CSP y Bases de Datos Restrictivas

In eligencia A i icial, Re is a Ibe oame icana de In eligencia A i icial. No.20 (2003) ISSN: 1137-3601. © AEPIA (h p://www.aepia.o g/ e is a) pp 151-163. ARTÍCULO CSP and Res ic ed Da abases M. T. Gómez, R. M. Gasca, C. Del Valle, R. Ceballos Dep o de Lenguajes y Sis emas, Uni e sidad de Se illa, Se illa, España, e-mail: {may e, gasca, ca melo, ceballosg}@lsi.us.es Cons ain Da abases we e p oposed because i was necessa y o ep esen in ini e ela ions in a mo e modula and compac way. In his way, Cons ain Da abases we e used o handle con inuous da a, like spa io- empo al, and o en ich bo h he da a model and he que ies wi h cons ain s. I allows us o handle hese cons ain s and i makes easie o cons uc and model he Cons ain Sa is ac ion P oblems (CSP) when we wan o e alua e hese que ies. In his pape , we ca y ou a s udy o he di e en easons, me hodologies and ools ha ha e helped o he de elopmen o Cons ain Da abases. Also, we p esen a s udy o some de ec s and how o imp o e hem. To help us in he CSP cons uc ion, we show a modula amewo k, wi h all he ad an ages ha i implies. Finally, we show an example o unde s and be e he easons ha ha e helped o he de elopmen o ou sys em. CSP y Bases de Da os Res ic i as M. T. G´omez, R. M. Gasca, C. Del Valle, R. Ceballos Dep o de Lenguajes y Sis emas, Uni e sidad de Se illa, Se illa, Espa˜na, {may e, gasca, ca melo, ceballos}@lsi.us.es Resumen Las Bases de Da os Res ic i as se o igina on an e la necesidad de ep esen a de o ma m´as compac a y modula da os de g an ama˜no. De es a o ma, y como medio pa a a a da os con inuos como es el caso de los espacio- empo ales, se op ´o po a a la in o maci´on como es icciones almacenadas en una base de da os. G acias a es a o ma de a a las es icciones, se acili a la cons ucci´on y el modelado de p oblemas de sa is acci´on de es icciones (CSP) y su pos e io esoluci´on. En es e a ´ıculo, se ealiza un eco ido po las dis in as azones, me odolog´ıas y he amien as que han ayudado al desa ollo de las Bases de Da os Res ic i as. Jun o a dicho es udio, se lle a a cabo un an´alisis de sus de iciencias y de los posibles aspec os a mejo a . Pa a aumen a la habilidad en la cons ucci´on de modelos, y ayudando a la esoluci´on de p oblemas de sa is acci´on de es icciones (CSP), se o ece una a qui ec u a de implemen aci´on modula , con las en ajas que eso conlle a. Pa a inaliza , se p esen a un ejemplo que acla a las azones que han mo ido al desa ollo de nues a p opues a. Palab as cla e: Bases de Da os Res ic i as, CSP, ´ Algeb a Relacional, Base de Da os Relacional, Lenguajes de Consul a. 1. In oducci´on Pa a el desa ollo de cie as aplicaciones, es ne- cesa io la u ilizaci´on de da os con inuos, pa a los que las bases de da os con encionales p esen- an conside ables limi aciones. Po ejemplo, an e la necesidad de almacena y a a in o maci´on espacio- empo al, cien ´ı ica, m´edica, biol´ogica..., apa ece el p oblema del ca ´ac e ´ısico de los so- po es, que obliga a un ama˜no ini o, jun o al incon enien e que gene a el almacenamien o ma- si o de da os, an o pa a su a amien o, como a la ho a de in e i conocimien o pa iendo de di- chos da os. Pese a las limi aciones que en p inci- pio pa ecen p esen a las ecnolog´ıas elacionales pa a el a amien o de las da os ac uales, no se debe ol ida al po encia que o ecen a la ho a de deduci conocimien o de egis os elacionales. Pa iendo de es e plan eamien o, las Bases de Da- os Res ic i as, p e enden esol e los p oblemas ap o echando an o la e sa ilidad de las bases de da os elacionales, como la po encia de la p o- g amaci´on con es icciones pa