習手法による物体検出の高精度化と効率化 -人検出の実用化に向けて-
 
Casual learning machine learning with_excel_no5
Casual learning machine learning with_excel_no5Casual learning machine learning with_excel_no5
Casual learning machine learning with_excel_no5
 
データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習
 
[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論
[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論
[Basic 1] ブロックチェーンと計算機科学 / ブール代数 / 情報理論
 
スパースモデリングによる多次元信号・画像復元
スパースモデリングによる多次元信号・画像復元スパースモデリングによる多次元信号・画像復元
スパースモデリングによる多次元信号・画像復元
 
【解説】JOI 2019/2020 一次予選 最速非公式解説【競技プログラミング】
【解説】JOI 2019/2020 一次予選 最速非公式解説【競技プログラミング】【解説】JOI 2019/2020 一次予選 最速非公式解説【競技プログラミング】
【解説】JOI 2019/2020 一次予選 最速非公式解説【競技プログラミング】
 
Usp友の会勉強会、ジャクソン構造図の巻(後編)
Usp友の会勉強会、ジャクソン構造図の巻(後編)Usp友の会勉強会、ジャクソン構造図の巻(後編)
Usp友の会勉強会、ジャクソン構造図の巻(後編)
 
kagami_comput2015_2
kagami_comput2015_2kagami_comput2015_2
kagami_comput2015_2
 

More from swkagami

kagamicomput201814
kagamicomput201814kagamicomput201814
kagamicomput201814swkagami
 
kagamicomput201813
kagamicomput201813kagamicomput201813
kagamicomput201813swkagami
 
kagamicomput201812
kagamicomput201812kagamicomput201812
kagamicomput201812swkagami
 
kagamicomput201807
kagamicomput201807kagamicomput201807
kagamicomput201807swkagami
 
kagamicomput201806
kagamicomput201806kagamicomput201806
kagamicomput201806swkagami
 
kagamicomput201805
kagamicomput201805kagamicomput201805
kagamicomput201805swkagami
 
kagamicomput201803
kagamicomput201803kagamicomput201803
kagamicomput201803swkagami
 
kagamicomput201802
kagamicomput201802kagamicomput201802
kagamicomput201802swkagami
 
kagamicomput201801
kagamicomput201801kagamicomput201801
kagamicomput201801swkagami
 
kagamicomput201714
kagamicomput201714kagamicomput201714
kagamicomput201714swkagami
 
kagamicomput201713
kagamicomput201713kagamicomput201713
kagamicomput201713swkagami
 
kagamicomput201705
kagamicomput201705kagamicomput201705
kagamicomput201705swkagami
 
kagamicomput201703
kagamicomput201703kagamicomput201703
kagamicomput201703swkagami
 
kagamicomput201702
kagamicomput201702kagamicomput201702
kagamicomput201702swkagami
 
kagamicomput201701
kagamicomput201701kagamicomput201701
kagamicomput201701swkagami
 

More from swkagami (15)

kagamicomput201814
kagamicomput201814kagamicomput201814
kagamicomput201814
 
kagamicomput201813
kagamicomput201813kagamicomput201813
kagamicomput201813
 
kagamicomput201812
kagamicomput201812kagamicomput201812
kagamicomput201812
 
kagamicomput201807
kagamicomput201807kagamicomput201807
kagamicomput201807
 
kagamicomput201806
kagamicomput201806kagamicomput201806
kagamicomput201806
 
kagamicomput201805
kagamicomput201805kagamicomput201805
kagamicomput201805
 
kagamicomput201803
kagamicomput201803kagamicomput201803
kagamicomput201803
 
kagamicomput201802
kagamicomput201802kagamicomput201802
kagamicomput201802
 
kagamicomput201801
kagamicomput201801kagamicomput201801
kagamicomput201801
 
kagamicomput201714
kagamicomput201714kagamicomput201714
kagamicomput201714
 
kagamicomput201713
kagamicomput201713kagamicomput201713
kagamicomput201713
 
kagamicomput201705
kagamicomput201705kagamicomput201705
kagamicomput201705
 
kagamicomput201703
kagamicomput201703kagamicomput201703
kagamicomput201703
 
kagamicomput201702
kagamicomput201702kagamicomput201702
kagamicomput201702
 
kagamicomput201701
kagamicomput201701kagamicomput201701
kagamicomput201701
 

Recently uploaded

TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案sugiuralab
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?akihisamiyanaga1
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものですiPride Co., Ltd.
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNetToru Tamaki
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Yuma Ohgami
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)UEHARA, Tetsutaro
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineerYuki Kikuchi
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...博三 太田
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)Hiroki Ichikura
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfFumieNakayama
 
