Propositional theories are strongly equivalent to logic programs
本文给出了在回答集语义下命题理论的一个性质（一般语法称为均衡逻辑）：任何理论总是可以被重新表示为强等价的析取逻辑程序，可能在头部带有否定。我们提供了两个不同的证明这一结果：一个涉及到一个句法转换，和一个，构建一个程序从这里和那里的中间逻辑的理论的反模型。
2007-01-16 cs.AI cs.LO
LPC(ID): A Sequent Calculus Proof System for Propositional Logic Extended with Inductive Definitions
Carnegie Mellon University（卡内基梅隆大学）；Katholieke Universiteit Leuven（鲁汶大学）
逻辑FO（ID）使用来自逻辑编程领域的思想来扩展具有非单调归纳定义的一阶逻辑。这种逻辑形式上扩展了逻辑程序设计、溯因逻辑程序设计和数据逻辑，从而将对这些形式主义的看法形式化为（广义）归纳定义的逻辑。本文的目标是研究FO（ID）的命题片段PC（ID）的演绎推理方法。我们引入了一个正式的证明系统的基础上的演算（根森式演绎系统），这种逻辑。由于PC（ID）是经典命题逻辑和命题归纳定义的集成，我们的推理演算证明系统集成了命题演算和定义的推理规则。我们提出了这个证明系统的可靠性和完整性，相对于PC（ID）的一个略有限制的片段。我们还提供了PC（ID）的一些复杂性结果。通过对PC（ID）证明系统的开发，有助于加深对FO（ID）证明理论基础的理解，从而研究FO（ID）的有效证明系统。
2012-07-11 cs.AI cs.LO
Sequential decomposition of propositional logic programs
Vienna University of Technology（维也纳工业大学）
本文通过研究程序间在半群理论中著名的Green关系$\mathcal{L,R,J}$，探讨了命题逻辑程序的顺序分解问题，为迈向逻辑程序设计的代数理论迈出了进一步的一步。
2023-09-14 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
On the Complexity and Properties of Preferential Propositional Dependence Logic
Artificial Intelligence Group, University of Hagen（汉内斯大学人工智能小组）；Theoretical Computer Science, Leibniz University Hannover（汉诺威莱比锡大学理论计算机科学）；Department of Mathematics and Statistics, University of Helsinki（赫尔辛基大学数学与统计学系）
本文研究命题依赖逻辑中的 KLM 风格偏好推理，刻画其满足 System P 的条件，分析与团队命题逻辑的差异，并给出模型表示及两种表示下的复杂性结果。
2025-05-13 cs.AI cs.LO
Belief merging within fragments of propositional logic
Aix Marseille Université（艾克斯-马赛大学）；CNRS（法国国家科学研究中心）；Vienna University of Technology（维也纳工业大学）
最近，在命题逻辑片段的框架内的信念变化得到了越来越多的关注。以往的研究主要集中在Horn片段上的信念收缩和信念修正。然而，在命题逻辑的片段的信念合并的问题一直被忽视。本文提出了一种通用的方法来定义新的合并运算符来自现有的，这样的合并结果仍然在考虑中的片段。我们的方法不仅限于霍恩片段的情况下，但适用于任何片段的命题逻辑的特点是封闭属性的模型集的公式。我们研究的逻辑属性的建议运营商的合并假设的满意度，特别考虑到基于距离的合并运营商的霍恩和克罗姆片段。
2014-04-25 cs.AI cs.LO
Propositional Measure Logic
Federal University of Ceará（北里约格兰德联邦大学）
本研究提出具有概率语义的命题测度逻辑，用[0,1]区间的实值测度表示公式真度，保留经典逻辑演绎结构，证明了系统可靠性，可用于不确定性推理，并尝试解决贝叶斯网络中的一个难题。
