Abstract Answer Set Solvers with Learning
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Department of Computer Science（计算机科学系）
Nieuwenhuis，Oliveras和Tinelli（2006）展示了如何使用转换系统而不是伪代码来描述Davis-Putnam-Logemann-Loveland算法的增强。我们设计了一个类似的框架，几个算法，生成答案集的逻辑程序：Smodels，Smodels-CC，Asp-Sat与学习（Cmodels），和一个新设计和实现的算法Sup。这种描述答案集求解器的方法使得证明它们的正确性、比较它们以及设计新系统变得更加容易。
2010-01-06 cs.AI cs.LO
Making Use of Advances in Answer-Set Programming for Abstract Argumentation Systems
Institute of Information Systems（信息系统研究所）；Vienna University of Technology（维也纳工业大学）
Dung著名的抽象论证框架代表了论证领域中许多问题和应用的核心形式主义，这些问题和应用在过去十年中得到了显著的发展。因此，该领域最近的工作集中在这些框架的实现上，其中一个主要方法是使用混合集编程（ASP）。虽然一些论证语义可以在ASP语言中很好地表达，但其他的则需要相当麻烦的编码技术。ASP系统的最新进展，特别是ASP包gringo/claspD的元ASP优化前端提供了直接命令来过滤满足某些子集最小（或最大）约束的答案集。与标准ASP语言相比，这允许更简单的编码。在本文中，我们实验比较原始的编码（为论证语义的基础上首选的，半稳定的，并分别，阶段扩展）与新的元ASP编码。此外，我们为最近推出的基于分辨率的接地语义提供了新的编码。我们的实验结果表明，元ASP方法在编码问题的复杂性充分反映在元ASP方法的情况下工作良好。
2011-08-24 cs.AI
Towards an ASP-Based Architecture for Autonomous UAVs in Dynamic Environments (Extended Abstract)
传统的人工智能推理技术已经成功地应用于许多领域，包括物流，调度和游戏。本文是一个项目的一部分，旨在研究如何将这种技术扩展到协调团队的无人机（UAV）在动态环境中。特别具有挑战性的是真实世界的环境，无人机和其他支持网络的设备必须进行通信以进行协调，而通信行为既不可靠也不自由。这种以网络为中心的环境在军事、公共安全和商业应用中很常见，但大多数研究（甚至是多智能体规划）通常将分布式智能体之间的通信视为给定。我们通过开发一个基于回答集编程（ASP）的代理体系结构和推理算法来解决这一挑战。虽然ASP已成功地用于一些应用程序，据我们所知，这是第一个实际应用的一个完整的基于ASP的代理架构。它也是ASP的第一个实际应用，涉及集中推理，分散推理，执行监控和网络通信推理的组合。
2014-05-21 cs.AI cs.MA
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
Smart Expansion Techniques for ASP-based Interactive Configuration
University of Potsdam, Germany（波恩大学）
本文提出基于ASP的智能扩展技术，改进多轮求解性能，通过四种智能扩展功能提升大规模工业配置问题的求解效率，并提供直观的用户界面。
2025-07-28 cs.AI cs.SE
Expressivity Results for Structured Argumentation Frameworks with Uncertain Rules and Premises
Consiglio Nazionale delle Ricerche（意大利国家研究委员会）
本文研究了结构化论证框架中不确定规则和前提的表达性，比较了抽象和结构化模型的表达性，提出了正负向的表达性结果。
2026-10-26 cs.AI cs.LO
Stepwise Debugging of Answer-Set Programs
Technische Universität Wien（维也纳工业大学）；Universität Leipzig（莱比锡大学）
我们介绍了一个步进方法的答案集编程（ASP），允许调试答案集程序，是基于逐步应用的规则。类似于命令式语言中的调试，其中程序的行为是在逐步执行期间观察的，ASP的单步执行允许观察规则应用程序在计算答案集时的效果。虽然这种方法的灵感来自命令式编程中的调试，但由于ASP固有的非确定性和声明性，它在概念上与其他范例中的单步执行不同。特别是，与遵循严格控制流执行的命令式程序中的语句不同，在计算期间没有预先确定的顺序来考虑ASP中的规则。在我们的方法中，用户可以根据自己的直觉自由决定在下一步中考虑哪个规则是有效的。这样，可以将注意力集中在调试搜索空间中感兴趣的部分。通过揭示程序的实际语义和用户期望之间的差异，在单步执行期间检测错误。作为一个坚实的正式的基础，步进，我们开发了一个框架的计算答案集的程序。为了完全支持不同的求解器语言，我们建立了一个抽象的ASP语言，是足够一般的捕捉不同的求解器语言我们的框架。为此，我们利用抽象约束作为流行的语言结构，如聚合的一个既定的抽象。Stepping已在SeaLion中实现，SeaLion是一个ASP.我们使用一个示例场景来说明步进，并讨论SeaLion的步进插件。此外，我们阐述了方法方面和嵌入的ASP开发过程中的步进。
