Operationalizing Declarative and Procedural Knowledge: a Benchmark on Logic Programming Petri Nets (LPPNs)
Informatics Institute, University of Amsterdam（阿姆斯特丹大学信息学研究所）
对复杂系统进行建模、指定和推理需要以集成的方式处理目标域的声明性和过程性方面。本文报告的逻辑编程Petri网（LPPNs），一个符号扩展Petri网与逻辑编程结构的命题版本进行的实验。提出了两种语义：通过事件演算将符号完全映射到ASP的指称语义;以及通过Petri网分别处理因果机制和通过应答集编程（ASP）处理与对象和事件相关联的约束的混合操作语义。这两个替代规范使得能够在计算效率方面进行经验评估。实验结果表明，混合语义比传统语义更有效。序列，而这两个语义遵循相同的行为w.r.t.分支（尽管在绝对值方面，外延分支表现得更好）。
2020-07-31 cs.AI
Direct Encoding of Declare Constraints in ASP
IRIT ANITI University of Toulouse（图卢兹大学IRIT ANITI研究所）；Università della Calabria（卡拉布里亚大学）
本文提出将 Declare 约束语义直接编码为 ASP 规则的新方法，无需 LTLf 公式或自动机等中间表示，并在两个流程挖掘任务中验证其有效性。
2024-12-13 cs.AI cs.LO
Declarative Problem Solving in UAM Strategic Deconfliction
Polytechnic University of Bari（巴里理工大学）；University of Bari Aldo Moro（巴里阿尔多·莫罗大学）
针对城市空中交通战略冲突解决难题，提出基于回答集编程的方法，聚焦时间同步与路线优化，通过与约束编程对比测试，发现ASP在中小规模案例中执行快、扩展性好，CP内存稳定但随复杂度降低。
2026-07-24 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
Declarative Synthesis and Multi-Objective Optimization of Stripboard Circuit Layouts Using Answer Set Programming
Computer Science Department（计算机科学系）；Oklahoma Christian University（俄克拉荷马基督教大学）
本文利用答案集编程实现印制板电路布局的声明性合成与多目标优化，生成紧凑可制造的布局，推动电子原型制作与教育。
2025-12-04 cs.AI cs.AR
Using ASP with recent extensions for causal explanations
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（法国雷恩信息系统与随机系统研究所）
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。我们选择作为一个例子的形式主义，旨在捕捉因果关系的解释，从因果信息。我们提供了一个实现，显示自然和相对效率的翻译工作。我们感兴趣的是编写ASP程序的容易性，根据ASP的声明性方面。早期系统的局限性（糟糕的数据结构和重用程序片段的困难）使得在实践中，"声明性方面“更多的是理论而不是实践。我们展示了最近的工作ASP系统的改进促进了很多翻译，即使一些改进仍然是有用的。
2010-12-03 cs.AI
Propositional satisfiability in declarative programming
ASP范式是一种使用逻辑来解决搜索问题的方法。给定一个搜索问题，为了解决它，人们在逻辑中设计了一个理论，以便这个理论的模型代表问题的解决方案。要计算一个问题的解，需要计算相应理论的模型。在逻辑程序设计的基础上，利用稳定模型的语义，发展了几种答案集程序设计形式。在本文中，我们表明，谓词演算的逻辑也产生了有效的实现的ASP范式，类似的精神，逻辑编程与稳定的模型语义和类似的适用范围。具体来说，我们提出了两个逻辑的基础上谓词演算编码搜索问题的形式主义。我们表明，这些逻辑的表达能力是由类NP-搜索。我们演示了如何使用它们在编程和开发计算工具的模型发现。在逻辑的情况下，我们的技术减少问题的命题可满足性，并允许使用现成的可满足性求解器。另一种逻辑的语言具有更复杂的语法，并提供了明确的方法来建模一些高级约束。对于这种逻辑中的理论，我们设计了自己的求解器，它利用了扩展的语法。我们目前的实验结果表明计算的整体方法的有效性。
2002-11-25 cs.AI cs.LO
