{
  "id": "conjunctive-normal-form",
  "title": "合取范式",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "合取范式将逻辑公式表示为若干子句的合取，每个子句都是文字的析取，是自动推理和可满足性求解的基础。",
  "category": "mathematics",
  "subcategory": "discrete-logic",
  "type": "concept",
  "aliases": [
    "CNF",
    "子句范式",
    "积之和式"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/conjunctive-normal-form/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/conjunctive-normal-form/",
      "json": "https://aiwiki.page/en/conjunctive-normal-form.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "合取范式（CNF）是逻辑公式的一种标准表示形式，即若干子句的合取，其中每个子句都是若干文字的析取。在命题逻辑中，文字是命题变量或其否定。因此，CNF 公式就是“析取式的合取”，例如：\n\n\\[(p\\lor \\neg q)\\land(q\\lor r)\\land\\neg r.\\]\n\n经典命题逻辑中的每个公式都有一个与之逻辑等价的 CNF 公式，不过，在不引入额外变量的情况下，转换所得公式的规模可能呈指数级增长。CNF 是布尔代数、自动定理证明以及布尔可满足性问题算法中的核心表示形式。"
    },
    {
      "heading": "定义与约定",
      "text": "命题逻辑中的 CNF 公式具有如下通式：\n\n\\[F=\\bigwedge_{i=1}^{m} C_i, \\qquad C_i=\\bigvee_{j=1}^{k_i}\\ell_{ij},\\]\n\n其中，每个 \\(\\ell_{ij}\\) 都是一个文字。正文字是变量 \\(p\\)，负文字则是其否定 \\(\\neg p\\)。\n\n如果一个真值赋值使某个子句中的至少一个文字为真，就称该赋值满足这个子句。如果它满足每个子句，就称它满足整个公式。因此：\n\n- 单个文字（如 \\(p\\)）是一个单位子句，其本身也是一个 CNF 公式。\n- 单个析取式（如 \\(p\\lor q\\)）是只含一个子句的 CNF 公式。\n- 若干文字的合取（如 \\(p\\land\\neg q\\)）是一个所有子句均为单位子句的 CNF 公式。\n- \\(p\\lor(q\\land r)\\) 这样的公式在语法形式上不是 CNF，尽管它有等价的 CNF 表示。\n\n以下两项约定使这一定义能够统一涵盖真值常量：\n\n- 不含任何子句的合取为真。\n- 不含任何文字的子句为假。\n\n因此，包含空子句的 CNF 公式不可满足。\n\n通常将子句视为文字的集合，将 CNF 公式视为子句的集合。这种处理忽略了顺序和重复：\\(p\\lor q\\lor p\\) 与 \\(p\\lor q\\) 表示同一个子句。同时包含 \\(p\\) 和 \\(\\neg p\\) 的子句是永真子句，将其从合取式中删除不会改变公式的真值。\n\nCNF 是一种语法形式，并不保证公式简单或表示唯一。许多不同的 CNF 公式可以表示同一个布尔函数。"
    },
    {
      "heading": "通过逻辑等价关系进行转换",
      "text": "标准转换过程首先消去合取、析取和否定以外的联结词：\n\n\\[A\\to B\\equiv\\neg A\\lor B,\\]\n\n\\[A\\leftrightarrow B \\equiv (\\neg A\\lor B)\\land(\\neg B\\lor A).\\]\n\n然后利用德摩根定律和双重否定消去律，将否定向内移：\n\n\\[\\neg(A\\land B)\\equiv\\neg A\\lor\\neg B,\\]\n\n\\[\\neg(A\\lor B)\\equiv\\neg A\\land\\neg B, \\qquad \\neg\\neg A\\equiv A.\\]\n\n所得公式中的否定仅作用于变量，这种形式称为否定范式。\n\n最后，运用析取对合取的分配律：\n\n\\[A\\lor(B\\land C) \\equiv (A\\lor B)\\land(A\\lor C).\\]\n\n例如：\n\n\\[\\begin{aligned} p\\lor(q\\land\\neg r) &\\equiv (p\\lor q)\\land(p\\lor\\neg r). \\end{aligned}\\]\n\n类似地：\n\n\\[\\neg(p\\to q)\\lor r \\equiv (p\\land\\neg q)\\lor r \\equiv (p\\lor r)\\land(\\neg q\\lor r).