El proceso de cálculo de modelos de una teoría o especificación que son mínimos respecto a la inclusión de conjuntos o un orden dado, con frecuencia usado para capturar soluciones canónicas, parsimoniosas o previstas entre muchos modelos.

Principio

Seleccionar modelos que no contengan propiamente a ningún otro modelo (o que sean mínimos según un orden elegido), con la heurística de que la minimalidad corresponde a parsimonia o a la interpretación prevista en el dominio objetivo.

Demostración

Calcular modelos de Herbrand mínimos de un programa lógico definido para obtener el conjunto mínimo de átomos instanciados que se siguen del programa, o calcular reparaciones mínimas de una base de datos inconsistente seleccionando tuplas cuya eliminación restablece la consistencia con un cambio mínimo.

Aplicación incorrecta

Asumir que los modelos mínimos siempre representan la semántica pretendida cuando el dominio exige maximalidad, preferencias por defecto o ponderación probabilística; apoyarse en la minimalidad puede excluir comportamientos legítimos o sobreconstreñir soluciones.

Consecuencia

Proporciona soluciones canónicas, a menudo únicas en entornos monótonos (p. ej. el menor modelo de Herbrand) y respalda semánticas no monotónicas donde la minimalidad codifica supuestos por defecto, pero puede generar múltiples modelos mínimos incomparables que requieren criterios de selección adicionales.

Inversión

Selección de modelos máximos o aceptación arbitraria de modelos: elegir los modelos de mayor tamaño o cualquier modelo sin preferencia elimina el sesgo hacia la parsimonia y puede capturar alternativas que el enfoque mínimo excluye.

Límite

Depende del orden elegido (inclusión de conjuntos, cardinalidad, coste ponderado); pueden existir múltiples modelos mínimos; la complejidad computacional puede ser alta (p. ej. problemas NP/co‑NP duros) y la minimalidad puede carecer de sentido si no existe un orden natural.

Tensión semántica

Entre parsimonia (minimalidad) y riqueza explicativa: los modelos mínimos favorecen la brevedad y la evitación de supuestos, mientras que modelos más ricos pueden explicar mejor datos observados o ser más robustos al ruido.

Síntesis

El cálculo de modelos mínimos aísla los modelos más pequeños bajo un orden especificado para proporcionar soluciones compactas y canónicas en tareas de razonamiento y reparación; su utilidad depende de la correspondencia entre minimalidad y la noción de intencionalidad del dominio y del manejo de la multiplicidad y la complejidad en la práctica.