a ep esen a in- o maci´on con inua. Combinando ambos campos, se ´a posible almacena la in o maci´on de g an a- ma˜no en un n´ume o educido de egis os. Un ejemplo donde se ienen da os que no son con- encionales, en lo que espec a a su o ma de al- macenamien o, pod ´ıa se un sis ema donde se encuen an un conjun o de pa celas, las cuales ie- nen al menos un p opie a io. La in o maci´on que es necesa ia almacena , es de ipo disc e o en el caso de los da os de los p opie a ios (nomb e, di- ecci´on...), pe o de ca ´ac e geog ´a ico pa a pode localiza las pa celas. En ejemplos de es e ipo, se ´ıa opo uno la u ilizaci´on de Bases de Da os Relacionales, ya que se puede in eg a las bases 1 de da os elacionales, con la e sa ilidad que ello conlle a, y los p oblemas de sa is acci´on de es- icciones pa a pode esol e consul as como po ejemplo ’qui´enes son los p opie a ios de las pa - celas po las que pasa una ca e e a’. En es e a ´ıculo, se p e ende epasa los o ´ıgenes his ´o icos de las Bases de Da os Res ic i as, g a- cias a las aplicaciones que o ece, y la si uaci´on ac ual. Como apo aci´on, se mues a una nue a a qui ec u a pa a la cons ucci´on de CSP ayuda- do po Bases de Da os Res ic i as, jun o a un ejemplo pa a analiza su uncionalidad. 2. In oducci´on His ´o ica El campo de las Bases de Da os Res ic i as [1, 5] u o su o igen a p incipios de 1990 en el a ´ıculo de Kanellakis, Kupe y Re esz [3], cuyo obje i- o e a de ini una e si´on de bases de da os pa a la P og amaci´on L´ogica con Res icciones (CLP), con inuando la misma l´ınea de la de inici´on de Da- alog, como una nue a e si´on de base de da os P olog. El obje i o inicial de las Bases de Da os Res- ic i as, ue aba ca aplicaciones donde los da os pod´ıan se ep esen ados como un g an conjun- o de es icciones, combinando las bases de da- os con la P og amaci´on L´ogica con Res icciones. Los desa ollos en es e campo, se incen i a on a´un m´as an e la necesidad de nue as o mas de alma- cenamien o, ocasionado po la exis encia de g an can idad de da os de ca ´ac e con inuo. La idea cla e ue la noci´on de que una upla en una ba- se de da os elacional, pod´ıa se sus i uida po un conjun o de es icciones, y que muchas de las ca- ac e ´ıs icas del modelo elacional pod´ıan se ex- endidas al campo de la l´ogica con es icciones. De es a mane a un lenguaje de consul a, pe mi- i ´a a los usua ios ob ene la in o maci´on almace- nada en una base de da os con encional, de una o ma aspa en e. Pa a abo da es a p opues a, se pa i´o de un modelo de da os ya in oducido [1], undamen ado en conside a una upla en una base de da os, como un conjun o de es icciones lineales de igualdad o desigualdad en los a ibu- os de dicha upla, ya que las es icciones son un mecanismo na u al de especi ica las consul as de simili ud en un conjun o de da os. 2.1. Aplicaciones de las Bases de Da os Res ic i as Conside ando las limi aciones que las bases de da os con encionales, p esen an an e las necesi- dades que plan ea la in e encia de conocimien o en algunas de las aplicaciones ac uales, se ab e el campo de la ecnolog´ıa en Bases de Da os Res- ic i as, que o iginalmen e in oluc an da os es- paciales [10]. Muchos de los da os espaciales pue- den se desc i os u ilizando es icciones lineales o polin´omicas. Mien as que las es icciones po- lin´omicas son m´as gene ales, ambi´en ienen m´as cos e de implemen aci´on y ejecuci´on. Los sis e- mas de es icciones lineales son m´as e icien es a la ho a de esol e se, aunque m´as limi ados en el ipo de da os que pueden ep esen a . Pese a ´es o, las es icciones lineales son su icien es en muchas de las