\\]\n\n这些变换在原有变量的每一种赋值下都保持真值不变。它们依赖于经典逻辑；尤其是，无限制地使用双重否定消去律在直觉主义逻辑中并不成立。\n\n指数级增长\n\n分配律可能产生大量子句。考虑：\n\n\\[F_n=\\bigvee_{i=1}^{n}(x_i\\land y_i),\\]\n\n其中所有 \\(2n\\) 个变量均互不相同。运用析取对合取的分配律，得到：\n\n\\[F_n\\equiv \\bigwedge_{z_i\\in\\{x_i,y_i\\}} (z_1\\lor z_2\\lor\\cdots\\lor z_n).\\]\n\n共有 \\(2^n\\) 个子句，每个子句对应于从每一对变量中各选一个变量的一种选择方式。\n\n对于这一族公式，如果要求 CNF 与原公式逻辑等价，并且只使用原有变量，那么这种规模增长就无法避免。因此，困难并非仅仅源于分配过程的实现效率低下：某些布尔函数虽然具有紧凑的公式，但在使用相同变量时，其 CNF 表示必然具有指数级规模。"
    },
    {
      "heading": "主合取范式",
      "text": "典范合取范式，也称主合取范式，可以直接根据真值表构造。\n\n先固定一个有限变量列表。对于使公式为假的每一种赋值，构造一个恰好只在该赋值下为假的子句：\n\n- 如果某个变量在该赋值下为假，就在子句中加入它的正文字。\n- 如果某个变量在该赋值下为真，就在子句中加入它的否定。\n\n这些子句的合取就表示原来的布尔函数。\n\n例如，假设 \\(f(p,q)\\) 恰好在以下情形为假：\n\n\\[(p,q)=(0,0) \\quad\\text{or}\\quad (p,q)=(1,1).\\]\n\n对应的子句是 \\(p\\lor q\\) 和 \\(\\neg p\\lor\\neg q\\)，因而得到：\n\n\\[f(p,q)\\equiv(p\\lor q)\\land(\\neg p\\lor\\neg q).\\]\n\n这就是 \\(p\\) 与 \\(q\\) 的异或。\n\n每个典范子句都恰好包含每个变量一次，通常称为极大项。对于固定的变量列表，忽略顺序和重复后，主合取范式是唯一的。普通 CNF 并非典范形式：它可以包含更短的子句，也可能紧凑得多。\n\n与之对偶的表示是析取范式（DNF），即若干文字的合取式的析取。主析取范式由真值表中结果为真的行构造，而主合取范式则由结果为假的行构造。"
    },
    {
      "heading": "借助辅助变量的紧凑编码",
      "text": "在可满足性应用中，通常只需保持满足赋值是否存在，而不要求在原有变量集上严格等价。因此，可以通过引入新变量来获得紧凑的编码。\n\n典型方法是Tseitin变换，它源于格里戈里·蔡廷在 20 世纪 60 年代的工作。该方法为每个相关的复合子公式引入一个变量，并加入子句来表达该变量与对应子公式之间的关系。\n\n例如，定义\n\n\\[z\\leftrightarrow(a\\land b)\\]\n\n可表示为：\n\n\\[(\\neg z\\lor a) \\land (\\neg z\\lor b) \\land (z\\lor\\neg a\\lor\\neg b).\\]\n\n类似地，\n\n\\[z\\leftrightarrow(a\\lor b)\\]\n\n可表示为：\n\n\\[(\\neg z\\lor a\\lor b) \\land (z\\lor\\neg a) \\land (z\\lor\\neg b).\\]\n\n再用一个单位子句断言代表整个公式的变量为真。对于由元数有界的联结词构成的公式，所得子句数和文字出现总次数都与所表示公式的规模成线性关系。\n\n逻辑等价与等可满足\n\n如果 \\(F(\\mathbf{x})\\) 是原公式，\\(T(\\mathbf{x},\\mathbf{z})\\) 是完整的定义式编码，那么：\n\n\\[F(\\mathbf{x}) \\equiv \\exists\\mathbf{z}\\,T(\\mathbf{x},\\mathbf{z}).\\]\n\n这里的存在量词表示，可以为辅助变量赋予适当的布尔值。\n\n因此，原有变量的一个赋值满足 \\(F\\)，当且仅当该赋值可以扩展为满足 \\(T\\) 的赋值。不过，在二者全部自由变量构成的集合上，通常不能称 \\(F\\) 和 \\(T\\) 为逻辑等价的公式，因为 \\(T\\) 还对辅助变量施加了约束。\n\n等可满足性是一个更弱的性质，只要求两个公式要么都有满足赋值，要么都没有满足赋值。完整的定义式编码保留的信息比这一较弱条件更多：原公式的每个满足赋值，都能唯一地扩展到所定义的辅助变量。其他保持可满足性的编码不一定具有这种唯一性，而这一点在统计满足赋值的数量时十分重要。"
    },
    {
      "heading": "可满足性与受限子句类",
