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
System Predictor: Grounding Size Estimator for Logic Programs under Answer Set Semantics
University of Nebraska Omaha(内布拉斯加大学奥马哈分校)
答案集编程是一种面向解决困难的组合搜索问题的声明式逻辑编程范式。虽然不同的逻辑程序可以编码相同的问题,但它们的性能可能会有很大差异。识别程序的哪个版本性能最好并不总是容易的。我们提出了系统预测(及其算法后端)估计接地大小的程序,一个度量,可以影响系统处理程序的性能。我们评估预测的影响时,作为一个指导重写产生的答案集编程重写工具投影仪和LPopt。结果表明这种方法的潜力。
2023-03-29 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
Answer Sets for Logic Programs with Arbitrary Abstract Constraint Atoms
New Mexico State University(新墨西哥州立大学)
在本文中,我们提出了两种替代方法来定义答案集的逻辑程序与任意类型的抽象约束原子(C原子)。这些方法将普通逻辑程序的基于不动点和基于层次映射的回答集语义推广到具有任意类型C原子的逻辑程序的情况。结果是四个不同的答案集定义,当应用于正常的逻辑程序时是等价的。将逻辑程序基于不动点的标准语义推广到两个方向:归约回答集和求补回答集。这些定义在处理否定即失败(naf)原子时彼此不同,它们利用直接结果算子来执行答案集检查,其定义依赖于c原子w.r.t.条件满足的概念。一对诠释。另外两个定义,称为强良支模型和弱良支模型,是普通逻辑程序的良支模型的概念到具有c原子的程序的情况的推广。至于基于不动点的语义,这两个定义之间的差异源于对naf原子的处理。我们证明了通过reduce(resp.”(《易·系辞上》)“弱”者,“弱”也。强)良好支撑模型的程序,从而推广定理之间的对应关系的稳定模型和良好支撑模型的一个正常的逻辑程序类的程序与C-原子。我们表明,新定义的语义与以前介绍的语义与单调的C原子的逻辑程序,他们扩展了原来的答案集语义正常的逻辑程序。我们还研究了一些性质的回答集的程序与C-原子,并与我们的定义的几个语义逻辑程序与聚集在文献中提出的。
2011-10-10 cs.AI
A Program-Level Approach to Revising Logic Programs under the Answer Set Semantics
Simon Fraser University(西蒙弗雷泽大学)
提出了一种基于回答集语义的逻辑程序修改方法。对于程序P和Q,目标是确定对应于P乘以Q的修正的答案集,记为P * Q。经典(AGM)修正的一个基本原则,也是指导这里方法的原则,是成功假设。在年度股东大会修订中,这规定A在K * A中。通过与成功假设的类比,对于程序P和Q,这意味着Q的答案集在某种意义上将包含在P * Q的答案集中。其基本思想是,对于P * Q,Q的三值答案集,包括正面和负面的文字,首先确定。正文字构成了一个规则的答案集,而否定文字构成了从Q产生答案集所需的最小naf文字集。这些文字被传播到程序P,以及那些不是由这些文字决定的Q规则。该方法与更新逻辑程序的工作有两个主要方面的不同。首先,我们保证修改的逻辑程序具有较高的优先级,从而满足成功假设;第二,对于修正P * Q中隐含的偏好,程序Q作为一个整体优先于P,不像更新逻辑程序,因为Q的答案集被传播到P。我们证明了AGM假设的一个核心组被满足,正如已经为更新逻辑程序提出的假设一样。
2010-07-28 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
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
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
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
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
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
Grounding Bound Founded Answer Set Programs
National ICT Australia(澳大利亚国家信息与通信技术研究院);University of Melbourne(墨尔本大学)
