Proceedings of the twelfth Workshop on Answer Set Programming and Other Computing Paradigms 2019
这是2019年6月3日在美国费城举行的第十二届回答集编程和其他计算范式研讨会(ASPOCP)的会议记录。
2019-11-21 cs.AI
onlineSPARC: a Programming Environment for Answer Set Programming
Tufts University(塔夫茨大学);Texas Tech University(得克萨斯理工大学)
逻辑编程的最新进展(例如,答案集编程范例的发展)使得将其教授给普通大学生甚至初中/高中学生成为可能。鉴于这些学生接触计算机科学的机会有限,下载、安装和使用编写逻辑程序的工具的复杂性可能是逻辑编程接触更广泛受众的主要障碍。我们开发了一个在线的答案集编程环境,一个自包含的文件系统和一个简单的界面。它允许用户键入/编辑逻辑程序,并在程序上执行几项任务,包括对程序进行查询,获取程序的答案集,以及基于程序的答案集生成绘图/动画。
2018-09-21 cs.AI
Fages' Theorem and Answer Set Programming
我们推广了Francois Fages的一个定理,该定理描述了以否定为失败的逻辑程序的完成语义和答案集语义之间的关系。对这种关系的研究对于答案集编程的出现非常重要。只要这两种语义等价,答案集就可以通过可满足性求解器来计算,而不需要使用诸如models和dlv之类的答案集求解器。作为一个例子,讨论了由于Ilkka Niemperor块世界的逻辑编程表示。
2000-03-09 cs.AI
Probabilistic Inductive Logic Programming Based on Answer Set Programming
National University of Ireland, Galway(爱尔兰国立大学戈尔韦)
提出了一种新的基于回答集编程(ASP)的概率知识表达形式语言。它允许注释一阶公式以及ASP规则和具有概率的事实,并从数据中学习这些权重(参数估计)。加权公式给出了一个语义方面的软,硬约束,决定了概率分布的答案集。在相关的方法相比,我们的方法推理可选地利用所谓的精简XOR约束,以减少计算的答案集的数量。我们的方法是原型实现。举例说明了引入的概念,并指出了未来研究的问题和主题。
2014-05-04 cs.AI
A System for Interactive Query Answering with Answer Set Programming
Universität Potsdam(波茨坦大学);Simon Fraser University(西蒙弗雷泽大学);Griffith University(格里菲斯大学)
反应式答案集编程为将在线信息纳入操作解决过程铺平了道路。虽然这项技术最初是为了处理动态环境中的数据流而设计的,比如辅助生活和认知机器人,但它同样可以用于整合用户提供的事实、规则或查询。因此,我们提出了一个系统的设计和实现的交互式查询回答与反应式答案集编程。我们的系统quontroller是基于反应求解器oclingo和实现作为一个专用的前端。我们描述了它的功能和实现,并通过一些选定的用例说明了它的功能。
2013-12-20 cs.AI
An Application of Proof-Theory in Answer Set Programming
University of Kentucky(肯塔基大学);University of California(加利福尼亚大学)
我们将证明理论技术应用于答案集编程。主要结果包括:1.逻辑程序中Gelfond-Lifschitz算子连续性的一个刻画2.逻辑程序的稳定模型的一种命题表征(不涉及循环公式)。
2010-01-11 cs.AI
Functional Stable Model Semantics and Answer Set Programming Modulo Theories
School of Computing, Informatics and Decision Systems Engineering(计算、信息与决策系统工程学院)
本文探讨了在答案集编程中整合'intensional'函数的作用,展示了功能稳定模型语义在ASPMT框架中的关键作用,并证明了紧致ASPMT程序可转换为SMT实例。
2026-05-10 cs.AI
Nested Aggregates in Answer Sets: An Application to a Priori Optimization
