paraconsistent 0.1.1

Blocos de lógica paraconsistente com API simples.

1. Introdução

Paraconsistent Lib é uma biblioteca Python para construir redes de raciocínio lógico modulares. Ela te ajuda a modelar, testar e orquestrar blocos lógicos (começando pela lógica paraconsistente) sem dor de cabeça com infraestrutura, sem grafo e sem DSL, e sem cálculos de baixo nível. Você trabalha com blocos e expressões Python diretas para conectar entradas e saídas; o Paraconsistent Lib cuida do resto (cálculos, propagação local, cache e inspeção dos resultados), permitindo composições modulares e reprodutíveis. Foi criada para substituir processos manuais e suscetíveis a erro por fluxos claros e verificáveis, úteis para pesquisadores e entusiastas da lógica paraconsistente.

2. Requisitos e Instalação

Item: Requisito Linguagem: Python 3.9+ Dependências: Biblioteca padrão Instalação: pip install -e . (modo editável) Organização: core/{metrics,config,types,engine} e paraconsistent/block

3. Guia

A ideia central do Paraconsistent Lib é que cada bloco representa uma unidade de raciocínio. No caso da lógica paraconsistente, cada bloco calcula os parâmetros principais (μ, λ, GC, GCT etc.), aplica classificações nas 12 regiões de decisão (V, F, ┬, ┴, Q┬→V, QF→┴…) e expõe saídas que podem ser ligadas a outros blocos.

3.1 Criando um Bloco

O primeiro passo para a criação do seu programa paraconsistente começa com o setup dos blocos. Basicamente, para criar o bloco, você deve importar e instanciar a classe ParaconsistentBlock.

from mrn.paraconsistent.block import ParaconsistentBlock

1) Criar o bloco

b = ParaconsistentBlock()

3.2 Configurando um Bloco

Em seguida, você deve configurar os parâmetros do bloco. Ele vem com valores padrão caso não queira alterar. A definição dessas configurações segue o padrão ().config.<parâmetro>. Todas as configurações disponíveis estão na seção 5. API do Bloco.

from mrn.paraconsistent.block import ParaconsistentBlock

1) Criar o bloco

b = ParaconsistentBlock()

2) Ajustar parâmetros

b.config.FtC = 0.70 b.config.FD = 0.20

3.3 Executando um Bloco

Agora precisamos definir os valores de entrada do nosso bloco, no caso λ (lam) e μ (mu), em tempo de execução. Para isso, basta usar ().input.<parâmetro> (o parâmetro pode ser lam ou mu). Mais informações na seção 5. API do Bloco.

from mrn.paraconsistent.block import ParaconsistentBlock

1) Criar o bloco

b = ParaconsistentBlock()

2) Ajustar parâmetros

b.config.FtC = 0.70 b.config.FD = 0.20

3) Definir entradas

b.input.mu = 0.20 b.input.lam = 0.40

Por fim, como a execução é em tempo real, o modelo computa ao definir valores. Você pode obter os valores por ().complete.<parâmetro> individualmente ou obter tudo com print_complete(), que é o que faremos. Todos os parâmetros disponíveis estão na seção 5. API do Bloco.

from mrn.paraconsistent.block import ParaconsistentBlock

1) Criar o bloco

b = ParaconsistentBlock()

2) Ajustar parâmetros

b.config.FtC = 0.70 b.config.FD = 0.20

3) Definir entradas

b.input.mu = 0.20 b.input.lam = 0.40

4) Imprimir no console

b.print_complete()

3.4 Conectando Múltiplos Blocos

Vimos até aqui como criar blocos; porém, um bloco sozinho não faz muita coisa. Agora veremos como conectar blocos para formar uma estrutura mais complexa. Para demonstrar, criaremos o Bloco 1 (B1) e o Bloco 2 (B2), seguindo os passos de criação, configuração (preferencialmente) e alimentação de um dos blocos, no caso o B1.

from mrn.paraconsistent.block import ParaconsistentBlock

b1 = ParaconsistentBlock() b2 = ParaconsistentBlock()

Aqui escolho configurar apenas o bloco b1; no b2 uso as configs padrão

b1.config.FtC = 0.70 b1.config.FD = 0.20

b1.input.lam = 0.1 b1.input.mu = 0.2

Agora, para conectar os blocos entre si, basta utilizar diretamente os parâmetros de entrada, como mostrado na seção 3.3 Executando um Bloco. Você pode usar cálculos ou apenas o valor da saída de outro bloco, conforme a demonstração:

from mrn.paraconsistent.block import ParaconsistentBlock

b1 = ParaconsistentBlock() b2 = ParaconsistentBlock()

Aqui escolho configurar apenas o bloco b1; no b2 uso as configs padrão

b1.config.FtC = 0.70 b1.config.FD = 0.20

b1.input.lam = 0.1 b1.input.mu = 0.2

Importante: o valor de entrada precisa existir antes.

