スキル一覧に戻る

evaluate-boolean-expression

pjt222
更新日 2 days ago
5 閲覧
17
2
17
GitHubで表示
その他general

について

このスキルは、真理値表、代数法則、カルノー図(最大6変数まで)を用いてブール式を評価・簡略化します。SOP/POS形式への式の最小化、論理的等価性の検証、またはゲートレベル実装用の最小化関数の作成に使用されます。回路設計における論理の簡略化やブール代数の検証が必要な際に、開発者が活用すべきスキルです。

クイックインストール

Claude Code

推奨
メイン
npx skills add pjt222/agent-almanac -a claude-code
プラグインコマンド代替
/plugin add https://github.com/pjt222/agent-almanac
Git クローン代替
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/evaluate-boolean-expression

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

ドキュメント

ブール式の評価

ブール式を正準形に変換し、真理値表を構築し、代数的簡約法則を適用し、カルノー図による最小化(最大6変数)を実行し、簡約された式が元の式と論理的に等価であることを検証することで、ブール式を最小形に縮約する。

使用タイミング

  • ブール式を論理ゲートにマッピングする前に簡約化する時
  • 2つのブール式が論理的に等価であることを検証する時
  • 最小積和形(SOP)または和積形(POS)を生成する時
  • ブール代数の恒等式と縮約技法を教育またはレビューする時
  • design-logic-circuitスキルの入力を準備する時

入力

  • 必須: 一般的な記法によるブール式(例:A AND (B OR NOT C)A * (B + C')A & (B | ~C)
  • 必須: ターゲット形式 -- 最小SOP、最小POS、または両方
  • 任意: カルノー図の変数順序の好み
  • 任意: ドントケア条件(未指定の最小項または最大項)
  • 任意: 等価性をチェックする2番目の式

手順

ステップ1: 解析と正準形への正規化

入力式を標準的な内部表現に変換する:

  1. トークン化: 変数(単一文字または短い名前)、演算子(AND、OR、NOT、XOR、NAND、NOR)、グルーピング(括弧)を特定する。
  2. 演算子記法の確立: 全体を通じて一貫した記法を採用する -- ANDに*、ORに+、NOT(補数)に'、XORに^
  3. 変数数の決定: すべてのユニークな変数をリストする。各変数にビット位置を割り当てる(デフォルトではA = MSB、... Z = LSB、または提供された順序を使用)。
  4. 正準SOPへの展開: 恒等式X = X*(Y + Y')を使用して不足変数を導入し、式をすべての最小項の和に展開する。
  5. 正準POSへの展開: 代替として、X = X + Y*Y'を使用してすべての最大項の積に展開する。
## Normalized Expression
- **Variables**: [A, B, C, ...]
- **Variable count**: [n]
- **Original expression**: [as given]
- **Canonical SOP (minterms)**: Sigma m(i, j, k, ...)
- **Canonical POS (maxterms)**: Pi M(i, j, k, ...)
- **Don't-care set**: d(i, j, ...) [if any]

期待結果: 式がすべての最小項/最大項を明示的にリストした正準SOPおよび/またはPOSに変換され、ドントケア条件が分離されている。

失敗時: 式に構文エラーまたは曖昧な演算子優先順位がある場合、明確化を要求する。標準的な優先順位は:NOT(最高)> AND > XOR > OR(最低)。変数数が6を超える場合、カルノー図ステップにはクワイン-マクラスキーアルゴリズムが必要であることを記す。

ステップ2: 真理値表の構築

すべての入力組み合わせに対する関数の動作を確立するための完全な真理値表を構築する:

  1. 行の列挙: 2進カウント順(000、001、010、...)ですべての2^n個の入力組み合わせを生成する。
  2. 出力の評価: 各行について、元の式に値を代入して出力(0または1)を計算する。
  3. ドントケアのマーク: ドントケア条件が提供された場合、それらの行を0または1ではなくXでマークする。
  4. 最小項との照合: 出力1を生成する行がステップ1の最小項リストと一致することを確認する。
## Truth Table
| A | B | C | F |
|---|---|---|---|
| 0 | 0 | 0 | _ |
| 0 | 0 | 1 | _ |
| ... | ... | ... | ... |