我们允许表示和推理的存在下,嵌套的多个聚合在多个变量和嵌套的多个聚合函数涉及多个变量的答案集,准确地说,在答案集优化编程和答案集编程。我们显示的适用性的答案集优化规划与嵌套的多个聚合和答案集规划与嵌套的多个聚合的概率旅行商问题,一个基本的先验优化问题在运筹学。
2013-04-05 cs.AI
Proceedings of Answer Set Programming and Other Computing Paradigms (ASPOCP 2012), 5th International Workshop, September 4, 2012, Budapest, Hungary
本卷包含在2012年9月4日在布达佩斯举行的第五届回答集编程和其他计算范式研讨会(ASPOCP 2012)上提出的论文,与第28届逻辑编程国际会议(ICLP 2012)共同举办。因此,它延续了之前与ICLP共同举办的一系列活动,旨在促进关于跨越当前ASP技术在理论,解决和应用方面的边界的讨论,并与其他计算范式相结合或受到其他计算范式的启发。
2013-01-10 cs.AI
Guarded resolution for answer set programming
University of Kentucky(肯塔基大学);University of California at San Diego(加州大学圣地亚哥分校)
我们描述了一个变种的决议规则的证明,并表明它是完整的稳定语义的逻辑程序。我们展示了这一结果的应用。
2010-02-21 cs.AI
Anytime Computation of Cautious Consequences in Answer Set Programming
University of Calabria(卡拉布里亚大学)
在回答集编程(ASP)中,查询回答通常通过计算逻辑程序的谨慎结果(的子集)来解决。这个任务在计算上是非常困难的,并且存在计算谨慎后果在合理时间内不可行的程序。然而,目前的ASP求解器只在计算结束时才产生(整个)一组谨慎的后果。本文报告了计算谨慎后果的策略,还介绍了随时算法能够产生声音的答案在计算过程中。
2014-09-15 cs.AI
Constraint Answer Set Programming: Integrational and Translational (or SMT-based) Approaches
University of Nebraska Omaha(内布拉斯加大学奥马哈分校)
约束回答集编程(英语:Constraint answer set programming,缩写为CASP)是一种自动推理的混合方法,它综合了回答集编程、约束处理和可满足性模理论等不同研究领域的进展。约束答案集编程展示了有希望的结果,包括开发了大量的求解器:acsolver,clingcon,ezcsp,idp,inca,dingo,mingo,aspmt,clingo[l,dl]和ezsmt。它为声明式编程应用程序(如解决复杂的训练调度问题)开辟了新的视野。系统的设计,以找到解决方案,约束答案集程序可以分组,根据他们的建设,我们称之为,整合或翻译的方法。本文的重点是一个概述的关键成分的设计约束答案集求解器之间的区别和平行的集成和翻译的方法。本文还提供了一个一瞥,其用户开发的程序,利用CASP编码的旅行推销员问题的说明。此外,我们把CASP技术在地图上的自动推理同行之间,以及讨论未来的可能性,CASP的发展。
2021-07-17 cs.AI
Origins of Answer-Set Programming - Some Background And Two Personal Accounts
University of Kentucky(肯塔基大学);Aalto University(阿尔托大学)
我们讨论了进化方面的非单调推理的计算范式的答案集编程(ASP)。我们给出了一个总体概述的根源ASP和跟进的个人观点的研究发展,帮助verbalize ASP的主要原则,并区分它从经典的逻辑编程。
2011-08-16 cs.AI
Answer Set Programming Made Easy
University of Nebraska at Omaha(内布拉斯加大学奥马哈分校);University of Potsdam(波茨坦大学)
我们从答案集编程的民间传说中汲取了一个想法,即选择,完整性约束以及受限规则格式对于答案集编程来说已经足够了。我们在这里和那里的逻辑的背景下详细阐述了这一想法的基础,并展示了它如何可以从逻辑原则的扩展定义。然后,我们提供了一个朴素的形式的逻辑程序,可以作为一个标准形式的逻辑程序类似于合取范式在经典逻辑。最后,我们采取的关键思想,并提出了一个建模方法,为ASP初学者,并说明它可以如何使用。
2021-11-24 cs.AI
Partial Compilation of ASP Programs