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...Toru Tamaki
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfFumieNakayama
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A surveyToru Tamaki
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdftaisei2219
 

Recently uploaded (14)

TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
 
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
 

kagami_comput2016_08

  • 1. 東北大学 工学部 機械知能・航空工学科 2016年度 5セメスター・クラスC3 D1 D2 D3 計算機工学 大学院情報科学研究科 鏡 慎吾 http://www.ic.is.tohoku.ac.jp/~swk/lecture/ 8. ブール代数と論理回路 (教科書2章)
  • 2. 2鏡 慎吾 (東北大学): 計算機工学 2016 (8) ブール代数 集合 { 0, 1 } の上の演算 AND, OR, NOT からなる数学的体系 何のため? • ある演算をどのような回路で実現すればよいのか? • どうすれば回路が小さくなるのか? • どうすれば回路が速く動くのか?
  • 3. 3鏡 慎吾 (東北大学): 計算機工学 2016 (8) 復習: 真理値表とゲート記号 A B A・B 0 0 0 0 1 0 1 0 0 1 1 1 A B A・B A B A+B 0 0 0 0 1 1 1 0 1 1 1 1 A A 0 1 1 0 A B A+B A A 真理値表 ゲート記号
  • 4. 4鏡 慎吾 (東北大学): 計算機工学 2016 (8) 論理関数と論理式 • 論理関数 • いくつかの論理値を引数として受け取り,論理値を返 す関数 • f : {0, 1}n → { 0, 1 } • 真理値表と 1 対 1 対応 • 論理式 • 論理値を持つ変数(論理変数)と論理値定数(つまり 0 または 1) に対して,AND, OR, NOT 演算を何度か適 用して得られる式 • 演算子の優先順位は NOT → AND → OR の順 • ゲート記号による論理回路図と 1 対 1 対応 • 論理式は一つの論理関数を定める • しかし,論理関数は論理式を一意に定めない
  • 5. 5鏡 慎吾 (東北大学): 計算機工学 2016 (8) 論理式(論理回路)から真理値表へ: 例1 論理式 f(A, B) = A + B 真理値表 A B A+B 0 0 1 0 1 0 1 0 1 1 1 1 論理回路 A A+B • 入力の組み合わせは高々有限個なの で,地道に評価していけばよい • 慣れてくると,まとめて値を定められる 場合がある.例えばこのページの例で は,A = 1 なら OR ゲートの作用で結果 は必ず 1 になることがわかる B
  • 6. 6鏡 慎吾 (東北大学): 計算機工学 2016 (8) 例2 論理式 f(A, B) = A + A ¢ B 真理値表 (cf. 前ページ) 論理回路 A • 同じ論理関数を実現する論理式(論 理回路)は複数ある • どうせ同じなら,できるだけ小さくて 速い回路で実現したい A B A+A ¢ B 0 0 1 0 1 0 1 0 1 1 1 1 B A + A ¢ B
  • 7. 7鏡 慎吾 (東北大学): 計算機工学 2016 (8) 真理値表から論理式へ • 真理値表から出力が 1 の行を抜き出し,それぞれについて • 入力が 1 の変数はそのまま,0 の変数は否定 • それら全変数の論理積を取る • それらすべての項の論理和を取る • 後述する「主加法標準形」が得られる.必ずしも「簡単」な式で はない A B A B A B (A = 0, B = 0 のときのみ1) (A = 1, B = 0 のときのみ1) (A = 1, B = 1 のときのみ1) A B f(A, B) 0 0 1 0 1 0 1 0 1 1 1 1
  • 8. 8鏡 慎吾 (東北大学): 計算機工学 2016 (8) 例3: 排他的論理和 (XOR) XOR A B A © B 0 0 0 0 1 1 1 0 1 1 1 0 A B A B A B (A = 0, B = 1 のときのみ1) (A = 1, B = 0 のときのみ1)