aplicaciones, incluyendo a los Sis emas de In o maci´on Geog ´a ica (GIS). En la p ´ac ica, los da os espaciales en un GIS consis en en segmen- os lineales, de o ma que las es icciones lineales son pa icula men e ap opiadas pa a ep esen a es os da os. La p incipal di e encia en e las Bases de Da os Res ic i as Lineales y la mayo ´ıa de las sis e- mas geog ´a icos, adica en que las Bases de Da- os Res ic i as es ´an basadas en un modelo e- lacional, suminis ando una es uc u a uni o me pa a el a amien o de los da os an o espacio- empo ales, como con o os ipos de in o maci´on. ´ Es o p o oca que uno de los mayo es p oblemas de los GIS, haya sido la di ´ıcil in eg aci´on con o os ipos da os, lo que es mejo able combinan- do la in o maci´on espacio- empo al con una es- uc u a uni o me esul an e de un lenguaje de consul a, y acili ando su uso. La exp esi idad de las Bases de Da os Relaciona- les puede se ambi´en aplicadas a p oblemas de con igu aci´on o en sis emas din´amicos, que han sido esuel os median e o as ´ecnicas en aba- jos an e io es [2, 7]. 2.2. He amien as y P o o ipos pa- a Bases de Da os Res ic i as En la ac ualidad exis en a ias p opues as en la implemen aci´on y cons ucci´on de p o o ipos pa- a Bases de Da os Res ic i as, cuyo p incipal obje i o es el a amien o de sis emas espacio- empo ales. A con inuaci´on, se hace un eco ido po las de mayo anscendencia. 2.2.1. MLPQ MLPQ (Managemen o Linea P og amming Que ies) es un sis ema desa ollado en el Depa - amen o de Ciencia de la Compu aci´on e Inge- nie ´ıa de la Uni e sidad de Neb aska [12], pa a la ges i´on de consul as con p og amaci´on lineal pa a una Base de Da os Res ic i a, que pe mi- e consul as Da alog, y a˜nadi ope ado es sob e unciones lineales. Hay dos ´a eas p incipales de desa ollo pa a el sis ema MLPQ. La p ime a es en la in es igaci´on de ope ado es cuando los da os disponibles en una base de da os, necesi an se modi icados po algu- na consul a, suminis ando en es e caso MLPQ de la lexibilidad necesa ia. La segunda, y p incipal aplicaci´on de MLPQ, es pa a el a amien o de in- o maci´on espacio- empo al, g acias a un en o no g ´a ico que pe mi e abaja en 2 ´o 3 dimensiones, median e la in e acci´on del usua io con el conoci- mien o almacenado, odo ello median e consul as Da alog. 2.2.2. PReSTO PReSTO (Pa ame ic Rec angle Spa io empo al Objec s [5, 13]) es un sis ema de base de da os espacio- empo ales, que al igual que MLPQ, ue desa ollado en el Depa amen o de Ciencia de la Compu aci´on e Ingenie ´ıa de la Uni e sidad de Neb aska. Dicho sis ema pe mi e consul as del ´algeb a elacional a sis emas que cambian en un- ci´on del iempo. El o ma o de iche o de en ada en PReSTO es de la o ma: begin %STDB % 1 2 . . . n end %STDB % Donde cada ies una egla o un pa ´ame o pa a la ep esen aci´on de pe iodicidad. Un ejemplo de eglas, o ecido po la he amien a, pod ´ıan se : clouds(h) : −i= 1, x1− = 80, y1−0,5 = 100, x2−1,1 = 220, y2−0,6 = 200, >= 0, <= 300, p=−1, s = 0, h= 0. clouds(h) : −i= 1, x1− = 105, y1−0,5 = 200, x2− = 111, y2−0,6 = 205, >= 0, <= 300, p=−1, s = 0, h= 0. clouds(h) : −i= 1, x1− = 111, y1−0,5 = 200, x2−1,1 = 225, y2−0,6 = 210, >= 0, <= 300, p=−1, s = 0, h= 0. En es e caso se mues a un ejemplo donde un ele- men o, en es e caso una nube (cloud), cambia su posici´on en unci´on del iempo ( ). 