DeMaCS University of Calabria(卡塔尼亚大学DeMaCS);Knowledge-based Systems Group TU Wien(维也纳技术大学基于知识的系统组)
答案集编程(ASP)是逻辑编程中一种著名的声明式形式主义。高效的实现使得ASP可以应用于许多场景,从演绎数据库应用程序到解决困难的组合问题。最先进的ASP系统基于传统的Ground\&Solve方法,并且是通用的实现,即,对于任何类型的输入程序,它们基本上都是一次性构建的。在本文中,我们提出了一个扩展的ASP系统架构,其中输入程序的部分被编译成一个ad-hoc评估算法(即,我们获得给定程序的特定二进制文件),并且可能不受基础步骤的影响。为此,我们确定了一个条件,允许编译的子程序,并提出了相关的部分编译技术。重要的是,我们已经实现了一个著名的ASP求解器上的新方法,并进行了公开的基准测试的实验分析。结果表明,我们的编译为基础的方法,提高了在各种情况下,包括输入程序分层或接地爆破的情况下,使传统的ASP系统的评估不切实际的最先进的。
2019-07-24 cs.AI cs.LO
Fuzzy Aggregates in Fuzzy Answer Set Programming
模糊回答集编程是一个描述性的框架,用于表示和推理模糊环境中的知识。然而,在具有模糊答案集语义的选言模糊逻辑程序(DFLP)中,模糊集合的不可用性阻碍了许多有趣问题的自然和简洁的表示。在本文中,我们扩展DFLP允许任意模糊聚集。我们定义了DFLP的模糊答案集语义与任意模糊聚集,包括单调,反单调,和非单调模糊聚集。我们表明,建议的模糊答案集语义既包含了原始的模糊答案集语义DFLP和经典的析取逻辑程序与经典的聚集的经典答案集语义,从而包含了经典的析取逻辑程序的经典答案集语义。我们表明,建议的模糊答案集的DFLP与模糊聚集是最小的模糊模型,因此是不可比的,这是一个重要的属性为非单调模糊推理。
2013-04-05 cs.AI
Belief Base Revision for Further Improvement of Unified Answer Set Programming
Indian Statistical Institute(印度统计研究所);Jadavpur University(贾达普大学)
一个信念基础的修订。信念基础是使用统一答案集程序,这是能够表示不精确和不确定的信息,并与他们进行非单调推理。基本修订操作符是使用删除集修订策略开发的。该算子的特征在于关于基本修正算子满足的假设。
2020-11-23 cs.AI
Fast Frequent Querying with Lazy Control Flow Compilation
控制流编译是经典WAM编译和元调用的混合,仅限于非递归子句体的编译。这种方法被成功地用于在归纳逻辑程序设计设置(ILP)中执行动态生成的查询。控制流编译将编译时间减少到一个数量级,而不会减慢执行速度。一个懒惰的变体控制流编译也提出。通过根据需要编译代码,它消除了编译未到达代码的开销(实际ILP设置中的常见现象),从而减少了编译代码的大小。这两种动态编译方法都已实现,并与查询包(一种有效的ILP执行机制)相结合。事实证明,数据和代码的局部性对性能很重要。本文中报告的实验表明,懒惰的控制流编译是优越的人工和现实生活中的设置。
2006-01-16 cs.AI cs.PL cs.SE
Generating explanations for answer set programming applications
New Mexico State University(新墨西哥州立大学);Saint Joseph’s University(圣约瑟夫大学)
我们提出了一个解释系统的应用程序,利用答案集编程(ASP)。给定一个程序P,一个P的答案集A,以及程序P中的一个原子a,我们的系统生成所有的解释图,这些解释图有助于解释为什么a在给定程序P和答案集A的情况下为真(或假)。我们说明了该系统的功能,使用一些例子从文献。
2021-04-18 cs.AI
Possibilistic Answer Set Programming Revisited
University of Washington(华盛顿大学);Vrije Universiteit Brussel(布鲁塞尔自由大学);Universiteit Gent(根特大学)
可能性答案集编程(PASP)通过为每个规则附加一定程度的确定性来扩展答案集编程(ASP)。虽然从应用程序的角度来看,这样的扩展是重要的,但现有的语义并没有很好的动机,并且并不总是产生直观的结果。为了开发一个更合适的语义,我们首先介绍了一个典型的ASP程序的答案集的可能性逻辑方面的表征,其中ASP程序指定了一组约束的可能性分布。然后自然地将这种特征推广到定义PASP程序的答案集。我们还提供了一个语法对应,导致一个可能性的推广著名的Gelfond Lifschitz约简,我们展示了我们的框架可以很容易地使用标准的ASP求解器来实现。