2025-04-24 cs.AI cs.LO
PVS Embeddings of Propositional and Quantified Modal Logic
SRI International（斯坦福国际研究院）
模态逻辑允许推理各种模式的真理：例如，它意味着什么的东西可能是真的，或者知道的东西是真的，而不是仅仅相信it.This报告描述了嵌入的命题和量化模态逻辑的PVS验证系统。PVS的资源允许以一种有吸引力的方式来完成这一点，该方式支持模态逻辑的大部分标准语法，同时提供有效的自动化。该报告介绍并正式指定和验证了模态逻辑中的几个标准主题，例如标准模态公理和可达性关系的属性之间的关系，以及Barcan公式的属性及其在常数和变化域中的逆。
2022-05-12 cs.AI cs.LO
Interpolation in Equilibrium Logic and Answer Set Programming: the Propositional Case
King’s College London（伦敦国王学院）；Universidad Politécnica de Madrid（马德里理工大学）；Universidad de Málaga（马拉加大学）
插值是经典逻辑和许多非经典逻辑的重要性质，在计算机科学和人工智能中有着重要的应用。在这里，我们研究的插值性质的命题版本的非单调系统的平衡逻辑，建立较弱或较强的形式的插值依赖于推理关系的精确解释。这些结果也产生了一种形式的插值地面逻辑程序下的回答集语义。对于析取逻辑程序，我们还研究了与变量遗忘概念密切相关的一致插值的性质。
2010-12-17 cs.AI cs.LO
A Probabilistic Approach to Satisfiability of Propositional Logic Formulae
University of New Hampshire（新罕布什尔大学）
我们提出了一个版本的WalkSAT算法，命名为BetaWalkSAT。该方法使用概率推理来偏置局部搜索算法的起始状态。Beta分布用于对文字的布尔值的置信度建模。我们的研究结果表明，提出的BetaWalkSAT算法可以优于其他的不知情的局部搜索方法复杂的布尔可满足性问题。
2019-12-04 cs.AI cs.LO
Linear Temporal Logic and Propositional Schemata, Back and Forth (extended version)
Laboratory of Informatics of Grenoble（格勒诺布尔信息学实验室）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔国立理工学院）
本文将著名的线性时态逻辑与作者提出的命题图式逻辑联系起来。我们证明了LTL是等价于一类图式的意义上，多项式时间减少存在从一个逻辑到其他。给出了关于复杂性的一些结论。我们报告的第一个实验和现有的实现可能的改进的后果进行了分析。
2011-04-19 cs.AI cs.LO
Redundancy in Logic II: 2CNF and Horn Propositional Formulae
我们报告的复杂性结果的冗余公式的2CNF形式。我们首先考虑的问题，检查冗余，并显示一些算法，略优于平凡的。然后，我们分析了相关的问题，找到非冗余等价子集（I.E.S.）一个给定的集合。循环性的概念被证明与这些问题的复杂性有关。给出了Horn公式的一些结果。
2005-06-21 cs.AI cs.LO
Prime Implicates and Prime Implicants: From Propositional to Modal Logic
University of Bremen（不来梅大学）
素蕴涵和素蕴涵已经被证明与人工智能的许多领域相关，最显著的是溯因推理和知识编译。本文的目的是研究如何将这些概念从命题逻辑适当地扩展到模态逻辑K。我们在论文的开头考虑了K的子句和术语的一些可能的定义。不同的定义进行评估方面的一组句法，语义和复杂性理论的性质特征的命题定义。然后，我们比较的定义方面的性质的概念，他们诱导的素蕴涵和素蕴涵。虽然没有定义，完美地概括了命题的概念，我们表明，确实存在一个定义，满足许多理想的性质的命题的情况下。在论文的后半部分，我们考虑了所选定义的计算性质。为此，我们提供了健全的和完整的算法生成和识别总理牵连，我们表明总理牵连识别任务是PSPACE完成。我们还证明了上界和下界的大小和数量的素数蕴涵。虽然本文的重点是逻辑K，我们所有的结果同样适用于多模态K和描述逻辑ALC中的概念表达式。