Bound Founded Answer Set Programming(英语:Bound Founded Answer Set Programming)是ASP的一个扩展,它将稳定模型语义扩展到数值变量。虽然BFASP的理论是根据基本规则定义的,但在实践中,BFASP程序被编写为复杂的非基本表达式。BFASP的扁平化(Flattening)是一种用于将语言的任意表达式简化为一个小的、定义良好的原语表达式集的技术。在本文中,我们首先展示了我们如何可以扁平化任意BFASP规则表达式,给出等价的BFASP程序。接下来,我们将ASP中使用的自底向上的基础技术和魔集变换扩展到BFASP程序中。我们的实现表明,对于BFASP问题,这些技术可以显着减少地面程序的大小,并提高后续解决。
2014-05-14 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
Translating LPOD and CR-Prolog2 into Standard Answer Set Programs
Arizona State University(亚利桑那州立大学)
具有有序析取的逻辑程序(LPOD)是标准答案集程序的扩展,它利用有序析取的结构来处理偏好; CR-Prolog 2是标准答案集程序的扩展,它具有一致性恢复规则和类LPOD的有序析取。我们提出减少这些语言到标准的ASP语言,这给了我们一个替代的方式来理解扩展的标准ASP语言。
2018-05-02 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
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
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
Historical Review of Variants of Informal Semantics for Logic Programs under Answer Set Semantics: GL'88, GL'91, GK'14, D-V'12
University of Nebraska Omaha(内布拉斯加大学奥马哈分校)
该研究对回答集语义下逻辑程序的非形式语义变体做历史综述,以统一术语梳理相关内容并将其对应到两大知识表示与推理范式,成果正于TPLP期刊审议。
2024-07-09 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
Normal forms for Answer Sets Programming
介绍了逻辑程序在稳定/答案集语义下的范式。我们认为,这些形式可以简化程序属性的研究,主要是一致性。第一个范式,称为程序的{ \em内核},对于研究答案集的存在性和数量非常有用。一个核程序是由原子组成的,这些原子在良基语义中是未定义的,它们直接影响答案集的存在。规则的主体仅由否定字面值组成。因此,内核形式往往比其他配方显着更紧凑。此外,它是可能的检查内核程序的一致性,在着色的扩展依赖图程序表示,我们以前开发的。第二种范式称为{ \em 3-kernel}。一个三核程序是由在良基语义中未定义的原子组成的。三核程序中的规则最多有两个条件,每个规则要么属于一个循环,要么定义了循环之间的连接。3-内核程序可以具有积极的条件。三核范式对于程序一致性的静态分析非常有用,即,答案集存在性的句法刻画。这一结果可以得到感谢一种新的图形表示的程序,称为循环图,其中提出的配套文章\cite{Cos04b}。
2004-10-06 cs.AI
Technical Report: Inconsistency in Answer Set Programs and Extensions
Institut für Logic and Computation(逻辑与计算研究所);Technische Universität Wien(维也纳工业大学)
答案集编程(ASP)是一种基于非单调逻辑程序的著名问题求解方法。HEX程序通过外部原子扩展ASP,用于访问任意外部信息,这些信息可以引入输入程序中没有的值。在这项工作中,我们考虑不一致的ASP和HEX程序,即,没有答案的程序。我们研究不一致的特征,介绍了一种新的概念,解释不一致的输入事实,分析推理任务的复杂性,不一致分析的背景下,计算不一致的原因和技术。这一理论工作的动机是两个具体的应用程序,我们也提出。第一个是新的建模技术的查询回答子程序作为一个方便的替代众所周知的饱和技术。第二个应用程序是一个新的评估算法的HEX程序的基础上冲突驱动的学习程序具有多个组件:而对于某些程序类以前的技术遭受评估瓶颈,新的方法在我们的实验中表现出显着的,潜在的指数加速。由于众所周知的ASP扩展,如约束ASP和DL-程序对应于特殊情况下的HEX,所有提出的结果是有趣的超出了具体的形式主义。
2018-05-31 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