2012-03-15 cs.AI
Proceedings of Answer Set Programming and Other Computing Paradigms (ASPOCP 2013), 6th International Workshop, August 25, 2013, Istanbul, Turkey
本卷包含2013年8月25日在伊斯坦布尔举行的第六届回答集编程和其他计算范式研讨会(ASPOCP 2013)上提出的论文,与第29届逻辑编程国际会议(ICLP 2013)位于同一地点。因此,它延续了之前与ICLP共同举办的一系列活动,旨在促进关于跨越当前ASP技术在理论,解决和应用方面的边界的讨论,并与其他计算范式相结合或受到其他计算范式的启发。
2013-12-28 cs.AI
The Seventh Answer Set Programming Competition: Design and Results
University of Potsdam(波茨坦大学);University of Genova(热那亚大学);Università della Calabria(卡拉布里亚大学)
答案集编程(ASP)是一种重要的知识表示语言,它起源于逻辑编程和非单调推理。每两年举办一次ASP竞赛,以提供具有挑战性的基准集合,并评估ASP解决方案的最新进展。在本文中,我们报告了第七届ASP竞赛的设计和结果,该竞赛由卡拉布里亚大学(意大利),热那亚大学(意大利)和波茨坦大学(德国)联合举办,并与第14届逻辑编程和非单调推理国际会议(LPNMR 2017)合作。(正在考虑接受TPLP)。
2019-04-19 cs.AI
A semantic framework for preference handling in answer set programming
我们提供了一个语义框架的偏好处理回答集编程。为此,我们引入了偏好保持结果算子。由此产生的不动点特征为我们提供了一个统一的语义框架,在现有的方法来描述偏好处理。虽然我们的方法是可扩展到其他语义的交替不动点理论的手段,我们在这里专注于答案集语义下的偏好的阐述。或者,我们展示了这些方法的特点是秩序维护的概念。这些统一的语义特征为我们提供了新的见解的相互关系,而且有关的实施方式。
2003-01-23 cs.AI
KGCompiler: Deep Learning Compilation Optimization for Knowledge Graph Complex Logical Query Answering
University of Chinese Academy of Sciences(中国科学院大学);Institute of Software Chinese Academy of Sciences(中国科学院软件研究所);Beijing University of Posts and Telecommunications(北京邮电大学)
针对知识图谱复杂逻辑查询回答中推理时间和内存随算子数量显著增加的问题,提出首个专为CLQA任务设计的深度学习编译器KGCompiler,通过KG特定优化在无需人工修改代码的前提下提升推理性能并降低内存,实现平均3.71倍加速。
2025-03-04 cs.AI cs.SE
A formalism for causal explanations with an Answer Set Programming translation
INRIA Bretagne Atlantique(法国国家信息与自动化研究所布列塔尼大西洋分所);IRISA(法国布列塔尼大西洋计算机科学与随机系统研究所)
我们研究的实用性为用户使用回答集编程(ASP)表示逻辑形式主义。我们的例子是一种形式主义,旨在从因果信息中捕获因果解释。我们展示了这种翻译工作的自然性和相对效率。我们感兴趣的是编写ASP程序的容易程度。早期制度的局限性使得在实践中,"声明性方面“更多地是理论性的,而不是实际的。我们将展示如何在最近的工作ASP系统的改进,促进翻译。
2010-08-23 cs.AI
Achievements in Answer Set Programming
本文介绍了一种方法的答案集编程(ASP)的方法,可以促进编码的设计,易于理解和可证明是正确的。在这种方法下,在将一条规则或一小组规则附加到新出现的程序之后,我们会包含一个注释,说明到目前为止已经“实现”了什么。这种策略允许我们通过以数学精确的方式描述程序中小部分的角色来阐述我们对程序设计的理解。
2019-08-07 cs.AI
PDDL+ Planning via Constraint Answer Set Programming
