diff-SAT -- A Software for Sampling and Probabilistic Reasoning for SAT and Answer Set Programming
National University of Ireland, Galway(爱尔兰国立高威大学)
本文介绍了diff-SAT,一个答案集和SAT求解器,它结合了经常使用概率条款,事实和规则的能力,解决和采样的最佳世界观(满足布尔变量分配或答案集的多集)受用户提供的概率约束。采样过程使用称为可微可满足性求解($\partial\mathrm{SAT}$)或可微答案集编程($\partial\mathrm{ASP}$)的基于梯度下降的优化方法来最小化用户定义的可微目标函数。用例是i.a.概率逻辑编程(以概率答案集编程的形式),概率布尔可满足性求解(PSAT)和模型多集(答案集或布尔解释)的分布感知采样。
2021-01-03 cs.AI cs.LO
Solving a Flowshop Scheduling Problem with Answer Set Programming: Exploiting the Problem to Reduce the Number of Combinations
Tecnológico Nacional de México - Tecnológico de Chihuahua(墨西哥国家技术学院——奇瓦瓦技术学院)
计划和调度一直是计算机科学研究的中心主题。特别是,简单的无等待流水车间调度问题的理论方法不允许感知问题的复杂性在第一眼。本文探讨了应答集程序设计语言在解决半导体制造系统中自动湿法刻蚀调度问题中的适用性。为了减少大量的组合,提出了一种基于范围的方法。
2019-09-19 cs.AI cs.LO
Solving Decision Theory Problems with Probabilistic Answer Set Programming
University of Ferrara(费拉拉大学);TU Wien(维也纳技术大学)
本文提出通过决策原子和效用属性在Credal语义下用概率回答集编程编码决策理论问题,并设计基于三层代数模型计数的算法,实验证明其可在合理时间内处理非平凡实例。
2024-08-21 cs.AI cs.LO
Complete Symmetry Breaking for Finite Models
本文针对有限模型查找问题,提出一种基于SAT的技术,用于计算紧凑且完全的对称性破缺,重点关注单二元运算结构(magma),可通过规范代表过滤同构模型,能计算文献中未有的代数结构数量,超越纯枚举方法。
2025-02-14 cs.LO
Solving puzzles described in English by automated translation to answer set programming and learning how to do that translation
Arizona State University(亚利桑那州立大学)
我们提出了一个系统,能够自动解决组合逻辑难题(简化)英语。它涉及到翻译成答案集编程(ASP)的难题的英文描述,并使用ASP求解器提供的难题的解决方案。为了翻译这些描述,我们使用了一种基于概率组合范畴语法(PCCG)的基于微积分的方法,其中单词的含义与参数相关联,以便能够区分同一单词的多种含义。许多单词的含义和参数都是学习的。在ASP中使用适用于大量逻辑谜题的本体来表示谜题。
2011-08-18 cs.AI cs.CL cs.LO
Answer Set Solving with Bounded Treewidth Revisited
University of Potsdam(波茨坦大学);TU Wien(维也纳工业大学)
参数化算法是一种更有效地解决困难问题的方法,因为输入的特定参数很小。本文将这一思想应用于答案集编程领域。为此,我们提出了两种图形表示的程序,利用其树宽作为参数。树宽大致衡量程序的内部结构在多大程度上类似于树。我们的主要贡献是设计参数化的动态规划算法,它运行在线性时间,如果给定的程序的树宽和权重是有界的。与以前的工作相比,我们的算法处理的ASP。最后,我们报告的实证评估,表现出良好的运行时行为的基准实例的低树宽,特别是计数的答案集。
2017-02-09 cs.AI cs.CC cs.LO
Boosting Answer Set Optimization with Weighted Comparator Networks