Towards Automated Integration of Guess and Check Programs in Answer Set Programming: A Meta-Interpreter and Applications
带有析取的回答集编程(ASP)为声明式表示和解决难题提供了一个强大的工具。许多NP完全问题可以以非常简洁和直观的方式编码在逻辑程序的答案集语义中,其中编码反映了NP问题的典型“猜测和检查”性质:该属性以多项式大小的证书对应于程序的稳定模型的方式编码。然而,全析取逻辑程序(DLP)的问题解决能力是超越NP,并捕获一类问题的多项式层次的第二层。虽然这些问题也有一个明确的“猜测和检查”结构,但在DLP中找到反映这种结构的编码有时可能是一个不明显的任务,特别是如果“检查”本身是一个coNP完全问题;通常,这样的问题是通过交错单独的猜测和检查程序来解决的,其中检查由检查程序的不一致性来表达。本文提出了基于元解释技术的无头循环(扩展)析取逻辑程序到分层正(扩展)析取逻辑程序的一般变换。原始程序和变换后的程序的答案集是简单对应的,而且,原始程序的不一致性由变换后的程序的指定答案集指示。我们的转换促进了独立的“猜测”和“检查”程序,这往往是很容易获得,自动集成到一个单一的析取逻辑程序。我们的研究结果补充了最近的结果元解释在ASP中,并扩展方法和技术的声明性的“猜测和检查”的问题解决范式,通过ASP。
2005-01-28 cs.AI
Planning and Scheduling in Hybrid Domains Using Answer Set Programming
University of Arkansas at Pine Bluff(阿肯色大学松崖分校)
在本文中,我们提出了一个行动的回答集编程为基础的方法来解决规划和调度问题的混合域-域表现出离散和连续的行为。我们使用动作语言H表示域,然后将得到的理论转化为A-Prolog程序。通过这种方式,我们减少了寻找解决方案的问题,规划和调度问题的计算答案集的A-Prolog程序。我们从文献中引用了一个计划和调度的例子,并展示了如何在H。我们将展示如何将所得到的H理论转化为一个等价的A-Prolog程序。我们计算得到的程序使用的混合求解器称为EZCSP松散集成的约束求解器与答案集求解器的答案集。求解器允许我们推理实数上的约束,并计算复杂计划和调度问题的解决方案。结果表明,我们的方法可以适用于任何规划和调度问题的混合域。
2013-01-08 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
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
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
A Brief History of Updates of Answer-Set Programs
NOVA LINCS, Universidade Nova de Lisboa(NOVA LINCS,新里斯本大学)
在过去的几十年里,已经有相当多的努力致力于在稳定模型语义(a.k.a.)下更新逻辑程序的问题。答案集程序),或者换句话说,当一个逻辑程序所描述的世界发生变化时,如何表征它的结果。虽然最先进的方法是由相同的基本直觉和愿望作为信念更新在经典逻辑的背景下,他们建立在根本不同的原则和方法,这阻碍了一个统一的框架,可以包括信念和规则更新。在本文中,我们将概述一些与答案集编程更新相关的主要方法和结果,同时指出这一主题的研究所面临的一些主要挑战。
2022-02-19 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
Program Transfer for Answering Complex Questions over Knowledge Bases
BNRist(北京国家信息科学与技术研究中心);Tsinghua University(清华大学);Huawei Technologies(华为技术有限公司)
用于回答知识库(KB)上的复杂问题的程序归纳旨在将问题分解为多步程序,其对KB的执行产生最终答案。学习诱导程序依赖于大量的并行问题程序对给定的知识库。然而,对于大多数知识库,黄金程序注释通常是缺乏的,使学习困难。在本文中,我们提出了程序转移的方法,其目的是利用有价值的程序注释的丰富资源的知识库作为外部监督信号,以帮助程序诱导的低资源的知识库,缺乏程序注释。对于程序传输,我们设计了一个新的两阶段解析框架,有效的本体指导修剪策略。首先,草图解析器将问题转换为高级程序草图,即函数的组成。第二,给定问题和草图,参数解析器从KB中搜索函数的详细参数。在搜索过程中,我们结合知识库本体来修剪搜索空间。在ComplexWebQuestions和WebWebCriminalSP上的实验表明,该方法的性能明显优于SOTA方法,证明了程序迁移和框架的有效性。我们的代码和数据集可以从https://github.com/THU-KEG/ProgramTransfer获得。