Implementing a Wall-In Building Placement in StarCraft with Declarative Programming
Agent Technology Center, Czech Technical University in Prague（捷克技术大学布拉格智能体技术中心）
在像星际争霸这样的即时战略游戏中，熟练的玩家经常用建筑物挡住基地的入口，以防止对手的单位进入。这种技术，称为“墙内”，是球员技能的重要组成部分，使他能够在早期的侵略中生存下来。然而，目前的人工玩家（机器人）并不具备这种技能，因为在C++或Java等命令式语言中实现时会出现许多不便之处。在这篇文章中，作为机器人程序员的指南，我们解决了找到一个合适的建筑位置，将阻止玩家的基地入口的问题，并提出了一个准备使用的声明式解决方案，采用答案集编程（ASP）的范式。我们也鼓励读者尝试不同的陈述性方法来解决这个问题。
2013-06-19 cs.AI
The third open Answer Set Programming competition
Università della Calabria（卡拉布里亚大学）
回答集编程（ASP）是声明性编程的一个良好建立的范例，与其他声明性形式主义（诸如SAT模理论、约束处理规则、FO（.）PDDL和许多其他人。自从第一个非正式版本以来，ASP系统已经在现在已经建立的ASP竞赛中进行了比较。第三届（公开）ASP竞赛，作为在德国波茨坦大学（2006-2007年）和比利时鲁汶大学（2009年）举行的ASP竞赛系列的续集，于2011年上半年在卡拉布里亚大学（意大利）举行。参与者在预先选择的基准问题集合上进行竞争，这些问题来自各个领域以及现实世界的应用。竞赛分为两个部分：模型和求解（M&S）部分，基于开放的问题编码和开放的语言，对任何基于声明式规范范式的系统开放;系统部分，基于固定的公共问题编码，用标准ASP语言编写。本文讨论了比赛的形式和背后的理由，然后报告了两个轨道的结果。与第二次ASP竞争和国家的最先进的解决方案的一些基准域的比较，最终进行了讨论。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2012-06-14 cs.AI
A Machine Learning guided Rewriting Approach for ASP Logic Programs
Department of Mathematics and Computer Science University of Calabria（卡利亚里大学数学与计算机科学系）
回答集编程（ASP）是一种声明式逻辑形式主义，允许通过逻辑程序编码计算问题。尽管声明性质的形式主义，一些先进的专业知识是必需的，在一般情况下，设计一个ASP编码，可以有效地评估一个实际的ASP系统。试图减少手动调整ASP程序的负担的常见方法包括根据合适的技术自动重写输入编码，以产生替代的但语义上等效的ASP程序。然而，重写并不总是在性能方面给予好处，因此，需要适当的手段来预测其效果与这方面。在本文中，我们描述了一种基于机器学习（ML）的方法来自动决定是否重写。特别是，给定一个ASP程序和一组输入事实，我们的方法选择是否以及如何重写输入规则的基础上测量其结构属性和域信息的一组功能。为此，一个多层感知器模型，然后训练，以指导ASP地面I-DLV重写输入规则。我们报告并讨论了一个原型实现的实验评估的结果。
2020-09-22 cs.AI cs.LG cs.LO
Advancing Lazy-Grounding ASP Solving Techniques -- Restarts, Phase Saving, Heuristics, and More
TU Wien (Vienna University of Technology)（维也纳工业大学）；Siemens AG Österreich（奥地利西门子公司）
集合编程（ASP）是一种功能强大、表达能力强的知识表示范式，在基于逻辑的人工智能中有大量的应用。然而，传统的接地和解决方法要求ASP程序预先接地，因此遭受所谓的接地瓶颈（即，ASP程序很容易耗尽所有可用内存，从而变得无法解决）。作为一种补救措施，懒惰接地ASP求解器已经开发出来，但许多国家的最先进的技术接地ASP解决还没有提供给他们。在这项工作中，我们提出，第一次，适应惰性接地设置的许多重要的技术，如重新启动，阶段保存，域独立的算法，和学习子句删除。此外，我们调查他们的影响，并在一般情况下观察到解决能力的大幅度提高，也发现在某些情况下的负面影响，表明需要从其他求解器的组合解决。正在考虑接受TPLP。
2020-08-08 cs.AI cs.LO
Extending Answer Set Programming with Rational Numbers
University of Calabria（卡拉布里亚大学）