回答集编程(ASP)是一种建模知识密集型领域和解决具有挑战性的推理问题的范例。在ASP求解中,一个典型的策略是通过将复杂的规则重写为简单的规则来预处理问题实例。规范化是一个重写过程,它完全删除扩展规则类型,以支持普通规则。最近,这些技术导致了ASP中的优化重写,其目标是通过重构感兴趣的优化标准来提高答案集优化。在本文中,我们提出了一种新的,通用的,有效的技术,优化重写的基础上比较器网络,这是一种特殊的电路重新排序的元素的向量。其思想是将比较器网络的ASP编码连接到正在优化的文字,并在网络结构上重新分配这些文字的权重。编码捕获信息的权重的答案集在辅助原子的结构化的方式,被证明是产生指数级的改进,在分支定界优化的一个无限的家庭的例子程序。所使用的比较器网络可以自由调谐,例如,找到给定基准类的最佳大小。实验表明,加速优化性能的几个基准问题。
2020-11-06 cs.LO
Symmetry Breaking for Distributed Multi-Context Systems
异构非单调多上下文系统(MCS)允许在不同的上下文中使用不同的逻辑,并通过桥规则将它们连接起来。我们调查的对称性检测和对称性破缺在这样的系统中的作用,以消除对称部分的搜索空间,从而简化评估过程。我们提出了一个分布式算法,采取局部立场,即,独立地计算上下文的部分对称性,并且为了构造整体的潜在对称性,将它们与由相邻上下文返回的那些部分对称性组合。我们证明了我们的方法的正确性。我们实例化这样的对称性检测和对称性破缺在一个多上下文系统的背景下,使用答案集程序,并证明计算的好处,最近提出的一些基准。
2011-04-20 cs.LO
Discovering and Proving Invariants in Answer Set Programming and Planning
回答集编程(ASP)和规划是两种广泛使用的范式,用于使用声明式编程解决逻辑程序。在这两种情况下,输入程序的质量对求解或规划过程的质量和性能都有很大的影响。因此,程序员需要了解如何使他们的程序高效并且仍然正确。在我的博士研究中,我探索了如何改进输入程序并自动验证,以支持程序员。我的研究方向之一是在没有人类支持的情况下发现规划程序中的不变量,我在一个名为ginkgo的系统中实现了这一点。在更深入地研究动态系统之后,我与我的研究小组成员一起开发了plasp 3,这是ASP中有效规划的重要一步。作为第二个研究方向,我关心的是自动验证ASP程序对正式规范。为了与德克萨斯大学的Lifschitz小组合作,我开发了一个名为Anthem的验证系统。在我未来的博士研究中,我将扩展我关于ASP和规划问题的发现和验证的研究。
2019-05-08 cs.LO
Symmetry Breaking for Maximum Satisfiability
University of Southampton(南安普顿大学);Technical University of Lisbon(里斯本理工大学);INESC-ID(葡萄牙国家系统与计算机工程研究所)
对称性是许多组合问题所固有的,包括布尔可满足性(SAT)和约束规划(CP)。在SAT中,对称破缺谓词(SBP)的识别是一种众所周知的,通常有效的解决难题的技术。SAT中SBPs的识别近年来一直是显著改进的主题,从而产生了更紧凑的SBPs和更有效的算法。SBPs的识别也被应用到伪布尔(PB)约束,表明对称破缺也可以是PB约束的有效技术。本文进一步扩展了SBPs的应用,并表明SBPs可以识别和使用在最大可满足性(MaxSAT),以及在其最知名的变体,包括部分MaxSAT,加权MaxSAT和加权部分MaxSAT。与SAT和PB一样,MaxSAT和变体的对称性破缺谓词对于代表性数量的问题域是有效的,允许解决当前最先进的MaxSAT求解器无法解决的问题实例。
2008-04-03 cs.AI cs.LO
LP2PB: Translating Answer Set Programs into Pseudo-Boolean Theories
Vrije Universiteit Brussel(布鲁塞尔自由大学)
回答集编程(ASP)是一种成熟的知识表示形式。大多数ASP求解器都是基于布尔可满足性求解技术的(扩展)。虽然这些求解器在许多实际应用中非常成功,但它们的强度受到其底层证明系统分辨率的限制。在本文中,我们提出了一个新的工具LP2PB,ASP程序转换为伪布尔理论,求解器的基础上(更强)切割平面证明系统存在。我们评估我们的工具,和潜在的切割平面为基础的解决ASP对传统的ASP基准以及基准从伪布尔求解。我们的结果好坏参半:总的来说,传统的ASP求解器仍然优于我们的翻译方法,但几个基准家庭被确定的平衡转移的其他方式,从而表明,进一步调查到一个更强大的证明系统的ASP是有价值的。