  • 9. 9鏡 慎吾 (東北大学): 計算機工学 2016 (8) 例4 A B C f 0 0 0 0 0 0 1 0 0 1 0 0 0 1 1 1 1 0 0 0 1 0 1 1 1 1 0 1 1 1 1 1 ちょっと回路が複雑そうだ.もっと「簡 単な」回路(簡単な論理式)で表せな いだろうか? 3入力多数決関数 f(A, B, C)
  • 10. 10鏡 慎吾 (東北大学): 計算機工学 2016 (8) ブール代数の公式 冪等則 単位元の存在 零元の存在 交換則 二重否定 相補則 分配則 ド・モルガン則 双対性
  • 11. 11鏡 慎吾 (東北大学): 計算機工学 2016 (8) 各公式の理解 • 相補則までは AND, OR, NOTの性質からすぐわかる • 分配則はスイッチング回路図で考えるとよい b a c a a b c a a ab c b c • ド・モルガン則はよく知られている通り (ベン図で考えるとよい) a b
  • 12. 12鏡 慎吾 (東北大学): 計算機工学 2016 (8) • 双対性: • ある命題における AND と OR,および 1 と 0 をそれぞれ入 れ替えたものを,その命題の双対 (dual) と呼ぶ • 正しい命題の双対は常に正しい.なぜならば • AND と OR の真理値表は互いの 0 と 1 を入れ替えたも のであり,NOT の真理値表は 0 と 1 を入れ替えても変わ らない.あらゆる論理式はAND, OR, NOTで表せるので, 上記の入れ替えによって,命題の真偽は保存される • (別の説明) ブール代数の定理(正しいと証明できる命 題)は,すべて前々ページの公式(の一部: ハンチントンの 公理)から証明できる.ある定理の証明に用いた公式をす べて双対に置き換えれば,元の定理の双対が証明できる
  • 13. 13鏡 慎吾 (東北大学): 計算機工学 2016 (8) 公式の適用例 相補則 単位元 単位元 分配則 こんなのどうやって思いつくのか? → 「カルノー図」を勉強するまで待とう 冪等則 分配則 相補則 単位元 (例2) (例1) (例4) 零元 分配則
  • 14. 14鏡 慎吾 (東北大学): 計算機工学 2016 (8) 論理関数の標準形 • ある論理関数を論理式で表す方法は無数にあるため,例え ば2つの論理式を直接見比べても,それらが論理関数として 等価かどうかは判断できない • 論理関数を一意に表すことができる「標準形」があると便利 である • 特に,真理値表と関係の深い標準形として,主加法標準形と 主乗法標準形が挙げられる
  • 15. 15鏡 慎吾 (東北大学): 計算機工学 2016 (8) 主加法標準形 • リテラル ある入力変数,またはその否定 • 基本積 リテラル,または2つ以上のリテラルの積で, 同じ入力変数を2度以上含まないもの • 最小項 基本積のうち,すべての入力変数を含むも の • 主加法標準形 論理関数を最小項の和で表した形式 A B C f 0 0 0 0 0 0 1 0 0 1 0 0 0 1 1 0 1 0 0 0 1 0 1 1 1 1 0 0 1 1 1 0 最小項 A B C に対応する行
  • 16. 16鏡 慎吾 (東北大学): 計算機工学 2016 (8) 主加法標準形の作り方 真理値表から主加法標準形へ • 1になる行の最小項を並べて論理和を取る (つまり,先に学んだ「真理値表→論理式」の変換方法で 得られるのは,主加法標準形そのものだった) 任意の論理式から主加法標準形へ • 分配則などを使って展開して積和形へ • 最小項でない積項に対して,その積項に含まれないすべ てのリテラル xi について,(xi + xi) を乗ずる • さらに展開して,冗長な項を除去
  • 17. 17鏡 慎吾 (東北大学): 計算機工学 2016 (8) 例題 ド・モルガン則
  • 18. 18鏡 慎吾 (東北大学): 計算機工学 2016 (8) 主乗法標準形 • 基本和 リテラル,または2つ以上のリテラルの 和で,同じ入力変数を2度以上含まな いもの • 最大項 基本和のうち,すべての入力変数を含 むもの • 主乗法標準形 論理関数を最大項の積で表した形式 A B C f 0 0 0 1 0 0 1 1 0 1 0 0 0 1 1 1 1 0 0 1 1 0 1 1 1 1 0 1 1 1 1 1 最大項 A + B + C に対応する行の集合