针对 ASP 无法原生处理非整数算术且浮点算术损害可复现性与声明语义的问题，本文提出将非整数近似为有理数，为扩展的 ASP-Core-2 定义语义并实现。
2023-12-07 cs.AI cs.LO cs.PL
Improving DPLL Solver Performance with Domain-Specific Heuristics: the ASP Case
Eastman Kodak Company（伊士曼柯达公司）
尽管基于DPLL过程的求解器的性能最近有所改进，但搜索算法仍然可能集中在搜索空间的错误区域上，从而阻止求解器在可接受的时间量内返回解。这种前景是一个真正的问题，例如在工业环境中，用户通常期望一致的性能。为了克服这个问题，我们提出了一个框架，允许学习和使用特定领域的算法在求解器的基础上的DPLL程序。学习是离线完成的，在目标域的代表性实例上，然后将学习到的算法用于选择点选择。在本文中，我们专注于答案集编程（ASP）求解器。在我们的实验中，引入特定于域的算法将硬实例的性能提高了3个数量级（平均2个数量级），几乎完全消除了由于等待答案变得不可接受而必须终止求解器的情况。
2011-02-10 cs.AI cs.LO
Heuristics in Conflict Resolution
Universität Potsdam（波茨坦大学）
布尔可满足性（SAT）和答案集编程（ASP）的现代求解器是基于复杂的布尔约束求解技术。在这两个领域，冲突驱动的学习和相关技术构成了关键特征，其应用通过冲突分析得以实现。虽然各种冲突分析方案已被提出，实施，并在理论和实践上研究在SAT领域，冲突分析中涉及的启发式方面还没有得到太多的关注。假设一个固定的冲突分析方案，我们解决了如何识别“好”的冲突原因的开放问题，我们调查了几个在ASP解决冲突分析的技巧。据我们所知，像我们这样的系统研究还没有在SAT领域进行，因此，它可能是有益的ASP领域以及SAT解决之一。
2010-05-11 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
Efficiency Analysis of ASP Encodings for Sequential Pattern Mining Tasks
AGROCAMPUS-OUEST（西部农业学院）；IRISA-UMR 6074（IRISA-UMR 6074 研究所）；Inria（法国国家信息与自动化研究所）；Inria – Centre de Rennes（法国国家信息与自动化研究所雷恩中心）；Potsdam University（波茨坦大学）
本文介绍了使用回答集编程（ASP）挖掘序列模式。ASP是一种高级说明性逻辑编程范例，用于高级编码、组合和优化问题求解以及知识表示和推理。因此，ASP是实现具有背景知识的模式挖掘的一个很好的候选者，这一直是数据采掘的问题。我们提出了编码的经典序列模式挖掘任务中的两种表示嵌入（填充间隙与跳过间隙）和各种模式：频繁，约束和浓缩。我们比较了这些编码的计算性能，以更好地了解ASP编码的效率。实验结果表明，在实际问题中，填充间隙策略具有更低的内存消耗。最后，相比约束编程方法（CPSM），另一个声明式编程范式，我们的建议表现出相当的性能。
2017-11-14 cs.AI cs.DB stat.ML
Declarative Probabilistic Logic Programming in Discrete-Continuous Domains
Centre for Applied Autonomous Sensor Systems, Örebro University（厄勒布鲁大学应用自主传感器中心）；Department of Computer Science, KU Leuven（鲁汶大学计算机科学系）
针对混合离散-连续随机变量缺乏声明式PLP语义的问题，提出测度语义、DC-ProbLog语言及IALW推理引擎，从语义、语言和推理三方面推广PLP。
2024-09-08 cs.AI
Multi-shot ASP solving with clingo
University of Potsdam（波茨坦大学）；INRIA Rennes（雷恩国家信息与自动化研究所）；School of Computing Science at Simon Fraser University（西蒙弗雷泽大学计算科学学院）；Institute for Integrated and Intelligent Systems at Griffith University（格里菲斯大学集成与智能系统研究所）