2022-03-10 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
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
Probabilistic Answer Set Programming with Discrete and Continuous Random Variables
University of Ferrara(费拉拉大学)
针对PASP仅支持离散随机变量的局限,本文提出HPASP框架以结合离散与连续变量,实现并评估两类精确算法(投影枚举、知识编译)和两类近似采样算法,发现知识编译提升精确推理性能,采样适用于大实例。
2024-09-30 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 general approach to belief change in answer set programming
Simon Fraser University(西蒙菲莎大学)
我们解决问题的信念改变(非单调)逻辑编程下的答案集语义。与以往的方法,相信逻辑编程的变化,我们的形式化技术类似于那些基于距离的信念修正命题逻辑。在发展我们的结果,我们建立在SE模型提供的逻辑程序的模型理论。由于SE模型提供了一个正式的,单调的逻辑程序的特点,我们可以适应技术从信仰的修订领域的信念改变逻辑程序。我们分别介绍了修改和合并逻辑程序的方法。对于前者,我们研究了基于子集的修订以及基数为基础的修订,我们表明,他们满足大多数的AGM修改假设。对于合并,我们考虑仲裁合并和IC合并后的运营商,分别。我们还提出了编码计算的修订,以及合并的逻辑程序在同一逻辑编程框架内,引起我们的方法在现成的答案集求解器方面的直接实施。这些编码反过来反映了这样一个事实,即我们的变化操作符并没有增加基本形式主义的复杂性。
2009-12-30 cs.AI
Nested HEX-Programs
Technische Universität Wien(维也纳工业大学)
ASP(Spectral-Set Programming)是一种成熟的声明式编程范式。然而,传统的ASP缺乏子程序调用,就像在过程编程中一样,并且通常无法访问外部计算(如远程过程调用)。这个特性是为了增加模块化和-假设适当的访问-对子程序结果的(Meta)推理。虽然HEX程序通过外部源访问扩展了经典ASP,但它们不支持预先调用(子)程序。我们提出了嵌套的HEX程序,扩展HEX程序,以满足所需的功能,在一个用户友好的方式。值得注意的是,可以单独访问被调用子程序的答案集。这对于需要对答案集进行推理的应用程序特别有用,例如置信集合并、用户定义的聚合函数或答案集的偏好。
2011-08-29 cs.AI
Planning with Incomplete Information in Quantified Answer Set Programming
New Mexico State University(新墨西哥州立大学);Omaha State University(奥马哈州立大学);University of Potsdam(波茨坦大学)
我们提出了一个通用的方法来规划与不完全信息的答案集编程(ASP)。更确切地说,我们考虑的问题,符合和条件规划与感知行动和假设。我们表示规划问题,使用一个简单的形式主义,其中逻辑程序描述的状态,初始状态和目标状态之间的过渡函数。为了解决规划问题,我们使用量化答案集编程(QASP),ASP的扩展与原子上的存在和通用量词类似于量化布尔公式(QBF)。我们定义了量化的逻辑程序的语言,并用它来表示符合和条件规划的不同变体的解决方案。在实践方面,我们提出了一个基于约束的QASP求解器,量化的逻辑程序转换成QBF,然后执行QBF求解器,我们实验评估的方法一致性和条件规划基准。正在考虑接受TPLP。
2021-08-13 cs.AI
Smodels: A System for Answer Set Programming
Smodels系统实现了正常逻辑程序的稳定模型语义。它处理一个子类的程序,其中不包含函数符号,并且是域限制的,但支持扩展,包括内置函数以及基数和权重约束。在这个核心引擎之上,可以构建更多涉及的系统。作为一个例子,我们已经实现了析取逻辑程序的整体和部分稳定模型计算。一种有趣的应用方法是基于答案集编程,即,将应用问题编码为一组规则,使得其解决方案由规则的稳定模型捕获。SModels已被应用于许多领域,包括规划,模型检验,可达性分析,产品配置,动态约束满足,和功能交互。
2000-03-08 cs.AI
Inductive Learning of Answer Set Programs from Noisy Examples
Imperial College London(伦敦帝国理工学院)