2014-01-15 cs.AI cs.LO
Decidability and Undecidability Results for Propositional Schemata
CNRS（法国国家科学研究中心）
我们定义了一个逻辑的命题公式图式添加到语法的命题逻辑索引命题和迭代连接词范围内的算术变量参数化的区间。可满足性问题是不可判定的，这个新的逻辑，但我们引入了一个非常一般的类的模式，称为有界线性，这个问题变得可判定。这个结果是通过减少到一个特定的类称为定期的模式，我们提供了一个健全的和完整的终止证明过程。这种模式演算允许一个捕获证明模式对应于一个大类的命题逻辑中指定的问题。我们还表明，可满足性问题再次成为不可判定的轻微扩展这一类，从而表明，有界线性模式代表了一个很好的妥协之间的表达性和可判定性。
2014-01-16 cs.AI cs.LO
Extending Defeasibility for Propositional Standpoint Logics
University of Cape Town（开普敦大学）；CAIR（非洲研究机构）；Université Sorbonne Paris Nord（巴黎-索邦大学）；Inserm（法国国家卫生研究院）
本文通过整合多种可废止性概念与立场逻辑，提出了一种新的命题立场逻辑可废止版本，支持在蕴涵、模态算子和立场锐化层面表达可废止性，并提供了偏好语义、可靠完备的tableau演算及PSpace复杂度证明。
2025-07-14 cs.AI cs.LO
Propositional Defeasible Logic has Linear Complexity
可废止逻辑是一种基于规则的非单调逻辑，它既有严格规则，又有可废止规则，而且规则上存在优先关系。我们表明，推理的命题形式的逻辑可以在线性时间。这与大多数其他命题非单调逻辑形成鲜明对比，其中推理是棘手的。
2004-05-24 cs.AI
Embedding Default Logic in Propositional Argumentation Systems
在本文中，我们提出了一个转换的有限命题默认理论到所谓的命题论证系统。这种转换允许表征所有概念的赖特的默认逻辑的框架内的论证系统。因此，计算扩展，或确定是否一个给定的公式属于一个扩展或所有扩展可以回答，而不离开经典命题逻辑领域。所提出的转换是线性的默认值的数量。
2002-07-16 cs.AI
Explainability via Short Formulas: the Case of Propositional Logic with Implementation
Tampere University（坦佩雷大学）
我们概念化的逻辑和公式大小的可解释性，给出了一些相关的定义，在一个非常一般的设置的可解释性。我们的主要兴趣是所谓的特殊解释问题，其目的是解释输入模型中输入公式的真值。解释是最小尺寸的公式，其（1）与输入模型上的输入公式一致，并且（2）将所涉及的真值全局地传输到输入公式，即，在每一个模型。作为一个重要的例子，我们研究命题逻辑在这种情况下，并表明，特殊的可解释性问题是完整的第二层次的多项式。我们还提供了一个实现这个问题的答案集编程和调查的能力，解释答案的n-皇后和支配集问题。
2022-10-25 cs.AI cs.LO
The intuitionistic fragment of computability logic at the propositional level
从可计算性逻辑的语义出发，给出命题直觉演算的可靠性和完备性证明。后者将公式解释为交互式计算问题，形式化为机器与其环境之间的游戏。直觉主义蕴涵被理解为在最弱的可能性-因此最自然-意义上的算法还原，析取和合取作为问题的确定性选择组合（析取=机器的选择，合取=环境的选择），而“荒谬”作为普遍力量的计算问题。请访问http://www.cis.upenn.edu/~giorgi/cl.html以获得关于可计算性逻辑的全面在线资源。
2006-02-11 cs.AI cs.LO math.LO
Local-search techniques for propositional logic extended with cardinality constraints