2.2.3. MLPQ/PReSTO El sis ema MLPQ/P es o [5, 13] p o iene de la combinaci´on de los sis emas MLPQ y PReSTO. Un ejemplo, o ecido po la he amien a, de los iche os que son a ados y almacenados pod ´ıa se : AK(1, x, y) : − −27x+ 39y < 5682, 8x+ 67y < 14656, 75x+ 19y < 15575, −33x+ 33y > −1683, −53x+ 57y > −2335, 59x+ 43y > 6751, −83x+ 8y < −2785. AK(1, x, y) : − 28x+ 9y < 6053, −5x+ 42y > 3149, −33x+ 33y < −1683. AK(1, x, y) : − 34x+ 80y < 14050, −16x+ 13y > −3421, 41x+ 67y > 13481, 9x > 1665. HI(2, x, y) : − −24x+ 10y < −7298, 28x+ 30y < 12806, −18x+ 24y > −4986, 22x+ 16y > 8678. WA(3, x, y) : − 7x+ 36y < 20488, −39x+ 22y > 10270, 46x+ 14y > 8660. /* he capi al ci ies */ Capi al( 1, name) :- name=”Juneau”. Capi al( 2, name) :- name=”Honolulu”. Capi al( 3, name) :- name=”Sea le”. En es e ejemplo, se mues a la si uaci´on geog ´a i- ca de un conjun o de es ados ame icanos, y las capi ales de cada uno de ellos. 2.2.4. DEDALE DEDALE [15] es una implemen aci´on ealizada en 1999 po miemb os de cen o de in es iga- ci´on CNAM y del ins i u o anc´es pa a la in- es igaci´on en in o m´a ica (INRIA). El obje i o p incipal de es e sis ema se basa en aplicaciones de ca ´ac e geom´e ico, bas´andose en un modelo de es icciones lineales con bases de da os, dan- do soluci´on a los GIS, y a los sis emas espacio- empo ales. DEDALE o ece un lenguaje pa a la consul a a bases de da os de conocimien o me- dian e un in e az g ´a ico, que pe mi e ob ene in o maci´on de la base de da os, y mos a los e- sul ados. Pa a la ep esen aci´on de las es iccio- nes se u iliza o ien aci´on a obje o, m´as ap opiado pa a es uc u a de da os complejos. Un ejemplo de los da os que pe mi e DEDALE [18] puede se de la o ma: PEOPLE={[ name : s ing, ca ego y : s ing, ac i i y : {name : s ing, ime : Q}, ajec o y : {space : Q2, ime : Q} ]} En es e ejemplo, se obse a el a amien o de da- os espacio- empo ales, como es el caso de la a- jec o ia. Una posible ins ancia de es e ejemplo se ´ıa la desc i a en la abla 1 [18]. 2.2.5. CCUBE CCUBE (Cons ain Objec -O ien ed Da abase Sys em) es la p ime a implemen aci´on de una Ba- se de Da os Res ic i a o ien ada a obje os [16], desa ollada po el g upo de in es igaci´on en P o- g amaci´on con es icciones y Bases de Da os de la Uni e sidad de Geo ge Mason en 1999. El sis- ema se basa en da uni o midad a la he e oge- neidad de los da os exis en es en la ac ualidad, como es el caso de las ayec o ias en 4 dimensio- nes, in e conexi´on en e dis in os sis emas coo - dinados en e si o GIS. Apo ando p incipalmen- e, adem´as de las en ajas de la combinaci´on de las es icciones con las bases de da os, la imple- men aci´on a al o ni el median e la o ien aci´on a obje os, lo que p o ee de mayo e sa ilidad a la ho a de cons ui un sis ema so wa e. 2.2.6. Incon enien es de las He amien as Los incon enien es de la u ilizaci´on de algunas de las he amien as ac uales pa a el a amien o de Bases de Da os Res ic i as, adica en a ios pun- os: 1. Pese a inclui un in e az g ´a ico, necesi an que el usua io conozca lenguajes de consul a como SQL o Da alog, ya que la in e acci´on del usua io con la in o maci´on se ealiza con la ayuda de ellos. 2. T a amien o de es icciones ´unicamen e li- neales, que pese a se m´as e icien es no e- lejan odo el dominio de las aplicaciones exis en es en la ac ualidad. 3. Poca modula idad en la o ma de almacena da os, lo que di icul a la adap aci´on con sis- emas ya exis en es. 4. T a amien o con g andes can idades de in- o maci´on, ya que la capacidad del in e az g ´a ico pa a mos a da os es limi ada. Si los angos de los dominios de los da os que se p esen an, son muy di e en es, es di ´ıcil mos a la in o maci´on el sis ema con cla i- dad y de o ma idedigna. 5. Di icul ad en el almacenamien o masi- o de da os, ya que en sis emas como MLPQ/PReSTO se u ilizan iche os de ex- o (Da alog) como medio pa a el almacena- mien o. Si se u iliza an bases de da os ela- cionales, se ´ıa posible a a g an olumen de in o maci´on y hace uso de las en ajas que o ecen las bases de da os elacionales. 