Drexel University(德雷塞尔大学);University of Genoa(热那亚大学)
PDDL+是PDDL的一个扩展,它可以用混合离散-连续动态来建模规划域。在本文中,我们提出了一种新的方法,PDDL+规划的基础上约束回答集编程(CASP),即ASP规则加数值约束。据我们所知,我们是第一次尝试连接PDDL+规划和逻辑编程。我们提供了一个编码的PDDL+模型到CASP问题。该编码可以处理非线性混合域,并为将逻辑编程应用于PDDL+规划奠定了坚实的基础。作为一个案例研究,我们考虑EZCSP CASP求解器,并获得了一组PDDL+基准问题有前途的结果。
2016-08-31 cs.AI
Probability Aggregates in Probability Answer Set Programming
概率答案集编程是一种声明式编程,已被证明可以有效地表示和推理各种概率推理任务。然而,在析取混合概率逻辑程序(DHPP)语言中,缺乏概率集合,例如{ \em期望值},使得许多有趣的问题不能自然和简洁地表示。在本文中,我们扩展DHPP允许任意概率聚合。我们引入两种类型的概率聚合;一种类型计算经典聚合的期望值,例如,最小值的期望值,以及计算经典聚合的概率的类型,例如,值之和的概率。此外,我们定义了一个概率答案集语义的DHPP与任意概率聚合,包括单调,反单调,和非单调概率聚合。我们发现,建议的概率答案集语义的DHPP既包含了原来的概率答案集语义的DHPP和经典的析取逻辑程序与经典的聚集的经典答案集语义,从而包含了经典的答案集语义的原始析取逻辑程序。我们表明,建议的概率回答集的DHPP与概率聚集的最小概率模型,因此是不可比的,这是一个重要的属性为非单调概率推理。
2013-04-05 cs.AI
Sketched Answer Set Programming
KU Leuven(鲁汶大学);LIRMM CNRS(法国国家科学研究中心蒙彼利埃计算机、机器人与微电子实验室)
答案集编程(ASP)是一个强大的建模形式主义的组合问题。然而,编写ASP模型并不是一件小事。我们提出了一种新的方法,称为草图答案集编程(SkASP),旨在支持用户解决这个问题。用户编写一个ASP程序,同时用问号标记不确定的部分。此外,用户还提供了所需程序行为的一些正面和负面示例。将绘制好的模型改写成ASP程序,用传统方法求解。其结果是,用户获得一个功能和可重用的ASP程序建模她的问题。我们评估我们的方法21个著名的难题和组合问题的启发卡普的21个NP完全问题,并展示了一个基于ASP的数据库应用程序的用例。
2018-08-22 cs.AI
Reactive Answer Set Programming
Imperial College London(帝国理工学院)
逻辑产生式系统(Logic Production System,LPS)是一个基于逻辑的框架,用于对反应行为进行建模。基于溯因逻辑编程,它结合了反应规则与逻辑程序,数据库和因果理论,指定数据库的状态之间的转换。本文提出了一个系统的映射到一个答案集程序(ASP)的核心这个框架(称为KELPS)。为此目的,一个新的变种KELPS有限模型,称为$n$距离KELPS,介绍。给出了从这个$n$ -距离KELPS到ASP的映射的形式化定义,并证明了它的正确性和完整性。答案集编程范式允许捕捉KELPS基本反应的额外行为,特别是主动,先发制人和前瞻性行为。这些都是讨论和举例说明。然后提出了一个混合框架,集成KELPS和ASP,允许结合两种范式的优势。逻辑程序设计理论与实践(TPLP)
2021-09-22 cs.AI
Generating Shortest Synchronizing Sequences using Answer Set Programming
Sabanci University(萨班哲大学)
对于有限状态自动机,同步序列是将所有状态带到相同状态的输入序列。检查同步序列的存在和找到同步序列(如果存在的话)可以在多项式时间内执行。然而,找到最短同步序列的问题是已知的NP-难。在这项工作中,有用的答案集编程来解决这个优化问题进行了研究,比较暴力算法和SAT为基础的方法。关键词:有限自动机,最短同步序列,ASP
2013-12-20 cs.AI
Learning Weak Constraints in Answer Set Programming
Imperial College London(帝国理工学院)
本文提出了一个新的学习框架,允许弱约束的学习答案集编程(ASP)的归纳逻辑程序设计领域的贡献。该框架,称为学习有序答案集,概括了我们以前的工作学习ASP程序没有弱约束,通过考虑一个新的概念的例子,有序对部分答案集,其中答案集的一个学习的假设(连同给定的背景知识)是首选其他。在这个新的学习任务中,归纳解决方案是在正常规则,选择规则,硬约束和弱约束的假设空间内搜索的。我们提出了一个新的算法,ILASP2,这是健全的和完整的关于我们的新的学习框架。我们调查其适用性,学习偏好的面试调度问题,也表明,当限制到学习ASP程序没有弱约束的任务,ILASP2可以比我们以前提出的系统更有效。