我们研究了局部搜索可满足性求解器扩展的基数原子命题逻辑，也就是说，表达式，提供明确的方式来模型的基数集的约束。将基数原子添加到命题逻辑的语言中有助于对搜索问题进行建模，并且通常会导致简洁的编码。我们提出了两个“本地”本地搜索求解器的理论在扩展语言。我们还描述了技术，以减少问题的标准命题可满足性，并允许我们使用现成的SAT求解器。我们对这些方法进行了实验研究。我们的总体发现是，专门为扩展语言设计的本地求解器比依赖于SAT求解器的间接方法执行得更好。
2003-10-31 cs.AI
Sequential composition of propositional logic programs
本文研究命题逻辑程序的顺序组合与分解，证明无环程序可分解为单规则程序，并利用组合表示直接后果算子以计算最小模型，从而弥合语法与语义的鸿沟。
2023-10-11 cs.AI cs.DB cs.DM
Logic programs with propositional connectives and aggregates
Google Inc（谷歌公司）
答案集编程（ASP）是一种逻辑编程范式，可用于解决复杂的组合搜索问题。聚合是一种ASP构造，在许多应用程序中起着重要作用。定义一个令人满意的语义聚合原来是一个困难的问题，在本文中，我们提出了一个新的方法，基于聚合和命题连接词之间的类比。首先，我们扩展了答案集/稳定模型的定义，以涵盖任意命题理论;然后，我们将聚合定义为原始构造和公式的缩写。我们的集合的定义结合了表达性和简单性，它继承了许多关于嵌套表达式程序的定理，如强等价和分裂定理。
2008-12-08 cs.AI
Towards Propositional KLM-Style Defeasible Standpoint Logics
University of Cape Town（开普敦大学）；CAIR（计算与人工智能研究所）；Technische Universität Dresden（德累斯顿工业大学）；Center for Scalable Data Analytics and Artificial Intelligence Dresden/Leipzig（德累斯顿/莱比锡可扩展数据分析与人工智能中心）
本文提出可废止受限立场逻辑DRSL，整合排序解释与立场结构构建其语义，将KLM的理性闭包扩展到该逻辑并给出等价的算法与语义刻画，验证其蕴涵检验复杂度与命题KLM一致。
2024-10-05 cs.AI
On Forgetting in Tractable Propositional Fragments
Guizhou University（贵州大学）
从知识库中提取与字母表子集相关的部分，这被认为是遗忘，已经引起了人工智能社区的广泛兴趣。在标准命题逻辑中，对于可满足性易处理的各种片段，仍然缺乏一种通用的遗忘算法及其面向计算的研究。本文旨在填补这一空白。在讨论了命题逻辑中遗忘的一些基本性质后，给出了CNF片段的基于分解的遗忘算法，并给出了Horn、可重命名Horn、q-Horn、Krom、DNF和CNF片段的遗忘复杂度结果.
2015-02-10 cs.AI
A Complete Calculus for Possibilistic Logic Programming with Fuzzy Propositional Variables
Universitat de Lleida (UdL)（莱里达大学）；CSIC（西班牙国家研究委员会）
本文提出了一种用于可能性不确定性推理和表示模糊知识的命题逻辑程序设计语言。公式由对（A，c）表示，其中A是多值命题，c是单位区间[0，1]中的值，它表示关于A的信念在必要性测度方面的下界。信念状态的所有多值解释的集合上的可能性分布建模。在这个框架中，（i）定义了一般不确定性逻辑的语法和语义，（ii）给出了Horn-规则子语言的一个前件式演算，并证明了它对于确定模糊命题变量从公式集合中导出的最大可能性信念度是完备的;最后，（iii）我们展示了如何计算模糊命题变量之间的部分匹配，在必要性措施的模糊集，可以包括在我们的逻辑编程系统。
2013-01-16 cs.AI
Extending and Automating Basic Probability Theory with Propositional Computability Logic
DongA University（东亚大学）
经典概率论是用集合来表述的。本文用命题可计算性逻辑扩展了经典概率论。与其他形式主义不同，可计算性逻辑建立在事件/博弈的概念上，这是概率论的核心。因此，基于CoL的概率理论是有用的{ \it自动化}不确定性推理。我们描述了这个新的概率论的一些基本性质。我们还讨论了一种新的集合运算和可计算性逻辑运算之间的同构。