2017-05-18 cs.AI cs.LO cs.PL
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
Abduction, ASP and Open Logic Programs
开放逻辑程序和开放蕴涵是最近提出的一种基于正常逻辑程序和稳定模型语义的不完全规范验证的抽象框架。开谓词和可溯谓词之间有明显的相似之处。然而，尽管表面上有相似之处，但开放程序的一些特征在溯因框架中没有直接的对应物，反之亦然。类似地，开放程序不能立即用答案集编程（ASP）模拟。在本文中，我们开始一个深入的调查之间的关系开放推理，溯因推理和ASP。我们将证明开放程序推广了其他两个框架。广义框架下的广义稳定模型语义的溯因提出了有趣的扩展。在某些情况下，我们将能够减少开放推理的溯因推理和ASP，从而估计其计算复杂性。与此同时，上述减少开辟了新的应用程序的外展和ASP。
2002-07-07 cs.AI
Utilizing ASP for Generating and Visualizing Argumentation Frameworks
Vienna University of Technology（维也纳工业大学）
在论证的计算模型领域内，基于实例的方法正获得越来越多的关注，至少不是因为以这种方式为Dung的抽象框架提供了有意义的输入。简而言之，基于实例的论证的目的是从给定的知识库中形成一组论点，并识别它们之间的冲突。然后，在抽象级别上，即在结果图上，通过基于扩展的语义来评估所得到的网络。虽然现在有几个系统可用于后一步，但实例化过程本身的自动化受到的关注较少。在这项工作中，我们提供了一种新的方法来构建和可视化的论证框架，从一个给定的知识库。我们提出的系统依赖于决策集编程，并遵循两步的方法。第一个程序产生的逻辑为基础的参数作为其答案集;第二个程序，然后用于指定的基础上的第一个程序的答案集参数之间的关系。事实证明，这种方法不仅为基于实例的论证提供了一种灵活和可扩展的工具，而且还为答案集的可视化提供了一种新的方法。
2013-01-08 cs.AI
Counterfactual and Semifactual Explanations in Abstract Argumentation: Formal Foundations, Complexity and Computation
University of Calabria（卡拉布里亚大学）
本文研究抽象论证框架中的反事实与半事实解释，分析其推理复杂性并证明其通常难于经典接受问题，同时给出基于弱约束框架和 ASP 求解器的计算方法。
2024-05-07 cs.AI
Memora: A Harmonic Memory Representation Balancing Abstraction and Specificity
Microsoft（微软）
提出Memora记忆表示，通过主抽象和线索锚点平衡抽象与特异性，结合检索策略实现高效上下文感知检索，在LoCoMo和LongMemEval基准上达到新最优。
2026-07-03 cs.AI
ConArg: a Tool to Solve (Weighted) Abstract Argumentation Frameworks with (Soft) Constraints
INRIA-Rocquencourt（罗克库尔法国国家信息与自动化研究所）
ConArg是一个基于约束编程的工具，可用于建模和解决与抽象论证框架（AF）相关的不同问题。为了实现这个工具，我们使用了JaCoP，这是一个Java库，为用户提供了一个有限域约束编程范例。ConArg能够随机生成具有小世界特性的网络，以便在这种交互图上找到无冲突、可容许、完全、稳定接地、首选、半稳定、阶段和理想扩展。我们介绍了ConArg的主要功能，并及时报告了性能，还与ASPARTIX [1]进行了比较，ASPARTIX是一种使用答案集编程的类似工具。使用约束求解技术可以解决[2]中提出的问题的复杂性。此外，我们建议基于半环的软约束作为一种手段来参数化地表示和解决加权论证框架：与攻击相关的不同类型的偏好水平，例如，表示“future”、“cost”或概率的得分可以通过选择半环代数结构的不同实例来表示。其基本思想是提供一个通用的计算和定量框架。
2013-01-16 cs.AI
Towards Abstraction in ASP with an Application on Reasoning about Agent Policies
TU Wien（维也纳工业大学）
ASP程序是解决问题的方便工具，而对于大型问题实例，状态空间的大小可能会令人望而却步。我们认为抽象作为一种手段的过度近似，并介绍了一种方法来自动抽象（可能是非地面）ASP程序，保留其结构，同时减少问题的大小。一个特定的应用程序的情况下，定义声明性的政策反应式代理和推理的问题，我们举例说明。
2018-09-18 cs.AI cs.LO
A Uniform Treatment of Aggregates and Constraints in Hybrid ASP