2020-09-22 cs.AI cs.LO
Automata for dynamic answer set solving: Preliminary report
University of Corunna(科鲁尼亚大学);Université d’Angers(昂热大学);University of Potsdam(波茨坦大学)
我们探讨了不同的方式来实现时间约束表示在扩展的答案集编程(ASP)的语言结构,从动态逻辑。最重要的是,我们研究如何自动机可以用来执行这样的约束。其思想是将一个动态约束转换成一个用逻辑程序表示的自动机,该自动机强制满足原始约束。这种方法的吸引力在于它与时间戳的独立性和检测不可满足性的潜力。一方面,我们阐述了一个转换的动态公式到交替自动机,依赖于元编程在ASP。这是第一次将具体化应用于外国佬的理论表达。另一方面,我们提出了两个转换的动力学公式到一元二阶公式。这些可以被现成的工具用来构造相应的自动机。我们对比这两种方法的经验之一的时间ASP求解器Telingo直接映射到逻辑程序的动态约束。由于这一初步研究仅限于完整性约束下的动态公式,其实现和(经验)结果也很容易适用于传统的线性动态逻辑。
2021-09-04 cs.AI cs.LO
Combining Answer Set Programming and Domain Heuristics for Solving Hard Industrial Problems (Application Paper)
University of Calabria(卡拉布里亚大学);Alpen-Adria-Universität Klagenfurt(阿尔卑斯-亚德里亚大学克拉根福分校)
答案集编程(ASP)是一种流行的逻辑编程范式,已被应用于解决各种复杂的问题。在ASP最具挑战性的实际应用中,有两个由西门子定义的工业问题:伙伴单元问题(PUP)和组合配置问题(CCP)。PUP和CCP的最困难的实例是最先进的ASP求解器无法达到的。实验表明,ASP求解器的性能可以显着提高嵌入特定领域的算法,但在现成的ASP实现这样的标准是不明显的一个适当的有效集成。本文研究了ASP与特定领域启发式算法的结合,目标是有效地解决PUP和CCP的现实问题实例。作为此活动的副产品,ASP求解器WASP扩展了一个接口,该接口可以轻松地在求解器中嵌入新的外部算法。评估结果表明,我们的领域启发式驱动的ASP求解器发现解决方案的所有现实世界的实例PUP和CCP曾经提供的西门子。本文件正在考虑被TPLP接受。
2016-08-02 cs.AI cs.LO cs.PL
D-FLAT: Declarative Problem Solving Using Tree Decompositions and Answer-Set Programming
Institute of Information Systems(信息系统研究所);Vienna University of Technology(维也纳工业大学)
在这项工作中,我们提出了一个工具,快速原型的动态规划算法的基础上树分解的集合编程(ASP)。事实上,已经设计了许多这样的算法,但只有少数几个找到了实现的方法。主要的障碍是缺乏易于使用的系统,(i)照顾建立一个树分解和(ii)提供一个接口的声明规范的动态规划算法。在本文中,我们提出了D-FLAT,一种新的工具,减轻了用户必须处理所有的技术细节与解析,树分解,处理的数据结构等,而不是,它只是动态规划算法本身必须指定在ASP语言。D-FLAT采用ASP求解器来计算动态规划算法中的局部解。文中列举了几个实例说明D-FLAT的使用,并介绍了该系统的主要特点。此外,我们报告的实验表明,基于ASP的D-FLAT编码的一些问题优于单片ASP编码的实例上的小树宽。
2012-10-06 cs.AI cs.LO
On Relation between Constraint Answer Set Programming and Satisfiability Modulo Theories
约束回答集编程是将回答集编程与约束处理相结合的一个很有前途的研究方向。它通常与可满足性模理论领域有非正式的联系。然而,由于这两个研究领域使用的术语和概念不同,确切的正式联系被掩盖了。在本文中,我们通过揭示它们之间精确的形式关系来连接这两个研究领域。我们相信,这项工作将促进这两个领域的理论基础和现有的解决方法的交叉施肥。作为在这个方向上的一步,我们提供了一个从整数线性约束的约束答案集程序的可满足性模线性整数运算,铺平了道路,利用现代可满足性模理论求解器计算答案集的约束答案集程序的翻译。