期待結果: 2^n行の完全な真理値表、正準形と一致する出力、ドントケアが適切にマークされている。

失敗時: 真理値表が正準形と不一致の場合、ステップ1の展開を再確認する。一般的なエラーは正準展開中のド・モルガンの法則の誤適用 -- 各展開ステップを個別に検証する。

ステップ3: 代数的簡約の適用

ブール代数の恒等式を使用して式を縮約する:

  1. 恒等法則とゼロ法則: A + 0 = AA * 1 = AA + 1 = 1A * 0 = 0
  2. 冪等法則: A + A = AA * A = A
  3. 補数法則: A + A' = 1A * A' = 0
  4. 吸収法則: A + A*B = AA * (A + B) = A
  5. ド・モルガンの定理: (A * B)' = A' + B'(A + B)' = A' * B'
  6. 分配法則: A * (B + C) = A*B + A*CA + B*C = (A + B) * (A + C)
  7. コンセンサス定理: A*B + A'*C + B*C = A*B + A'*C(B*C項は冗長)。
  8. XOR簡約: A*B' + A'*B = A ^ Bのようなパターンを認識する。
  9. 各ステップの文書化: 各法則適用後の式を書き出し、使用した法則を引用する。
## Algebraic Simplification Trace
1. Original: [expression]
2. Apply [law name]: [result]
3. Apply [law name]: [result]
...
n. Final algebraic form: [simplified expression]

期待結果: 各法則適用が引用されたステップバイステップの縮約、より簡約な式に収束。トレースは等価性の検証可能な証明を提供する。

失敗時: 式がさらに簡約できないが非最小に見える場合、ステップ4(カルノー図)に進む。代数的方法は大域的最小を見つけることを保証しない -- 法則の適用順序に依存する。

ステップ4: カルノー図による最小化

カルノー図を使用して証明可能な最小SOPまたはPOS形を見つける(最大6変数):

  1. カルノー図の描画: グレイコード順序を軸に使用して図を配置する。
    • 2変数:2x2グリッド
    • 3変数:2x4グリッド
    • 4変数:4x4グリッド
    • 5変数:4x4グリッド2つ(積み重ね)
    • 6変数:4x4グリッド4つ(積み重ね)
  2. セルの充填: 対応するセルに1(最小項)、0(最大項)、X(ドントケア)を配置する。
  3. 隣接する1のグループ化: 1、2、4、8、16、または32の隣接セルの矩形グループを形成する(2のべき乗のみ)。グループはエッジを折り返しできる。ドントケアはグループを拡大する場合に含める。
  4. 主項の抽出: 各グループが積項を生成する。グループ全体で一定の変数は項に現れ、変化する変数は消去される。
  5. 必須主項の選択: 1つの主項だけでカバーされる最小項を特定する -- それらの主項は必須である。
  6. 残りの最小項のカバー: カバーされていない最小項をカバーするために最少の追加主項を使用する(必要に応じてペトリックの方法)。
  7. 最小式の記述: 選択された主項を組み合わせて最小SOPを構成する。最小POSには代わりに0をグループ化する。
## K-map Result
- **Prime implicants**: [list with covered minterms]
- **Essential prime implicants**: [list]
- **Minimal SOP**: [expression]
- **Minimal POS**: [expression, if requested]
- **Literal count**: [number of literals in minimal form]

期待結果: 可能な限り最少のリテラルを持つ最小SOP(および/またはPOS)、すべての主項と必須主項が文書化されている。

失敗時: グループ化が曖昧な場合(複数の等価な最小カバーが存在する)、すべての等価な最小形をリストする。変数数が6を超える場合、クワイン-マクラスキーの表計算法またはEspressoヒューリスティックに切り替え、アプローチの変更を記す。

ステップ5: 簡約式が元の式と一致することの検証

簡約式と元の式の間の論理的等価性を確認する:

  1. 真理値表の比較: すべての2^n入力組み合わせについて簡約式を評価し、ステップ2の真理値表と比較する。すべての非ドントケア行が一致する必要がある。
  2. 代数的証明(任意): 簡約形から元の式を導出する(またはその逆)。ステップ3の法則を使用する。
  3. 重要ケースのスポットチェック: 全ゼロ入力、全1入力、および困難な簡約ステップに関与した入力を検証する。
  4. 結果の文書化: 等価性が成立するかどうかを述べ、最終的な最小形を記録する。
## Equivalence Verification
- **Method**: [truth table comparison / algebraic proof / both]
- **Mismatched rows**: [none, or list row numbers]
- **Verdict**: [Equivalent / Not equivalent]
- **Final minimal expression**: [the verified result]

期待結果: 簡約式がすべての非ドントケア入力で元の式と一致する。最終的な最小形が明確に述べられている。

失敗時: いずれかの行が不一致の場合、ステップ3-4を遡ってエラーを追跡する。一般的な原因:不正なカルノー図のグループ化(非矩形または2のべき乗でないグループ)、折り返し隣接性の忘却、または0のセルを誤ってグループ化。

バリデーション

  • 元の式のすべての変数が考慮されている
  • 正準SOP/POSが正しい最小項/最大項をリストしている
  • 真理値表が正確に2^n行で正しい出力を持つ
  • ドントケア条件が正しく処理されている(グループに含まれるがカバー要件には含まれない)
  • 代数的ステップが各々特定の法則を引用し個別に検証可能
  • カルノー図が両軸でグレイコード順序を使用している
  • カルノー図のすべてのグループが矩形で2のべき乗のサイズ
  • 必須主項が正しく特定されている
  • 簡約式がすべての非ドントケア入力で元の式と一致する
  • 最終形が最小数のリテラルを持つ

よくある落とし穴

  • カルノー図の隣接性の誤り: カルノー図では最左列と最右列(および最上行と最下行)が隣接することを忘れる。この折り返しは可能な限り最大のグループを見つけるために不可欠。
  • 2のべき乗でないグループ: 3または5のセルをグループ化する。すべてのカルノー図グループは正確に1、2、4、8、16、または32のセルを含む必要がある。不規則なグループは有効な積項に対応しない。
  • ドントケアの無視: ドントケア条件をグループを拡大するために使用せず0として扱う。ドントケアは式を縮約する場合にグループに含めるべきだが、カバーのために必要とされてはならない。
  • 演算子優先順位のエラー: ANDとORが等しい優先順位を持つと仮定する。標準的なブール優先順位はNOT > AND > OR。A + B * CA + (B * C)ではなく(A + B) * Cと誤読すると関数が完全に変わる。
  • 代数的簡約で止まる: 代数的方法は局所最小を見つけるかもしれないが、大域最小ではない。最小性を確認するために常にカルノー図(6変数超の場合はクワイン-マクラスキー)で照合する。
  • 最小項と最大項の混同: 最小項はSOPに現れるAND項(積項);最大項はPOSに現れるOR項(和項)。3変数の最小項m3はA'BC;最大項M3はA+B'+C'。

関連スキル

  • design-logic-circuit -- 最小化された式をゲートレベル回路にマッピングする
  • argumentation -- 形式論理の基礎を共有する構造化された論理的推論

GitHub リポジトリ

pjt222/agent-almanac
パス: i18n/ja/skills/evaluate-boolean-expression
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

関連スキル

llamaguard

その他

LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。

スキルを見る

cost-optimization

その他

このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。

スキルを見る

quantizing-models-bitsandbytes

その他

このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75%のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。

スキルを見る

dispatching-parallel-agents

その他

このClaudeスキルは、複数のエージェントを配備し、3つ以上の独立した問題を並行して調査・修正します。共有状態や依存関係がなく解決可能な、無関係な障害が発生するシナリオ向けに設計されています。中核となる機能は並列問題解決であり、効率を最大化するために独立した問題領域ごとに1つのエージェントを割り当てます。

スキルを見る