University of Corunna（拉科鲁尼亚大学）；University of Potsdam（波茨坦大学）
以一般的方式描述混合ASP解决方案是困难的，因为需要从特定的理论中抽象出来。受惰性SMT求解的启发，这通常通过将理论原子视为不透明来解决。与此不同的是，我们提出了一个稍微透明的方法，其中包括一个术语的抽象概念。我们不对术语强加语法，而是通过只规定一些基本属性来保持它们的抽象性。有了这个，我们进一步开发了一个语义框架的混合ASP解决方案，并提供聚合函数的理论变量，坚持不同的语义原则，表明他们概括现有的聚合语义在ASP和我们如何可以依靠现成的混合求解器的实施。
2020-03-13 cs.AI cs.LO
Disjunctive ASP with Functions: Decidable Queries and Effective Computation
一般来说，查询具有函数的分离式ASP是一项高度不可判定的任务。在本文中，我们专注于分层否定和功能的析取逻辑程序下的稳定模型语义（ASP^{fs}）。我们表明，在这种设置下的查询回答是可判定的，如果查询是递归的（ASP^{fs}_{fr}）。我们的证明收益率也是一个有效的查询评估方法。这是通过将魔术集技术扩展到ASP^{fs}_{fr}来实现的。我们表明，魔术集重写程序查询相当于原来的（勇敢和谨慎的推理下）。此外，我们证明了重写程序也是可判定的，这意味着它是可判定的。重要的是，可使用现有的ASP求解器来评估基础程序，从而使ASP^{fs}_{fr}查询类在实践中可用。
2010-07-22 cs.LO
Omission-based Abstraction for Answer Set Programs
抽象是一种众所周知的简化复杂问题的方法，通过故意丢失信息来过度近似它。到目前为止，在回答集编程（ASP）中还没有考虑到它，这是一个解决问题的方便工具。我们介绍了一种自动抽象ASP程序的方法，该方法通过减少词汇表同时确保过度近似（即，每个原始答案集映射到某个抽象答案集）。这允许生成可以帮助近似推理的部分答案集候选。由于搜索空间较小，计算抽象答案集直观上更容易，但代价是遇到虚假答案集。忠实（非虚假）的抽象可以用来表示投影的答案集，并在答案集构造中指导求解器。为了处理虚假的答案集，我们采用了ASP调试方法来帮助抽象细化，它确定原子被严重忽略，并将它们添加回抽象中。作为一个展示的情况下，我们应用抽象来解释ASP程序的阻塞集，这是一组原子，使抽象到他们保留不可满足性方面的不可满足性。实验结果证明了它们的实用性。
2020-04-03 cs.LO
Dynamic Magic Sets for Super-Consistent Answer Set Programs
在ASP的许多实际应用中，如数据集成、规划等，查询响应是非常重要的，因此ASP的查询优化技术是人们非常感兴趣的。魔术集是这些技术中的一种，最初是为Datasheet查询（没有析取和否定的ASP）定义的。动态魔术集（DMS）是这种技术的一个扩展，它已被证明是健全的和完整的查询回答ASP程序与分层否定。DMS的一个显着特点是，在ASP引擎的不确定性阶段也可以利用优化。特别是，在计算过程中做出一些假设之后，程序的某些部分可能会变得与这些假设下的查询无关。这允许搜索空间的动态修剪，这可能导致指数性能增益。本文对超一致ASP程序类（ASP^{sc}程序）进行了勇敢谨慎推理，形式化地建立并证明了DMS的正确性。ASP^{sc}程序保证一致性（即，有答案集），当一组任意的事实被添加到其中时。这一结果推广了DMS的适用性，因为ASP^{sc}程序的类比具有分层否定的ASP程序更丰富，特别是包括所有无奇循环的程序。DMS已被实现为DLV的扩展，DMS的有效性，ASP^{sc}程序的经验证实了与该系统的实验结果。
2010-11-19 cs.LO
An Approach to the Abstract Interpretation of Goal-Directed Answer Set Programming
IMDEA Software Institute（IMDEA软件研究所）；University of Texas at Dallas（德克萨斯大学达拉斯分校）；Spanish Council for Scientific Research (CSIC)（西班牙国家科学研究委员会）
该研究针对目标导向答案集编程，提出基于PLAI不动点的自顶向下算法及共享约束抽象域，通过三个应用研究其在s(CASP)中的实用性，证明编译时静态分析可改进目标导向ASP程序评估。
2026-07-23 cs.LO
Intensional Kleene and Rice Theorems for Abstract Program Semantics
可计算性理论中的经典结果，特别是赖斯定理，集中于程序的扩展内容，即程序计算的部分递归函数。后来和最近的工作调查了这些结果的内涵概括，这些结果考虑到函数计算的方式，从而受到计算它们的特定程序的影响。在本文中，我们挑出一类新的程序语义的基础上抽象域的程序属性，能够捕捉非扩展方面的程序计算，如其渐近复杂性或逻辑不变，并允许我们概括一些基本的可计算性结果，如赖斯定理和Kleene的第二递归定理，这些语义。特别是，事实证明，对于这一类的抽象程序语义，任何非平凡的抽象属性是不可判定的，每一个可判定的过度近似必然包括一个无限的假阳性集，涵盖了语义抽象域的所有值。
2021-09-14 cs.FL cs.LO