我们介绍了一种新的灵活的范式的基础和解决的答案集编程（ASP），我们称之为多拍ASP解决，并提出其实现的ASP系统clingo。多镜头ASP解决功能接地和解决过程中，处理不断变化的逻辑程序。在这样做的过程中，它们仍然有效，并以无缝的方式适应变化。例如，这样的过程允许高级形式的搜索，如优化或理论求解，或与环境的交互，如机器人或问答。它们的共同之处在于，问题规范在推理过程中不断演变，这可能是因为数据或约束被添加、删除或替换。这个进化的方面为ASP增加了另一个维度，因为它带来了状态改变操作。我们解决这个问题，提供了一个操作语义，特点接地和解决过程中的多拍ASP解决。此特征化提供了接地和求解器状态以及操纵它们的操作的语义说明。多杆求解的操作性质避免了重新启动地滚球和求解程序的冗余，并受益于求解器的学习能力。clingo通过用控制能力补充ASP的声明性输入语言来实现这一点。在声明方面，一个新的指令允许将逻辑程序结构化为命名的和可参数化的子程序。将这些子程序接地并集成到求解过程中是完全模块化的，并且从程序方面完全可控。为此，clingo提供了一个新的应用程序编程接口，可以方便地通过脚本语言访问。
2018-03-20 cs.AI
Beyond NP: Quantifying over Answer Sets
University of Calabria（卡拉布里亚大学）；University of Kentucky（肯塔基大学）
答案集编程（ASP）是一种逻辑编程范式，其特征在于具有相对较高的建模能力的纯声明性语言。事实上，ASP可以以一种紧凑而优雅的方式在NP中建模问题。然而，用ASP对NP之外的问题建模是复杂的，一方面，另一方面，它又局限于NP中的问题。量化布尔公式的方式扩展SAT公式的启发NP模型的问题，我们提出了一个扩展的ASP引入量词的稳定模型的程序。我们将这种新语言命名为带量词的ASP（ASP（Q））。在本文中，我们确定ASP（Q）的计算特性，我们突出了它的建模能力，报告自然编码的几个复杂的问题与应用程序在人工智能和数论，我们比较ASP（Q）与相关的语言。可以说，ASP（Q）允许人们以直接的方式在多项式层次中建模问题，提供了ASP在NP类之外的优雅扩展。正在考虑接受TPLP。
2019-07-22 cs.AI cs.LO
Parsing Combinatory Categorial Grammar with Answer Set Programming: Preliminary Report
University of Kentucky（肯塔基大学）；Technische Universität Wien（维也纳工业大学）
组合范畴语法（CCG）是一种用于自然语言分析的语法形式。CCG将结构化的词汇类别分配给单词，并使用一小组组合规则来组合这些类别以解析句子。在这项工作中，我们提出并实现了一种新的CCG解析方法，该方法依赖于突出的知识表示形式主义，即答案集编程（ASP）--一种声明性编程范式。我们制定的CCG解析的任务作为一个规划问题，并使用ASP计算工具来计算解决方案，对应于有效的解析。与其他方法相比，不需要使用这种声明性方法实现特定的解析算法。我们的方法旨在为一个给定的句子产生所有语义不同的解析树。从这一目标出发，出现了规范化和效率问题，我们通过结合和扩展现有战略来处理这些问题。我们已经实现了一个CCG解析工具包- AspCcgTk -使用ASP作为其主要的计算手段。C&C supertagger可以用作AspCcgTk中的预处理器，这使我们能够实现广泛覆盖的自然语言解析。
2011-08-29 cs.AI cs.CL
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
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
An XAI View on Explainable ASP: Methods, Systems, and Perspectives
Institute of Logic and Computation, TU Wien, Austria（逻辑与计算研究所，维也纳技术大学，奥地利）
本文从XAI视角综述回答集编程（ASP）的解释方法，分类解释类型并评估现有理论与工具的覆盖范围，指出研究空白与未来方向。
2026-06-11 cs.AI cs.HC cs.LO
Declarative Approaches to Counterfactual Explanations for Classification
Universidad Adolfo Ibáñez（阿道夫·伊瓦涅斯大学）
我们提出了答案集程序，指定和计算反事实的干预实体上输入的分类模型。关于模型的结果，所得到的反事实实体用作定义和计算分类下的实体中的特征值的基于能力的解释分数（即“责任分数”）的基础。该方法和程序可以应用于黑盒模型，也可以应用于可以被指定为逻辑程序的模型，例如基于规则的分类器。这项工作的主要重点是规范和计算“最佳”反事实实体，即那些导致最大的责任分数。从它们可以读出作为原始实体中的最大责任特征值的解释。我们还扩展了程序，使图片的语义或领域知识。我们展示了如何通过概率方法来扩展该方法，以及如何通过使用约束来修改潜在的概率分布。在DLV ASP求解器的语法编写的程序的几个例子，并与它一起运行，显示。