3. Consul as a Bases de Da- os Res ic i as Una consul a es una ´o mula en una de e mina- da l´ogica, donde an o la en ada como la salida Name Ca ego y Ac i i y T ajec o y (name=’Sleep’ (x= 1230 ∧y= 134 ∧2< < 10) ∧1< < 11) Jonh Tou is ∨(name=’Ea ’ ∨(3x−2y≤49 ∧10 < < 11) ∧23x+ 2y≥134 . . . ∨(name=’Ski’ ∧11 < < 16) ∧11 < < 15)) . . . . . . Tabla 1: Ejemplo de DEDALE pa a una upla. son un conjun o de elaciones. En el caso del a- amien o de las Bases de Da os Res ic i as, se pueden u iliza di e en es lenguajes de consul a, como es el caso del ´algeb a elacional o el lengua- je SQL. Una ez cons uidas las consul as, ´es as son ’e a- luadas’ eemplazando las ins ancias de los p edi- cados de la base de da os po la ´o mula que de ine la elaci´on, y usando la eliminaci´on de cuan i ica- do es pa a con e i el esul ado en la o ma no - mal disjun a (DNF). Las p opiedades que cons i uyen las consul as a bases de da os elacionales desc i a abajo, son en- e o as las que con ibuyen al ´exi o del modelo elacional: Clausu a: P opiedad de los lenguajes cuya ´alge- b a elacional es ce ada, lo que signi ica que la en ada son un conjun o de elaciones y la salida es de la misma o ma. La clausu a es una p opie- dad muy ´u il, po ejemplo que se pueda descom- pone una consul a pa a op imiza cie o p op´osi- o, y a ende cada pa e de la elaci´on como una consul a en ella misma. E iciencia de E aluaci´on: Las consul as pue- den e alua se e icien emen e usando las nociones de complejidad de da o, que consis e en e alua una consul a en ´e minos del ama˜no de la base de da os. C´alculo/´ Algeb a: G acias a la exis encia de equi alencias en e el ´algeb a elacional y los len- guajes de consul a a m´as al o ni el, es posible que el usua io cons uya consul as en lenguaje decla- a i o, mien as que el sis ema u ilice un lenguaje p ocedu al pa a la ob enci´on de esul ados. La uni´on de lenguajes de consul a con es iccio- nes (CQL) [3], se o igin´o an e la b´usqueda de ma- yo po encia y la posibilidad de u iliza es uc u a de da os m´as complejas. De es a o ma en [3] se p opone un una sin axis del CQL, que es la uni´on de los lenguajes de consul a con encionales y la l´ogica. Un ejemplo pa a acla a el uncionamien o de un CQL se puede encon a al ep esen a dos su- pe icie ec angula es, cada una de ellas desc i a median e 4 pun os. Sob e es a in o maci´on alma- cenada en una base de da os, se pueden ealiza consul as como si las supe icies compa en espa- cio, o a qu´e supe icie pe enece un de e minado pun o. Al ene almacenada la in o maci´on median e los pun os que de inen la supe icie, es necesa io ea- liza una ans o maci´on de los da os a o ma de es icci´on. Po ejemplo, la zona de in e sec- ci´on en a las supe icies (1,2)(3,2)(1,4)(3,4), y (2,3)(6,3)(2,7)(6,7) end ´a ep esen ada po la es icci´on: {1≤x≤3∧2≤y≤4∧2≤x≤6∧3≤y≤7} 4. Gene aci´on de CSP con- sul ando a Bases de Da os Res ic i as Como p incipales obje i os en nues a p opues- a, es ´a uni la po encia de consul a de las ba- ses de da os elacionales, y el almacenamien o de da os es ic i os. En p incipio, no se ´a obje i- o de nues os es udios c´omo se esol e ´an las es icciones, sino o ece un mecanismo de cons- ucci´on din´amica de CSP en unci´on de la in- o maci´on almacenada en una base de da os ela- cional. Tambi´en es in e esan e des aca , la posi- bilidad que se o ece de cons ui dis in os CSP, en unci´on del mo o de in e encia que se enca - ga ´a de su esoluci´on, sin que ello in e enga en la a qui ec u a de la base de da os y de