2015-07-23 cs.AI
Explanations for Answer Set Programming
University of Calabria(卡拉布里亚大学);Saint Joseph’s University(圣约瑟夫大学)
本文提出xASP2系统,扩展了xASP以支持更多clingo结构,通过缩小假设集并生成有向无环图解释,增强ASP的可解释性。
2023-08-30 cs.AI
Meta-Programming for Linear-time Temporal Answer Set Programming
University of Potsdam, Germany(波恩大学)
提出一种统一的元编程框架,通过扩展clingo的理论语法并引入转换管道保护嵌套模态,实现了对多种线性时态逻辑(TEL、MEL、DEL)的语义操作化,并开发了metasp系统。
2026-07-01 cs.AI
Improved Answer-Set Programming Encodings for Abstract Argumentation
La Sapienza, University of Rome(罗马大学);Vienna University of Technology(维也纳工业大学)
为抽象论证问题设计有效的解决方案是迈向高级论证系统的关键一步。文献中最突出的方法之一是使用混合集编程(ASP)来实现这一目标。在本文中,我们提出了新的编码三个突出的论证语义使用的概念,条件字面的析取提供的ASP系统clingo。我们的新编码不仅比以前的版本更简洁,而且在标准基准测试中也优于它们。
2015-10-20 cs.AI
Efficient Knowledge Compilation Beyond Weighted Model Counting
TU Vienna(维也纳工业大学);KU Leuven(鲁汶大学)
逻辑编程的定量扩展通常需要解决所谓的第二级推理任务,即,在加法和乘法之上涉及第三操作(诸如最大化或归一化)的问题,并且因此超出了分布语义下的概率逻辑编程的公知的加权或代数模型计数设置。我们引入二级代数模型计数(2AMC)作为这些问题的通用框架。由于2AMC是(代数)模型计数的forall-exists-SAT是命题可满足性,这是出了名的难以解决。基于知识编译(KC)的第一级技术已被改编为特定的2AMC实例施加可变的顺序约束所产生的电路。然而,这些约束会严重增加电路尺寸,从而降低这种方法的效率。我们表明,我们可以利用2AMC问题的逻辑结构,省略这些约束的一部分,从而限制了负面影响。此外,我们引入并实现了一个策略,以产生一个足够的约束静态,与先验保证KC的性能。我们对几个基准和任务的实证评估证实了我们的理论结果可以转化为更有效的解决在实践中。正在考虑接受TPLP。
2022-05-16 cs.AI cs.LO
A primer on Answer Set Programming
一本关于答案集编程的语法和语义的介绍,作为讲义给正在学习人工智能或逻辑编程课程的研究生。
2005-08-23 cs.AI cs.LO
Using Answer Set Programming in an Inference-Based approach to Natural Language Semantics
在基于推理的自然语言语义方法中使用答案集编程
2006-07-18 cs.AI cs.CL
aspps --- an implementation of answer-set programming with propositional schemata
我们提出了一个答案集编程范例的实现,称为aspps(答案集编程与命题模式的缩写)。系统aspps是为处理PS+理论而设计的。它包括两个基本模块。第一个模块psgrnd为PS+理论奠定了基础。第二个模块,称为aspps,是一个求解器。它计算地面PS+理论的模型。
2001-07-19 cs.AI cs.LO
Proceedings of the eleventh Workshop on Answer Set Programming and Other Computing Paradigms 2018
这是2018年7月18日在英国牛津举行的第十一届回答集编程和其他计算范式研讨会(ASPOCP)的会议记录。
2019-11-21 cs.AI cs.LO
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 Gossip Problems using Answer Set Programming: An Epistemic Planning Approach