2021-12-07 cs.AI cs.DB cs.LG
Using Answer Set Programming for pattern mining
AGROCAMPUS-OUEST/IRISA UMR6074（西部农学院/法国信息与随机系统研究所）；Inria（法国国家信息与自动化研究所）
序列模式挖掘就是从一个唯一的项集序列中提取频繁序列模式。本文探讨了声明性语言，如回答集编程（ASP），有效地解决这个问题的能力。我们提出了几个ASP实现的频繁序列模式挖掘任务：一个非增量和增量的决议。结果表明，增量解析比非增量解析更有效，但两种ASP程序的效率都低于专用算法。尽管如此，这种方法可以被看作是第一步，一个通用的框架，顺序模式挖掘的约束。
2014-09-27 cs.AI cs.DB cs.LO
Design Space Exploration via Answer Set Programming Modulo Theories
Institute of Computer Science（计算机科学研究所）
广泛应用于移动设备和汽车的嵌入式系统的设计正变得越来越复杂，因此有效的系统级设计方法变得至关重要。我的研究旨在开发系统，帮助设计师以声明的方式表达复杂的设计问题，并探索设计空间，以获得具有理想属性的解决方案。为此，我们利用ASP的知识表示和推理能力，结合背景理论。因此，第一次，我们提出了一个复杂的方法，允许直接集成到ASP的非线性目标的多目标优化。这包括独特的结果，不同的子问题涵盖在几个出版物，我将在这项工作中提出。
2019-05-07 cs.AI cs.LO
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
Static Analysis of Logic Programs via Boolean Networks
Aix-Marseille University（艾克斯-马赛大学）；LIS（信息科学实验室）
本研究建立逻辑程序与布尔网络的关联，借助布尔网络静态分析的现有成果探索ASP的理论结论，为ASP静态分析提供统一工具，有望惠及该领域诸多问题。
2024-07-12 cs.AI cs.LO
ASPaeroFlow: Decomposition Heuristics for Joint Air Traffic Flow & Capacity Management
TU Wien（维也纳技术大学）；University of Potsdam（波茨坦大学）；CNRS（法国国家科学研究中心）；Artois University（阿图瓦大学）；Frequentis AG（弗昆蒂斯公司）
本文针对空中交通流量与容量联合管理的循环依赖及中大规模实例计算不可行问题，提出ASPaeroFlow启发式算法，经基准测试验证其性能优于序列优化，且DAC对解质量影响更大。
2026-08-11 cs.AI
EZASP - Facilitating the Usage of ASP
NOVA School of Science and Technology（新里斯本大学科学与技术学院）
本文提出EZASP，一个Visual Studio Code扩展，支持基于Easy ASP方法的ASP程序开发，提供语法检查、警告和自动排序功能，帮助用户更高效地学习和使用ASP。
2026-07-24 cs.AI cs.SE
Answer Set Planning Under Action Costs
TU Wien（维也纳工业大学）；University of Calabria（卡拉布里亚大学）
最近，规划的基础上回答集编程已被提出作为一种实现声明式规划系统的方法。在本文中，我们提出了语言Kc，它扩展了声明式规划语言K的行动成本。Kc提供了容许和最优计划的概念，这些计划的总行动成本在给定的限制内。所有计划中的最小值（即，最便宜的计划）。正如我们所展示的，这种新颖的语言允许以声明的方式表达一些重要的规划任务。此外，它可以用于表示规划问题下的其他最优性标准，如计算“最短”的计划（步骤数最少），和细化组合的最便宜和最快的计划。我们研究的语言KC的复杂性方面，并提供了一个转换到逻辑程序，这样的规划问题，通过答案集编程解决。此外，我们报告选定的问题的实验结果。我们的经验是令人鼓舞的，答案集规划可能是一个有价值的方法，表达规划系统中，复杂的规划问题可以自然地指定和解决。
2011-06-26 cs.AI
The External Interface for Extending WASP
University of Genova（热那亚大学）；University of Calabria（卡拉布里亚大学）