los da os all´ı almacenados. En e o a de las en ajas de la u ilizaci´on de ba- ses de da os elacionales, en luga de iche os de ex o, se encuen a que an s´olo se cons ui ´a el CSP con los da os in oluc ados en nues o p o- blema no con oda la base de conocimien o. No obs an e, las en ajas que o ece la u ilizaci´on de bases de da os elacionales se e leja ´a con mayo cla idad en 5. Pese a se la cons ucci´on de CSP la pa e cla- e de la a qui ec u a que se p opone, no hay que ol ida que no siemp e se ´a necesa io cons ui y esol e un CSP, ya que las consul as donde no se in oluc an da os es ic i os, se pueden esol e exclusi amen e con consul as SQL con enciona- les. 4.1. Fo mas de almacena las Res- icciones Pa a pode a a la in o maci´on de una o ma ´apida y adecuada, es necesa io que se busque la mane a m´as co ec a de almacena los da os con- inuos, abo d´andolo desde dis in as opciones pa a encon a la mejo elecci´on. 4.1.1. Rep esen aci´on Median e Pun os Pa a sis emas din´amicos, una de las ´ecnicas que ha p oli e ado mucho en el a amien o de da os con inuos, adica en simulaci´on el sis ema y la disc e izaci´on de los esul ados ob enidos. Pa a ene una idea m´as angible del ipo de conoci- mien o con el que se puede a a , se p opone el sis ema din´amico que desc ibe el compo amien o de un muelle: d d =−kx −µ y donde los alo de kse encuen an en el ango [k0..k00], po ejemplo [1,8. . . 1,9]. Es a ´ecnica se basa en la ob enci´on de cono- cimien o median e la simulaci´on de los sis emas y disc e izando la in o maci´on con inua, lo que ans o ma un p oblema de ca ´ac e in ini o, en uno ini o. La in o maci´on ob enida as la disc e- izaci´on se ´a la almacenada en la base de da os, y de donde se in e i ´an u u os conocimien os [11]. Como se mues a la igu a 1, se ob iene el compo amien o del sis ema pa a un conjun o de los alo es que puede oma k, como po ejemplo 1.81, 1.82, 1.83... Es a opci´on, lle ada a cabo en abajos p e ios [6, 11], iene en e sus incon enien es: 1. P´e dida de in o maci´on al ealiza la obliga- da disc e izaci´on, con la consecuen e poda de da os an e la imposibilidad de almacena un n´ume o de alo es in ini os. 2. Sa u aci´on innecesa ia de la base de conoci- mien o, que pasa ´a a con ene g an n´ume o de egis os, cuya can idad se ´a p opo cio- nal a la exac i ud con la que se p e enda ep esen a el sis ema simulado. 3. Necesidad de decidi la can idad de da os a almacena , lo que necesi a ´a de un es udio an e io a la simulaci´on del sis ema, pa a alo a el ni el en e e acidad de la in o - maci´on y elocidad de acceso, lo que am- bi´en p o oca ´a p´e dida en iempo y ecu - sos. 4. P´e dida de simbolog´ıa, con la consecuen e di icul ad en el a amien o y ap endizaje del conocimien o. 4.1.2. Rep esen aci´on de los T´e minos del Sis ema La segunda opci´on se encuen a almacenando las a iables que sean necesa ias pa a conoce el com- po amien o del sis ema. Po ejemplo, en el caso de almacena una es icci´on polin´omica, se gua - da ´an los dis in os ´e minos que lo cons i uyen: x Indep Relaci´on 3−2> . . . . . . . . . ≡3x - 2 >y O pa a mayo n´ume o de ´e minos: x2x Indep Relaci´on 3 0 5 < . . . . . . . . . . . . ≡3x2+ 5 <y Es a p opues a o ece impo an es en ajas, ya que pe mi e almacena in o maci´on con inua con poco gas o de espacio y no pe de in o maci´on en la disc e izaci´on. Tambi´en en e sus en ajas se encuen a, el ene una mane a ´acil de ealiza modi icaciones en los da os ya almacenados. Po ejemplo, cambia odo el dominio que ep esen a una es icci´on Cpo su complemen a io C, sig- ni ica cambia an s´olo una desigualdad, lo que Figu a 1: Ejemplo de simulaci´on