近年来,非单调归纳逻辑程序设计受到了越来越多的关注。具体来说,已经引入了几种新的学习框架和算法,用于在答案集语义下学习,允许学习涉及默认和异常的常识知识,这是人类推理的基本方面。在本文中,我们提出了一个噪声容忍概括的学习答案集框架。我们评估我们的ILASP3系统,在合成和真实的数据集,在新的框架中表示。特别是,我们表明,在许多数据集ILASP3实现了更高的准确性比其他ILP系统,以前已被应用到数据集,包括最近提出的微分学习框架。
2018-08-25 cs.AI
Disjunctive Answer Set Solvers via Templates
University of Genova(热那亚大学);University of Nebraska at Omaha(内布拉斯加大学奥马哈分校)
答案集编程是一种面向困难的组合搜索问题的声明式编程范式。答案集编程的一个基本任务是计算稳定的模型,即,逻辑程序的解。答案集求解程序是执行此任务的程序。判定一个析取程序是否有稳定模型的问题是$Σ^P_2$ -完全的.在析取逻辑编程中推理的高度复杂性是少数能够处理此类程序的求解器的原因,即DLV,GnT,Cmodels,CLASP和WASP。在本文中,我们表明,过渡系统引入Nieuwenhuis,Oliveras和Tinelli模型和分析可满足性求解器可以适用于析取答案集求解器。过渡系统提供了一个统一的视角,并使求解器的描述和比较变得清晰。它们可以有效地用于分析、比较和证明搜索算法的正确性,也可以启发析取答案集求解器设计的新思路。有鉴于此,我们介绍了一个通用的模板,占析取求解器中实现的主要技术。然后,我们说明了这个通用模板如何捕获求解器DLV,GnT和Cmodels。我们还展示了这个框架如何提供了一个方便的工具,设计新的求解算法,通过在不同的求解器中采用的技术相结合。
2015-10-06 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
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
Preferred Answer Sets for Ordered Logic Programs
我们扩展答案集语义处理不一致的程序(包含经典否定),通过找到一个“最佳”的答案集。在不一致的程序中,规则的偏序是很自然的,表示满足某些规则的偏好,可能以违反不太重要的规则为代价。我们表明,这样的规则顺序诱导一个自然的顺序扩展的答案集,我们称之为首选答案集的最小元素。我们描述了所得到的语义的表达性,并表明它可以模拟否定失败,析取和其他一些形式主义,如逻辑程序有序析取。该方法被证明是有用的,在几个应用领域,例如修复数据库,其中最小的维修对应于首选的答案集。逻辑程序设计理论与实践(Theory and Practice of Logic Programming,TPLP)
2004-07-19 cs.AI cs.LO
Translating Answer-Set Programs into Bit-Vector Logic
Aalto University School of Science(阿尔托大学理学院)
答案集编程(ASP)是一种用于声明性问题解决的范例,其中问题首先被形式化为规则集,即,答案集程序,在一个统一的方式,然后通过计算程序的答案集解决。可满足性模理论(SMT)框架遵循类似的建模哲学,但语法是基于命题逻辑的扩展,而不是规则。最近,提供了从答案集程序到差分逻辑的翻译-使特定SMT求解器能够用于答案集的计算。在本文中,翻译的另一个SMT片段,即固定宽度的位向量理论的基础上进行了修改。因此,甚至可以利用更多的SMT求解器来计算答案集。初步的实验比较的结果也报告。他们建议的性能水平,这是通过不同的逻辑实现类似。
2011-08-30 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
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
Justifications for Logic Programs under Answer Set Semantics
New Mexico State University(新墨西哥州立大学)
本文介绍了应答集编程(ASP)中的离线调整的概念。理由提供了一个基于图形的解释原子w.r.t.的真值。给定的答案集。本文还扩展了这一概念,以提供合理的原子在计算的答案集(在线理由),并提出了一个集成的在线理由内的计算模型Smodels。离线和在线的理由提供了有用的工具,以加强对ASP的理解,他们提供了一个基本的数据结构,以支持方法和工具,调试答案集程序。已在ASP-PROGRAM中开发了一个初步实施方案。(To逻辑程序设计理论与实践(Theory and Practice of Logic Programming,TPLP)
2008-12-03 cs.AI cs.PL
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