2017-02-24 cs.LO
Computing Preferred Answer Sets by Meta-Interpretation in Answer Set Programming
最近,答案集编程(ASP)作为一种新的解决问题的范例引起了人们的兴趣。需要支持的一个重要方面是处理规则之间的偏好,为此提出了几种方法。在本文中,我们考虑的问题,通过元解释器的答案集编程实现偏好处理方法。特别是,我们认为首选的答案集的方法由Brewka和Eiter,由Delaware,Schaub和Tompits,由王,周和林。我们提出了合适的元解释器,这些语义使用DLV,这是一个有效的引擎ASP。此外,我们还提出了一个元解释器的弱首选答案集的方法,由Brewka和Eiter,它使用DLV的弱约束功能作为表达和解决底层优化问题的工具。我们还考虑了高级元解释器,它利用基于图的特征,通常允许更有效的计算。我们的方法表明,一般的ASP和DLV,特别是快速原型的适用性。这可以被富有成效地用于试验新的语言和知识表示形式主义。
2002-01-16 cs.AI cs.LO
Automated Aggregator -- Rewriting with the Counting Aggregate
University of Kentucky(肯塔基大学)
答案集编程是一种领先的声明式约束编程范式,广泛用于复杂的知识密集型应用程序。现代答案集程序设计语言支持许多等效的方法来对程序中的约束和规范进行建模。然而,到目前为止,答案集编程还没有开发出系统的方法来构建表示,这将统一地提供自动化处理。这表明,编码选择,以同样的方式选择算法和组合求解,可能是一个可行的方向,以提高性能的答案集求解。必要的先决条件是自动生成可能的替代编码的过程。在这里,我们提出了一个自动重写系统,自动聚合器或AAgg,给出了一个非地面逻辑程序,产生一个家庭的等效程序与互补的性能时,运行在现代的答案集编程求解器。我们通过实验分析证明了这种行为,并提出了该系统的使用自动答案集编程求解器选择工具。
2020-09-22 cs.AI cs.LO
Tools and Methodologies for Verifying Answer Set Programs
University of Nebraska Omaha(内布拉斯加大学奥马哈分校)
答案集编程(ASP)是一种强大的声明式编程范式,通常用于解决具有挑战性的搜索和优化问题。ASP的建模语言由复杂的求解算法(求解器)支持,使解决方案搜索效率高,同时使程序员能够在高抽象级别上对问题进行建模。作为一种知识表示和推理的方法,ASP具有简单、简洁和严格定义语义的优点。这些特性使ASP成为开发形式可验证程序的一种简单方法。在人工智能(AI)的背景下,ASP程序的清晰度有助于构建可解释,可信赖的AI。在支持这些目标,我的研究是关注扩展的理论和工具支持验证的ASP脚本。
2022-08-05 cs.AI cs.LO cs.PL
Planning and Scheduling in Digital Health with Answer Set Programming
University of Genoa(热那亚大学)
在医院的世界里,有几个复杂的组合问题,解决这些问题对于提高病人的满意度和提供的护理质量是很重要的。医疗保健中的问题是复杂的,因为要解决这些问题,应考虑到几个限制因素和不同类型的资源。此外,解决方案必须在很短的时间内进行评估,以确保在实际场景中的可用性。我们计划提出这些问题的解决方案,既扩大已经测试的解决方案,并通过建模解决新的问题,考虑到文献和使用真实的数据时,可用。解决这类问题很重要,但由于欧盟委员会制定了《通用数据保护条例》,规定每个人都有权要求解释人工智能做出的决定,如果不开发解释性方法,基于人工智能的解决方案(例如基于答案集编程的解决方案)的使用将受到限制。因此,研究的另一部分将致力于研究和提出新的方法来解释所获得的解决方案。
2022-08-05 cs.AI cs.LO
A Constraint-based Mathematical Modeling Library in Prolog with Answer Constraint Semantics
本文提出将Prolog及其约束求解库作为统一的基于关系的建模和编程语言,并实现了一个受MiniZinc启发的Prolog数学建模库,在无明显计算开销的情况下支持数组、量词和迭代器,同时获得答案约束、可编程搜索与求解器以及统一调试环境。
2024-02-27 cs.LO cs.MS cs.PL