Se eu colocasse a linha b1.input.mu = 0.2 depois da conexão, daria erro.

Implementando tanto o caso de cálculo quanto de conexão direta

b2.input.lam = b1.complete.gc # Conexão direta b2.input.mu = (b1.input.lam - 1) / 4 # Conexão com cálculo

5. API do Bloco

5.1 Criação

ParaconsistentBlock(*, mu: float | None = None, lam: float | None = None, **param_overrides)

• mu, lam: valores iniciais (clamp em [0,1]).
• param_overrides: qualquer parâmetro listado em §6 (validação com warnings e truncamentos quando necessário).

5.2 Entradas

b.input.mu = 0.73 b.input.lam = 0.10

ou

b.input(mu=0.73, lam=0.10)

Toda alteração invalida o cache e força recomputar na próxima leitura de b.complete.

5.3 Parâmetros

b.config.FL = 0.75 # ajuste/normalização b.config.FtC = 0.50; b.config.FD = 0.20 b.config.VSSC = 0.50; b.config.VICCT = -0.50

ou, em lote

b.set_params(FL=0.75, FtC=0.5, FD=0.2)

Campos e faixas em §6. Valores fora da faixa são truncados com aviso.

5.4 Saídas

• b.complete: SimpleNamespace com todos os campos (ver §7).
• b.to_dict(): retorna um dict tipado (Complete) com os mesmos campos.
• b.print_complete(): imprime todos os campos formatados.

6. Parâmetros (config)

Parâmetro | Faixa esperada | Padrão | Descrição resumida FL | > 0 | 1.0 | Fator de ajuste/normalização das entradas. FtC | [0,1] | 0.50 | Limiar base no eixo de certeza (GC). FD | [0,1] | 0.00 | Limiar base no eixo de contradição (GCT). VSSC | [-1,1] | 0.50 | Assimetria (+) no eixo de certeza (suporte). VICC | [-1,1] | -0.50 | Assimetria (−) no eixo de certeza (suporte). VSSCT | [-1,1] | 0.50 | Assimetria (+) no eixo de contradição. VICCT | [-1,1] | -0.50 | Assimetria (−) no eixo de contradição. VlV | [0,1] | 0.50 | Viés pró-V (puxa GC para +). VlF | [0,1] | 0.50 | Viés pró-F (puxa GC para −). L | [0,1] | 0.05 | Piso mínimo usado em algumas estratégias (reserva futura).

Validação: se um valor sair da faixa, ele é clampado e um RuntimeWarning é emitido.

7. Campos de complete

Retornados por b.complete (como atributos) e por b.to_dict() (como chaves do dict tipado Complete).

Campo | Descrição mu, lam | Entradas (clampadas em [0,1]). mu_p, lam_p | Entradas ajustadas pelo fator FL. gc | Grau de Certeza (μ − λ). Intervalo ~ [-1,1]. gct | Grau de Contradição (μ + λ − 1). Intervalo ~ [-1,1]. gct_adj | Versão ajustada de gct (considera assimetrias/FL). d, D | Métrica geométrica de distância a vértices (ver metrics.radial_d_to_nearest_apex). gcr | Certeza “radial”: (1 − D) * sign(gc). phi, phiE | Intervalo de certeza relativo a gct: 1 − |gct|. muE | Evidência baseada em gc. muECT | Evidência baseada em gct. muER | Evidência baseada em gcr. muE_p | Evidência baseada nas entradas ajustadas (mu_p, lam_p). Parâmetros (FL, FtC, FD, VSSC, VICC, VSSCT, VICCT, VlV, VlF, L) | Eco dos valores em uso no momento do cálculo para reprodutibilidade.

8. Exemplos práticos

8.1 (reservado para exemplos adicionais)

10. Licença

Escolha conforme o repositório (ex.: MIT).