  • 19. 19鏡 慎吾 (東北大学): 計算機工学 2016 (8) 参考: 主乗法標準形の作り方 真理値表から主乗法標準形 • 0になる行の最小項を並べて論理和を取り,ド・モルガン 則を適用 (つまり,主加法標準形を作ることさえできれば,主乗法標準形へは 変換できる) 任意の論理式から主乗法標準形へ • 分配則などを使って展開して和積形へ • 最大項でない和項に対して,その和項に含まれないすべ てのリテラル xi について,(xi xi) を加える • さらに展開して,冗長な項を除去 (分配のしかたに慣れないと難しいかも知れない)
  • 20. 20鏡 慎吾 (東北大学): 計算機工学 2016 (8) 練習問題 右表の f(A, B, C) を適当な論理 式で表せ.(表したあと,A,B,Cに 各値を代入して自分で検算して みるとよい) A B C f 0 0 0 1 0 0 1 0 0 1 0 0 0 1 1 0 1 0 0 0 1 0 1 1 1 1 0 1 1 1 1 0 (1) (2) 4入力の論理関数 g(x4, x3, x2, x1) を, 2進数 x4x3x2x1 が 3の倍数と (10進 表示で) 3のつく数のときだけ 1 にな る関数とする.ただし 0 は3の倍数に 含まないものとする.論理関数gの真 理値表を書き,それに基づいてgを適 当な論理式で表せ.
  • 21. 21鏡 慎吾 (東北大学): 計算機工学 2016 (8) 解答例 x4 x3 x2 x1 g 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 1 1 0 1 0 0 0 0 1 0 1 0 0 1 1 0 1 0 1 1 1 0 1 0 0 0 0 1 0 0 1 1 1 0 1 0 0 1 0 1 1 0 1 1 0 0 1 1 1 0 1 1 1 1 1 0 0 1 1 1 1 1 (2) 真理値表は右の通り.論理式の表示例 は (1) 論理式で表すと,例えば その他,正解は無数に存在する.
  • 22. 22鏡 慎吾 (東北大学): 計算機工学 2016 (8) 練習問題 a, b, c の 3人の男がいる.そのうち一人以上は正直者で,一人 以上は嘘つきである.正直者は常に本当のことを言うが,嘘つき の言うことは本当かも知れないし嘘かも知れない.彼らは言う. a 「bは正直者だ」 b 「cは正直者だ」 c 「この中に正直者は一人しかいない」 a, b, c が正直者であるときに 1 になる論理変数をそれぞれ A, B, C とおく.a の発言からは「A = 1 かつ B = 1 であるか,または,A = 0 でなくてはならない」ことが読み取れる.つまり という式(が 1 であること)によって a の発言が表される. (1) 同様に b, c の発言を論理式で表し,それらの論理積を 取ることですべての条件を表す一つの論理式を導け. (2) (1) の論理式を主加法標準形にせよ. (3) a, b, c が正直者か嘘つきかを決定せよ.
  • 23. 23鏡 慎吾 (東北大学): 計算機工学 2016 (8) 解答例 b: c: (1) (2) (3) 正直者は一人以上いなくてはならないので,c が正直者である.
  • 24. 24鏡 慎吾 (東北大学): 計算機工学 2016 (8) 例題(おまけ) 天国と地獄の分かれ道に門番が立っている.門番は天国または 地獄のどちらから派遣されているが,どちらかはわからない.門 番には「はい」または「いいえ」で答えることのできる質問を一つ だけすることができる.ただし,天国からきた門番は本当の答え を教えてくれるが,地獄から来た門番は必ず嘘をつく.どのような 質問をすればよいか. (1) X を「左側の道が天国のときに 1,さもなくば 0」,Y を「門 番が天国から来たなら 1,さもなくば 0」 である論理変数と する.門番にする質問を論理関数 f(X, Y),門番から返る答 え g(X, Y) とする.ただし「はい」を論理値 1 に対応させる とする.f(X, Y) を g(X, Y), X, Y を使った論理式で表せ. (2) g(X, Y) = X となるような f(X, Y) を求めたい.そのような f(X, Y) を論理式で表せ.これを日本語ではどう質問すれば よいか.
  • 25. 25鏡 慎吾 (東北大学): 計算機工学 2016 (8) 解答例 よって質問すべき内容は: 「左の道は天国行きであってかつあなたは天国から来た」 かまたは「左の道は地獄行きであってかつあなたは地獄 から来た」のどちらかですか? 同じことだが,もう少しスマートにしたければ X = Y かどうか聞 いてもよい: あなたは左の道から来ましたか? (1) (2)