      "text": "CNF-SAT 问题询问给定的 CNF 公式是否存在满足赋值。它是 NP完全的。不过，对子句结构加以限制，可以显著改变计算复杂度。\n\n类别 | 限制 | 可满足性判定\n1-CNF | 每个子句至多包含一个文字 | 可在线性时间内求解\n2-CNF | 每个子句至多包含两个文字 | 可在线性时间内求解\n3-CNF | 每个子句至多包含三个文字 | NP完全\n霍恩 CNF | 每个子句至多包含一个正文字 | 可在线性时间内求解\n对偶霍恩 CNF | 每个子句至多包含一个负文字 | 可在线性时间内求解\n\n这里的时间界以输入的总规模为衡量基准。\n\n对于 2-CNF，子句 \\(a\\lor b\\) 可以表示为以下蕴含式：\n\n\\[\\neg a\\to b, \\qquad \\neg b\\to a.\\]\n\n将这些蕴含关系构造成有向图后，可以通过其强连通分量判定可满足性：公式不可满足，当且仅当某个变量及其否定属于同一个强连通分量。\n\n霍恩子句通常可以解读为一条规则。例如：\n\n\\[\\neg p\\lor\\neg q\\lor r\\]\n\n等价于：\n\n\\[(p\\land q)\\to r.\\]\n\n这种结构支持高效的前向链推理过程。\n\n根据所采用的约定，“\\(k\\)-CNF”既可能指每个子句至多包含 \\(k\\) 个文字，也可能指每个子句恰好包含 \\(k\\) 个文字。应明确说明采用哪一种含义，尤其是在不允许重复文字时。"
    },
    {
      "heading": "归结与 SAT 求解",
      "text": "CNF 特别适合归结。归结是一条推理规则，可以从\n\n\\[A\\lor p \\qquad\\text{and}\\qquad B\\lor\\neg p,\\]\n\n推出\n\n\\[A\\lor B\\]\n\n其中，\\(A\\) 和 \\(B\\) 代表其他文字的析取。\n\n例如，对\n\n\\[p\\lor q \\qquad\\text{with}\\qquad \\neg p\\lor r\\]\n\n进行归结，可得到 \\(q\\lor r\\)。推导出空子句就证明了不可满足性。命题归结具有反驳完备性：对于每个不可满足的有限子句集，都存在一个推导出空子句的归结推导。不过，这类推导的长度仍可能达到指数级。\n\n实际使用的 SAT 求解器通过以下操作利用 CNF：\n\n- **单位传播：**单位子句强制其文字为真；这一赋值可以简化其他子句，并产生更多单位子句。\n- **分支：**当仅靠传播无法判定问题时，试探性地为某个变量赋值。\n- **冲突分析与子句学习：**分析冲突，推导出一个子句，以排除相关的失败赋值。\n- **回溯与重启：**求解器调整搜索过程，同时保留有用的已学习信息。\n\nCNF 是形式验证、规划、配置以及约束编码中常用的目标表示形式。它本身并不能消除问题在最坏情况下固有的困难。同一问题采用不同编码，也可能使求解器的性能产生巨大差异。"
    },
    {
      "heading": "一阶逻辑的子句形式",
      "text": "在一阶逻辑中，文字是原子公式或其否定，而不再仅仅是命题变量。例如：\n\n\\[\\neg P(x)\\lor R(x,f(x))\\]\n\n就是一个一阶子句。\n\n转换为子句形式通常包括：消去蕴含、将否定向内移、在必要时重命名约束变量，以及处理量词。斯科olem化通过引入表示见证的新常量或函数符号来消去存在量词。按照约定，子句集中剩余的变量均被理解为受全称量词约束。\n\n例如：\n\n\\[\\forall x\\,\\exists y\\,R(x,y)\\]\n\n经斯科勒姆化后得到：\n\n\\[\\forall x\\,R(x,f(x)).\\]\n\n所得子句为 \\(R(x,f(x))\\)，其中 \\(x\\) 隐含地受全称量词约束。\n\n斯科勒姆化保持的是扩充词汇表中的可满足性，而非原词汇表中的通常意义上的逻辑等价。这与命题逻辑中利用分配律进行的转换不同，后者在不改变变量集的情况下保持等价性。一阶归结还需要通过合一来匹配不同子句中的项。"
    }
  ],
  "links": [
    "propositional-logic",
    "boolean-algebra",
    "boolean-satisfiability-problem",
    "de-morgans-laws",
    "intuitionistic-logic",
    "truth-table",
    "exclusive-or",
    "disjunctive-normal-form",
    "np-completeness",
    "directed-graph",
    "formal-verification",
    "first-order-logic"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}