回答集程序设计（ASP）是一种成功的知识表示和推理的声明式形式。目前，ASP程序的评估是基于上下文驱动的子句学习（CDCL）的回溯搜索算法。最近的工作表明，基于CDCL的实现的性能可以大大提高特定的基准测试，通过扩展他们的解决能力与自定义的算法和传播。然而，将这样的算法嵌入到现有的系统中需要ASP实现内部的专业知识。通过提供合适的编程接口，可以更容易地开发有效的求解器扩展。在本文中，我们提出的接口扩展CDCL为基础的ASP求解器WASP。该接口是通用的，即它可以用于提供新的分支算法和传播器，以及外部的，即新算法的实现不需要WASP的内部修改。此外，我们回顾了应用程序的接口见证它可以成功地用于扩展WASP有效地解决现实世界和合成问题的硬实例。逻辑程序设计理论与实践（TPLP）
2018-11-06 cs.AI cs.LO
Rushing and Strolling among Answer Sets -- Navigation Made Easy
TU Wien（维也纳工业大学）；TU Dresden（德累斯顿工业大学）
回答集编程（ASP）是一种流行的声明式编程范式，在人工智能中有着广泛的应用。通常，当用ASP建模AI问题时，特别是当我们感兴趣的不仅仅是简单地搜索最佳解决方案时，实际解决方案，解决方案之间的差异或ASP程序的解决方案数量很重要。例如，当用户的目标是根据她的需要识别特定的答案集，或者需要发散解决方案的总数来理解概率应用，例如医学领域的推理。然后，只有某些特定问题和手工编码技术可用于导航ASP程序的解决方案空间，这通常是不够的。在本文中，我们提出了一个正式的和一般的框架，交互式导航所需的子集的答案集类似于分面浏览。我们的方法使用户能够有意识地放大或缩小在一定的可配置的步伐的解决方案的子空间，探索解决方案空间。我们说明了加权分面导航是计算困难的。最后，我们提供了一个实现我们的方法，证明了我们的框架不可理解的解决方案空间的可行性。
2021-12-14 cs.AI cs.LO
Stream Packing for Asynchronous Multi-Context Systems using ASP
Leipzig University（莱比锡大学）
当处理单元依赖于来自外部流的数据时，我们可能会面临这样的问题，即需要以允许单元执行其任务的方式重新排列流数据。当新数据到达时，我们必须决定是否有足够的信息可以开始处理，或者是否等待更多的数据。此外，我们需要确保数据符合处理步骤的输入规范。在多个输入流的情况下，还需要协调来自哪个传入流的哪些数据应该形成下一个流程实例化的输入。在这项工作中，我们提出了一个声明性的方法作为多个流和处理单元之间的接口。这个想法是通过答案集编程来指定如何将传入的数据安排在适合作为后续处理输入的包中。我们的方法是用于异步多上下文系统（aMCSs），最近提出的框架松散耦合的知识表示形式主义，允许在动态环境中进行在线推理。aMCS中的上下文处理来自外部源和其他上下文的数据流。
2016-11-17 cs.AI cs.LO
Defeasible Conditionals using Answer Set Programming
University of Cape Town（开普敦大学）；Open Universiteit Heerlen, Limburg, the Netherlands（开放大学）
本文提出利用答案集编程计算可反驳闭包，实现自动构建最小排名模型并提升计算效率。
2026-01-07 cs.AI cs.LO
An efficient solver for ASP(Q)
Alpen-Adria Universität Klagenfurt（克拉根福阿尔卑斯-亚德里亚大学）；University of Calabria（卡拉布里亚大学）
本文提出了一种针对带量词的回答集编程 ASP(Q) 的高效求解器，通过优化 QBF 编码过程和采用算法选择策略结合多个求解后端，生成更小公式并显著提升了评估性能，实验证明其优于现有 qasp 系统。
2023-05-17 cs.AI cs.LO
Optimizing Answer Set Computation via Heuristic-Based Decomposition
Department of Mathematics and Computer Science University of Calabria（卡利亚里大学数学与计算机科学系）；University of Calabria（卡利亚里大学）；Department of Mathematics and Computer Science（数学与计算机科学系）；Rende Italy（伦代（意大利）（注：此为地址信息，非机构，不应提取，原提取有误，正确应为仅提取前两个有效机构相关部分，但按文本结构准确提取应为“Department of Mathematics and Computer Science University of Calabria”））