2020-06-22 cs.AI math.LO math.PR
Towards Proof Synthesis Guided by Neural Machine Translation for Intuitionistic Propositional Logic
IBM Research -- Tokyo（IBM研究院（东京））；Kyoto University（京都大学）
受深度神经网络（DNN）在机器学习中的最新发展的启发，我们探索了它们在PL相关主题中的应用。本文是实现这一目标的第一步;我们提出了一种无否定命题逻辑的证明合成方法，其中我们使用DNN来获得证明搜索的指南。这个想法是把证明综合问题看作是从命题到其证明的转换。我们训练seq 2seq，这是神经机器翻译中的一个流行网络，因此它生成一个编码为给定命题的$λ$ -项的证明。我们实现了整个框架，并根据经验观察到，生成的证明项在AST的树编辑距离方面接近于正确的证明。这一观察结果证明了使用经过训练的seq 2seq模型的输出作为证据搜索的指导是合理的。
2017-06-20 cs.AI cs.LO cs.PL
Combining Propositional Logic Based Decision Diagrams with Decision Making in Urban Systems
解决多智能体问题可能是一项艰巨的任务，由于环境的不确定性，部分可观察性和手头问题的可扩展性。特别是在城市环境中，有更多的挑战，因为我们还需要保持所有用户的安全，同时最大限度地减少代理的拥塞以及他们的旅行时间。为此，我们解决了不确定性和部分可观测性下的多智能体寻路问题，其中智能体的任务是从起点移动到终点，同时还满足一些约束，例如，低拥塞，并将其建模为多智能体强化学习问题。我们使用命题逻辑编译域约束，并将其与RL算法相结合，以实现RL的快速模拟。
2020-11-10 cs.AI
Social choice rules driven by propositional logic
Universitat Autònoma de Barcelona（巴塞罗那自治大学）
社会选择的几个规则进行审查，从一个统一的观点，把它们看作是根据某些特定的逻辑约束，修改信仰程度的系统的程序。在这里，信仰是一种社会属性，其程度是由赞同某一观点的人的比例来衡量的。不同的已知的规则和一些新的，得到取决于特定的约束条件。这些限制允许对不同的精致概念进行建模。特别地，我们给出了一个新的方法来处理赞成-反对-优先投票。
2015-05-05 cs.AI
New Polynomial Classes for Logic-Based Abduction
我们解决基于命题逻辑的溯因问题，即，根据给定的命题知识库，为给定的命题观测寻找最佳解释的问题。我们给出了一个通用的算法，投影的概念的基础上，然后我们研究的知识库和查询的表示限制，并找到新的多项式类的绑架问题。
2011-06-26 cs.AI
Curved Boolean Logic: A Contextual Generalization of Propositional Logic with Algorithmic Consequences
Independent Researcher（独立研究者）
弯曲布尔逻辑（CBL）通过引入局部真值赋值推广命题逻辑，提出上下文感知证明演算及CBL-SAT复杂度分析，提供操作算子与噪声建模，并探讨其与SAT/CSP及大语言模型稳定性的联系。
2025-10-11 cs.AI cs.CC cs.LO
Characterization of Logic Program Revision as an Extension of Propositional Revision
National Institute of Informatics（国立信息学研究所）