Sabanci University(萨班哲大学);Institut de Recherche en Informatique de Toulouse(图卢兹信息学研究所);Université Paul Sabatier(保罗·萨巴蒂埃大学)
我们调查使用答案集编程来解决各种各样的八卦问题,通过将它们建模为认知规划问题。
2020-09-22 cs.AI cs.LO
aspcud: A Linux Package Configuration Tool Based on Answer Set Programming
Universität Potsdam(波茨坦大学);Simon Fraser University(西蒙弗雷泽大学);Griffith University(格里菲斯大学)
介绍了基于Answer Set Programming的Linux软件包配置工具aspcud。特别是,我们详细介绍了aspcud的预处理器把一个CUDF规范成一组逻辑事实。
2011-09-01 cs.AI cs.LO
Propositional satisfiability in answer-set programming
我们表明,命题逻辑及其扩展可以支持答案集编程的方式一样,稳定的逻辑编程和析取逻辑编程。为此,我们介绍了一个逻辑的基础上的逻辑命题图式和封闭世界假设的一个版本。我们称之为CWA(PS+,符号)命题图式的扩展逻辑。这种逻辑的一个重要特征是它支持对集合基数的约束进行显式建模。在本文中,我们刻画了一类问题,可以解决的有限PS+理论。我们实现了一个基于PS+逻辑的编程系统,并在PS+中设计和实现了一个处理理论的求解器。我们提出了令人鼓舞的性能结果,我们的方法-我们表明,它是有竞争力的模型,一个国家的最先进的答案集编程系统的基础上稳定的逻辑编程。
2001-07-19 cs.AI cs.LO
An application of Answer Set Programming in Distributed Architectures: ASP Microservices
Università degli Studi di L’Aquila(拉奎拉大学)
我们提出了一种方法来定义微服务的答案集编程(ASP)的“核心”,其中微服务是一个成功的抽象设计的分布式应用程序作为套件的独立部署的交互组件。这种基于ASP的组件可以在与云计算或物联网(IoT)相关的分布式架构中采用。
2020-09-22 cs.AI cs.LO
Proceedings 38th International Conference on Logic Programming
ICLP是展示逻辑编程研究的首要国际活动。对ICLP 2022的贡献是在逻辑编程的所有领域,包括但不限于:基础:语义学,形式主义,非单调推理,知识表示。语文问题:并发,对象,协调,移动性,高阶,类型,模式,断言,模块,元编程,基于逻辑的特定领域语言,编程技术。编程支持:程序分析、转换、验证、验证、分析、测试、执行可视化。实施情况:编译、虚拟机、存储管理、并行和分布式执行、约束处理规则、制表、外部接口、用户界面。相关范例和协同作用:归纳和共归纳逻辑编程,约束逻辑编程,答案集编程,与SAT,SMT和CSP求解器的交互,定理证明,论证,概率编程,机器学习。应用领域:数据库、大数据、数据集成和联邦、软件工程、自然语言处理、Web和语义网、代理、人工智能、计算生命科学、网络安全、机器人技术、教育。
2022-08-04 cs.AI cs.LO
The informal semantics of Answer Set Programming: A Tarskian perspective
KU Leuven(鲁汶大学);University of Nebraska at Omaha(内布拉斯加大学奥马哈分校);University of Kentucky(肯塔基大学)
在知识表示中,知识工程师对他们编写的形式化表达式有很好的理解是至关重要的。在逻辑的非形式语义学理论中,研究了形式表达式直观地陈述了关于话语域的什么。在本文中,我们研究的回答集编程的非形式语义。答案集编程的根源在于扩展逻辑编程语言,它最初是作为默认和自动认知推理的认知逻辑引入的。1999年,关于答案集编程的开创性论文提出将这种逻辑用于不同的目的,即建模和解决搜索问题。目前,该语言主要用于这一新角色。然而,在这种新的语境中,原有的认识直觉失去了解释的意义。答案集程序如何连接到他们的模型的问题的规格是更容易解释的经典塔斯基语义,其中模型对应于可能的世界,而不是一个认知代理的信念状态。在本文中,我们开发了一个新的理论的非正式语义的答案集编程,这是制定在塔斯基设置和弗雷格的组合性原则的基础上。它与早期的非形式语义学的认知理论有很大的不同,它对连接词在回答集编程中的意义以及它与其他逻辑,特别是经典逻辑的关系提供了不同的观点。
