📋 Copia from problog.tasks.dtproblog import dtproblog from problog.program import PrologString def run_DT(program_string): decisions, score, statistics = dtproblog(PrologString(program_string)) return {'decisions: ':decisions, 'score: ':round(score,2), 'statistics: ':statistics }

📋 Copia prog = (r""" % Fatti probabilistici (l'incertezza del mondo) 0.3::rain. 0.5::wind. % Fatti decisionali (le scelte che possiamo fare) ?::umbrella. ?::raincoat. % Regole che determinano i risultati delle scelte broken_umbrella :- umbrella, rain, wind. % Ombrello rotto se piove e c'è vento dry :- rain, raincoat. % Asciutti se piove e abbiamo l'impermeabile dry :- rain, umbrella, not broken_umbrella. % Asciutti se piove, abbiamo l'ombrello e non si rompe dry :- not(rain). % Asciutti se non piove % Utilità (ricompense o costi per gli eventi) utility(broken_umbrella, -40). % Malus se l'ombrello si rompe utility(raincoat, -20). % Costo dell'impermeabile utility(umbrella, -2). % Costo dell'ombrello utility(dry, 60). % Ricompensa per essere rimasti asciutti """) run_DT(prog)

📋 Copia import re from itertools import product from problog import get_evaluatable from problog.logic import Term UTILITY_RE = re.compile(r'utility\(\s*([^,]+?)\s*,\s*([-\d.]+)\s*\)') def run_DT(program_string, verbose=True): """ Risolve un problema DTProbLog enumerando tutte le combinazioni di decisioni e calcolando l'utilità attesa per ciascuna. Args: program_string (str): Programma DTProbLog con fatti decisionali (?::) e utility/2. verbose (bool): Se True, stampa i dettagli di ogni combinazione. Returns: tuple: (strategia_ottimale, valore_atteso) """ decisions, utility_info, base_lines = [], {}, [] for raw_line in program_string.splitlines(): line = raw_line.split('%', 1)[0].strip() # rimuove eventuali commenti inline if not line: continue if line.startswith('?::') and line.endswith('.'): name = line[3:-1].strip() decisions.append(name) base_lines.append(f'0.0::{name}.') # placeholder: falso di default elif line.startswith('utility('): match = UTILITY_RE.match(line) if match: utility_info[match.group(1)] = float(match.group(2)) else: base_lines.append(line) if not decisions: print("Nessuna decisione trovata nel programma.") return {}, 0.0 base_program = "\n".join(base_lines) query_block = "\n".join(f"query({atom})." for atom in utility_info) results = {} if verbose: print("Analisi di tutte le combinazioni di decisioni:") print("-" * 60) for combo in product([True, False], repeat=len(decisions)): decision_dict = dict(zip(decisions, combo)) facts = "\n".join(f"{name}." for name, val in decision_dict.items() if val) program = PrologString(f"{base_program}\n{facts}\n{query_block}") query_results = get_evaluatable().create_from(program).evaluate() probs = {atom: query_results.get(Term(atom), 0.0) for atom in utility_info} expected_utility = sum(probs[atom] * value for atom, value in utility_info.items()) key = ", ".join(f"{k}={v}" for k, v in decision_dict.items()) results[key] = (decision_dict, expected_utility) if verbose: print(f"{key}:") for atom, value in utility_info.items(): print(f" P({atom}) = {probs[atom]:.3f} (contributo: {probs[atom] * value:.2f})") print(f" Utilità attesa = {expected_utility:.2f}\n") best_key = max(results, key=lambda k: results[k][1]) best_strategy, best_value = results[best_key] print("-" * 60) print(f"🏆 DECISIONE OTTIMALE: {best_key}") print(f" Utilità attesa massima: {best_value:.2f}")

📋 Copia run_DT(prog)

📋 Copia run_DT(""" % Decisions ?::marketed(P) :- person(P). utility(buys(P), 8) :- person(P). utility(marketed(P), -2) :- person(P). % Probabilistic facts 0.2 :: buy_from_marketing(_). 0.3 :: buy_from_trust(_,_). % Background knowledge person(bernd). person(ingo). person(theo). person(angelika). trusts(X,Y) :- trusts_directed(X,Y). trusts(X,Y) :- trusts_directed(Y,X). trusts_directed(bernd,ingo). trusts_directed(ingo,theo). trusts_directed(theo,angelika). buys(X) :- marketed(X), buy_from_marketing(X). buys(X) :- trusts(X,Y), buy_from_trust(X,Y), buys(Y). """)

📋 Copia run_DT(r""" % ----------------------------------------------------------------- % 1. FATTI PROBABILISTICI (INCERTEZZA DEL MONDO) % ----------------------------------------------------------------- 0.7::on_switch. % Probabilità che l'uomo cada sull'interruttore 0.8::man_dies. % Probabilità che, spinto, l'uomo muoia 0.1::revenge. % Probabilità che i suoi familiari si vendichino % ----------------------------------------------------------------- % 2. DECISIONI (mutualmente esclusive) % ----------------------------------------------------------------- ?::watch. % Stare a guardare ?::shove. % Spingere :- watch, shove. % Non possono essere entrambe vere :-\+ watch, \+ shove. % ma almeno una si % ----------------------------------------------------------------- % 3. REGOLE PER GLI ESITI % ----------------------------------------------------------------- % Cinque persone salvate se Caio spinge l'uomo che cade sull'interruttore % (indipendentemente dal fatto che l'uomo muoia o sopravviva) five_saved :- shove, on_switch. % L'uomo sopravvive se Caio non spinge o spinge e l'uomo non muore man_survives :- not(shove). man_survives :- shove, \+ man_dies. % Vendetta se l'uomo non sopravvive e la famiglia si vendica revenge_occurs :- \+ man_survives, revenge. % ----------------------------------------------------------------- % 4. UTILITÀ (PREFERENZE DI CAIO) % ----------------------------------------------------------------- utility(five_saved, 500). % +500 per aver salvato 5 persone utility(man_dies, -100). % -100 se Caio causa la morte utility(man_survives, 100). % +100 se l'uomo sopravvive utility(revenge_occurs, -500). % -500 per la vendetta utility(watch, 1). % stando a guardare non si corrono rischi utility(shove, -20). % -20 costo psicologico dello spingere """)