de sis emas din´amicos implica modi ica un solo egis o. De es a ma- ne a, pasa de ep esen a un de e minado ´a ea a su opues a, se ´a posible con an s´olo cambia ≤po >. O a de las en ajas, que mejo a la p ime a de las soluciones (disc e izaci´on de da os con inuos), es la no necesidad de un es udio p e io del sis e- ma pa a decidi c´omo se a a ealiza la poda de in o maci´on, ya que dicha poda no es necesa ia cuando almacenamos la es icci´on en si en luga de da os disc e os. Pese a las comen adas en ajas, ambi´en p esen a el incon enien e de no pe mi i inco po a ´acil- men e el compo amien o de ca ac e ´ıs icas he e- og´eneas, debido a la p´e dida de simbolog´ıa. Ca- da ez que se p e enda inclui en la base de da- os un compo amien o con dis in o n´ume o de pa ´ame os, se debe ´a c ea una nue a abla con los campos necesa ios, p o ocando an e un sis- ema cambian e, cons an es modi icaciones en la a qui ec u a de la base de da os. 4.1.3. Almacenamien o de las Res iccio- nes como Cadenas: An e las es udiadas des en ajas que p esen an sis- emas con encionales, en es e abajo se p opone una e ce a soluci´on, donde se abo dan las Bases de Da os Res ic i as, almacenando las es iccio- nes sin ning´un ipo de o ma o, an s´olo como un campo m´as. Es a soluci´on ap o echa lo apo ado po la segunda soluci´on (Rep esen aci´on de los ´e minos), pe o mejo ando sus de iciencias. Con es a nue a o ma, es posible almacena in o ma- ci´on con inua en muy poco espacio, e i ando am- bi´en la simulaci´on y el p e a amien o de da os, jun o a una ´acil modi icaci´on de la in o maci´on, ya que an s´olo es necesa io modi ica un egis o. A su ez, esuel e el p oblema que p esen aba la segunda soluci´on, an e la inco po aci´on de sis e- mas con dis in o n´ume o de pa ´ame os, ya que en es a p opues a la es icci´on se gua da como una cadena, sin es udia en p incipio las pa es de la sen encia. Es a apo aci´on, o ece a a las Bases de Da os Res ic i as a un al o ni el de abs acci´on, siendo posible almacena en una base de da os elacio- nal cualquie in o maci´on, donde algunos de sus egis os ienen ca ´ac e con inuo, sin que ´es o in- e enga en la a qui ec u a de la base de da os. ´ Es a si uaci´on o igin´o la necesidad de la b´usqueda de una nue a a qui ec u a que ap o echa a an- o la po encia de las bases de da os elacionales y las consul as, como los a ances en el campo de Sa is acci´on de Res icciones. La apo aci´on que se desc ibe a con inuaci´on, p o- pone abo da el azonamien o median e bases de da os es ic i as almacenando las es icciones sin ning´un ipo de o ma o, en una base de da- os elacional con encional, siendo posible ep e- sen a el conocimien o de una mane a simb´olica e i ando as´ı el p e a amien o de da os, jun o a la acilidad la modi icaci´on de la in o maci´on y el a amien o cognosci i o. Es a apo aci´on, o e- ce a a las bases de da os con es icciones a un al o ni el de abs acci´on, ya es posible alma- cena en una base de da os elacional cualquie in o maci´on, donde algunos de sus egis os ie- nen ca ´ac e con inuo, sean o no lineales, y sin que ´es o in e enga en la a qui ec u a de la base de da os ni al a amien o del conocimien o. Bas´andose en es a idea, se desa olla una a qui- ec u a en el pun o 4.3, que pe mi e ap o echa al m´aximo las ca ac e ´ıs icas de las Bases de Da os Res ic i as. 4.2. Modelo de Da os Pa a la esoluci´on del p oblema se plan ea el al- macenamien o de las es icciones en o ma de ca- dena, den o de un de e minado campo. Pa a ob- ene las es icciones, s´olo se end ´a que accede al egis o adecuado. La g am´a ica del Modelo de Da os que se u iliza ´a pa a ep