2019-01-26 cs.AI cs.LO
A framework for Conditional Reasoning in Answer Set Programming
DEMACS, University of Calabria, Italy(卡塔尼娅大学DEMACS研究中心);DISIT, University of Piemonte Orientale, Italy(皮埃蒙特东方大学DISIT研究中心)
本文提出了一种基于条件逻辑的ASP框架,用于实现条件推理,并给出了复杂度上界。
2026-01-07 cs.AI cs.LO
Product Configuration in Answer Set Programming
University of Potsdam(波茨坦大学)
这是一个初步的工作配置知识表示,作为一个基础,建立交互式配置系统的答案集编程(ASP)。产品配置问题的主要概念进行了识别和讨论的自行车配置的例子。一个事实格式的开发用于表达产品知识,是特定领域的,可以从其他系统映射。最后,提供了一个独立于域的ASP编码,表示配置问题中的概念。
2021-09-17 cs.AI cs.LO
SMT-based Constraint Answer Set Solver EZSMT+
University of Maryland, College Park(马里兰大学帕克分校);University of Nebraska at Omaha(内布拉斯加大学奥马哈分校)
约束回答集编程将回答集编程与约束处理相结合。系统EZSMT+是一个约束答案集编程工具,利用可满足性模理论求解器进行搜索。它的理论基础是对Niemela关于逻辑程序的回答集的水平排序的刻画的推广。
2019-06-03 cs.AI cs.LO
Extending Object-Oriented Languages by Declarative Specifications of Complex Objects using Answer-Set Programming
许多应用程序需要复杂结构的数据对象。如果所考虑的对象受到不同的应用程序特定的约束,则开发用于创建此类对象的新算法解决方案或调整现有算法解决方案可能是一项重要且昂贵的任务。但是,通常以声明方式描述所需的对象相对容易。在本文中,我们建议使用答案集编程(ASP)--一个完善的声明式编程范式从该地区的人工智能--实例化对象的标准面向对象的程序设计语言。特别是,我们扩展了Java的声明性规范,所需的对象可以使用可用的ASP求解器技术自动生成。
2011-12-06 cs.AI cs.PL
Quantitative and Stream Extensions of Answer Set Programming
TU Vienna(维也纳工业大学)
答案集编程已经单独扩展了约束,流域,并具有推理与答案集相关的数量的能力。我们提出了一个通用的框架,结合了所有三个方向的扩展,利用这里和那里的逻辑和加权逻辑的优势,介绍和分析。
2021-09-17 cs.AI cs.CC cs.LO
Proceedings 37th International Conference on Logic Programming (Technical Communications)
ICLP是展示逻辑编程研究的首要国际活动。对ICLP 2021的贡献是在逻辑编程的所有领域,包括但不限于:基础:语义学,形式主义,非单调推理,知识表示。语文问题:并发,对象,协调,移动性,高阶,类型,模式,断言,模块,元编程,基于逻辑的特定领域语言,编程技术。编程支持:程序分析、转换、验证、验证、分析、测试、执行可视化。实施情况:编译、虚拟机、存储管理、并行和分布式执行、约束处理规则、制表、外部接口、用户界面。相关范例和协同作用:归纳和共归纳逻辑编程,约束逻辑编程,答案集编程,与SAT,SMT和CSP求解器的交互,定理证明,论证,概率编程,机器学习。应用领域:数据库、大数据、数据集成和联邦、软件工程、自然语言处理、Web和语义网、代理、人工智能、计算生命科学、网络安全、机器人技术、教育。
2021-09-15 cs.AI cs.LO
IASCAR: Incremental Answer Set Counting by Anytime Refinement
Linköping University(林雪平大学);TU Dresden(德累斯顿工业大学);Massachusetts Institute of Technology(麻省理工学院)
本文提出IASCAR,一种基于知识编译和包含-排除原理的任意时刻增量计数方法,用于在文字假设下高效计数ASP答案集,初步实验显示有前景的结果。
2023-11-13 cs.AI cs.LO