我们解决了逻辑程序的信念修正问题，即，如何将一个新逻辑程序Q合并到一个逻辑程序P中。基于SE解释的结构，Delaware等人将著名的AGM框架应用于逻辑程序（LP）修订。他们确定了LP修正的合理行为，并引入了一些特定的算子。在本文中，所有的理性LP修订运营商的建设性的特征，给出了在命题解释的顺序与特定的SE解释的一些进一步的条件。它提供了一个直观的，完整的过程，所有合理的LP修订运营商的建设，并使其语义和计算性能的理解更容易。我们特别考虑非常一般形式的逻辑程序，即，广义逻辑程序。我们表明，每一个合理的GLP修订运营商是来自一个命题的修订运营商满足原来的AGM假设。有趣的是，特定于GLP修订的进一步条件独立于GLP修订操作符所基于的提议修订操作符。利用我们的表征结果，我们将GLP修正运算符嵌入到布尔格的结构中，这使我们能够揭示适应性AGM假设中的一些潜在弱点。为了说明我们的主张，我们引入和公理化的（理性）GLP修订运营商，可以说有一个激烈的行为两个特定的类的特征。我们还考虑了逻辑程序的两种更受限制的形式，即，析取逻辑程序（DLP）和正常逻辑程序（NLP）的特征化，并使我们的特征化结果适应DLP和NLP修正算子。
2015-06-30 cs.AI
Dependence in Propositional Logic: Formula-Formula Dependence and Formula Forgetting -- Application to Belief Update and Conservative Extension
依赖性是人工智能中许多任务的重要概念。通过丢弃与任务无关的东西，可以更有效地执行任务。本文提出了命题逻辑中两个新的依赖概念：公式-公式依赖和公式遗忘。第一个是公式之间的关系，捕获公式是否依赖于另一个公式，而第二个是独立于公式返回最强结果的操作。我们还将这两个概念应用于两个著名的问题：信念更新和保守扩展。首先，我们定义了一个新的更新操作的基础上公式公式依赖。此外，我们把保守扩张归结为公式遗忘。
2019-06-12 cs.AI
Fuzzy Propositional Formulas under the Stable Model Semantics
School of Computing, Informatics, and Decision Systems Engineering Arizona State University, Tempe, USA（计算机、信息与决策系统工程学院亚利桑那州立大学）
本研究定义了模糊命题公式的稳定模型语义，推广了模糊命题逻辑与经典命题公式的稳定模型语义，支持含分级真度的动态域的可配置非单调推理，扩展了布尔稳定模型的性质并梳理了与相关方法的关系。
2025-06-15 cs.AI
Reasoning about Minimal Belief and Negation as Failure
我们研究MBNF的命题片段中的推理问题，Lifschitz引入的最小信念和否定的逻辑，它可以被认为是几个非单调形式主义的统一框架，包括默认逻辑，自认知逻辑，限定，认知查询和逻辑编程。我们描述的复杂性，并提供算法的命题MBNF推理。特别是，我们表明，蕴涵命题MBNF位于第三级的多项式层次，因此，它比推理在所有上述命题形式主义的非单调推理。我们还证明了MBNF中的否定失败和摩尔的自认知逻辑中的否定内省之间的确切对应关系。
2011-06-01 cs.AI
Encoding Argumentation Frameworks to Propositional Logic Systems
本文将论证框架编码从二值命题逻辑推广到三值和模糊命题逻辑，通过正规编码和正则编码建立Dung经典语义、Gabbay实数等式语义与多种编码语义的对应关系，并提出新的模糊编码语义，为构造新论证语义提供框架。
2025-08-18 cs.AI math.LO
LogicLearner: A Tool for the Guided Practice of Propositional Logic Proofs
Columbia University（哥伦比亚大学）；Aiphabet, Inc.（Aiphabet公司）
LogicLearner是一款Web应用，通过逐步界面和自动求解器提供命题逻辑证明的引导练习，试点反馈积极，是唯一提供端到端无评判反馈的练习工具。
2025-03-25 cs.AI cs.DM cs.HC
In principle determination of generic priors
University of Adelaide（阿德莱德大学）
作为扩展逻辑的概率论是完备的，使得基本上任何概率都可以被确定。这是通过考虑命题逻辑（相对于谓词逻辑）作为句法足够和强加一个对称命题逻辑。它表明如何的概念的“可能性”和“属性”可能是充分表示在命题逻辑，使1）的原则无差异下降，并成为本质上组合和2）一个可以适当地表示假设，其中一个假设有一个空间的可能性，但不承担空间的大小。
2014-08-11 cs.AI math.ST stat.TH