esen a las es- icciones (c) que pueden apa ece en las uplas, se ´a de la o ma: c:exp =exp |exp ≥exp |exp ≤exp |exp > exp |exp < exp |si(c1)⇒c2 |c1∨c2 |c1∧c2 | ¬c1 exp :cons an e |V a iable | (exp ) |exp +exp |exp −exp |exp ∗exp |exp /exp |d d V a iable Las consul as que se pueden ealiza a una Base de Da os Res ic i a, pueden se de la misma o - ma que a cualquie base de da os elacional, s´olo que hay que ene en cuen a que se puede an o ob ene , como modi ica es icciones, almacena- das en o ma de cadena, adem´as de cualquie ipo de da os que sopo e la base de da os elacional en conc e o. 4.3. A qui ec u a del Sis ema Una ez encon ada una mejo o ma de alma- cena las es icciones pa a que el a amien o y modi icaci´on del conocimien o sea lo m´as e s´a il posible, es necesa io abo da la mane a de ex- ae la in o maci´on pa a adqui i la mayo po- encia, an o de la base de da os en s´ı, como de las es icciones almacenadas en ella. Pa a ello, se p opone la a qui ec u a de la igu a 2. Es a a qui ec u a p opone la consul a a una base de da os, con da os es ic i os, pa a la cons ucci´on de p oblemas de sa is acci´on de es icciones. La cons ucci´on de los p oblemas se ealiza ´an me- dian e las es icciones almacenadas en la base de da os, ob enidas median e consul as, y Res iccio- nes Ex e nas que son da os es ic i os in odu- cidos po el usua io que ayudan a la cons ucci´on del CSP inal. Las pa es de la a qui ec u a se di iden p incipal- men e en los m´odulos: In e az de Usua io: In e az g ´a ico que aci- li a la elaci´on de un usua io no expe o en es- icciones y en lenguajes de consul a, con el sis e- ma. G acias a un en o no median e el cual puede de ini sus necesidades, y ma que al sis ema c´omo iene que cons ui el CSP e in oduci Res iccio- nes Ex e nas. Cons ucci´on de Consul as: Una ez de inidas las necesidades del usua io, el sis ema cons uye las consul as SQL necesa ias pa a ob ene de la bases de da os la in o maci´on conc e a, an o es- icciones como da os disc e os. Bases de Da os Res ic i as: Implemen ada con cualquie ipo de base de da os elacional, que se ´a seleccionada en unci´on de las necesida- des del sis ema, como puede se la elocidad de acceso, pa alelismo de consul as, sopo e de g an can idad de egis os,dis ibuci´on de la in o ma- ci´on... Ob enci´on del Conocimien o: En el m´odulo de la ob enci´on de conocimien o se decide si es necesa io cons ui un CSP o ya se iene oda la in o maci´on necesa ia. En el caso de que los da os sean es ic i os y haya que ob ene m´as in o ma- ci´on, se ´a necesa io cons ui un CSP pa a que sea esul o po el mo o de in e encia, en caso con a- io, la in o maci´on se mos a ´a po la in e az de usua io. Cons ucci´on del CSP: Median e la in o ma- ci´on conseguida del m´odulo de Ob enci´on de Co- nocimien o y las Res icciones Ex e nas, se cons- uye el o los CSP. De es a o ma, se ayuda a en iquece m´as a´un la implemen aci´on del p oble- ma, y es posible minimiza el iempo de b´usqueda de in o maci´on deduc i a po pa e del mo o de in e encia, pudiendo hace a amien o del cono- cimien o de di e sos ipos pa a la sa is acci´on de es icciones: 1. Sin que su an ning´un ipo de modi icaci´on, inse ´andolas di ec amen e en el modelo. 2. Combin´andolas con o as es icciones (de la p opia base de da os o ex e nas) median- e ope aciones del ´algeb a Booleana como AND, OR, NOT... Al ene almacenadas las es icciones di ec amen e, esul a ´a mucho m´as ´acil combina dis in as es icciones e in e i nue os conocimien os, que si la in o - maci´on es u ie a disc e izada. Mo o es de In e encia: Son los enca gados que esol e p opiamen e los CSP, pudiendo da como