回答集编程（ASP）是在逻辑编程和非单调推理领域中发展起来的一种纯声明性的形式主义：计算问题由逻辑程序编码，其回答集对应于解决方案，由ASP系统计算。不同的，语义等价的，程序可以定义为相同的问题，但是，系统评估它们的性能可能会显着不同。我们提出了一种方法，自动转换成一个等价的输入逻辑程序，可以更有效地评估。人们可以利用现有的树分解技术重写选定的规则成一组多个的，其思想是引导和自适应地应用它们的基础上，适当的新的算法，以获得一个智能的重写算法集成到ASP系统。该方法是相当普遍的：它可以适用于任何系统，并实现不同的偏好政策。此外，我们定义了一套新的专门针对优化接地，ASP计算的主要阶段之一，我们使用它们，以实现该方法到ASP系统DLV，特别是到其接地子系统I-DLV，并进行了广泛的实验活动，评估该建议的影响。逻辑程序设计理论与实践（TPLP）
2019-01-11 cs.AI cs.CL cs.LO
Constraints, Lazy Constraints, or Propagators in ASP Solving: An Empirical Analysis
University of Calabria（卡拉布里亚大学）；University of Genova（热那亚大学）；Marmara University（马尔马拉大学）；TU Wien（维也纳技术大学）
答案集编程（ASP）是一个成熟的声明性范例。ASP的成功之一是有效的系统的可用性。最先进的系统基于地面+求解方法。在某些应用中，这种方法是不可行的，因为一个或几个约束的基础是昂贵的。在本文中，我们系统地比较替代策略，以避免有问题的约束的实例化，这是基于自定义扩展的求解器。真实和合成基准的结果突出了不同策略的一些优点和缺点。（正在考虑接受TPLP，ICLP 2017年特刊。
2017-07-13 cs.AI
A Multi-Engine Approach to Answer Set Programming
Università degli Studi di Genova（热那亚大学）；Università degli Studi di Sassari（萨萨里大学）；Università della Calabria（卡拉布里亚大学）
答案集编程（ASP）是一种真正的声明式编程范式，在非单调推理和逻辑编程领域提出，最近已在许多应用中使用。因此，开发高效的ASP系统至关重要。考虑到改进ASP的求解方法的任务，有两种常用的方法来实现这一目标：$(i)$扩展最先进的技术和ASP求解器，或$(ii)$从头开始设计一个新的ASP求解器。这些趋势的替代方案是建立在最先进的求解器之上，并应用机器学习技术来自动选择“最好的”可用求解器。在本文中，我们追求这后一个方向。我们首先定义了一组便宜的计算句法功能，表征ASP程序的几个方面。然后，我们应用分类方法，给定{ \sl training}集中的实例的特征和求解器在这些实例上的性能，归纳学习算法选择策略以应用于{ \sl test}集。我们报告了一些实验的结果，考虑到求解器和不同的训练和测试集的情况下，从提交给“系统跟踪”的第三届ASP竞赛。我们的分析表明，通过将机器学习技术应用于ASP求解，可以获得非常稳健的性能：与第三届ASP竞赛的任何求解器相比，我们的方法可以解决更多的实例。(To逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2013-06-20 cs.AI cs.LO
CNL2ASP: converting controlled natural language sentences into ASP
University of Genova（热那亚大学）；University of Calabria（卡拉布里亚大学）
本文提出CNL2ASP工具，将受控自然语言句子自动翻译为ASP规则，并在合成及现实组合问题上验证，其性能可与专家编码媲美。
2023-11-17 cs.AI cs.CL cs.LO
Preliminary Report on WASP 2.0
University of Calabria（卡拉布里亚大学）
答案集编程（ASP）是一种声明式编程范式。ASP程序评估的内在复杂性使得开发更有效、更快的系统成为一个具有挑战性的研究课题。本文报道了最近的ASP求解器WASP的改进。WASP正在经历一个重构过程，最终将发布一个新的、更高性能的软件版本。特别是本文重点对普通程序的核心求值算法进行了改进。对第三届ASP竞赛NP类的基准进行了初步实验。以前版本的WASP通常无法与此类的替代解决方案竞争。新版本的WASP在性能上有了很大的提高。
2014-04-28 cs.AI
DynASP2.5: Dynamic Programming on Tree Decompositions in Action
TU Wien（维也纳工业大学）
一个活跃的理论研究领域是有效的精确参数化算法。最近的求解竞赛，如PACE挑战赛表明，参数化算法社区的实际兴趣也越来越大。一个重要的研究问题是，专用的参数化精确算法是否具有一定的实际意义，甚至可以击败成熟的问题解决者。我们认为基于逻辑的声明式建模语言和问题解决框架答案集编程（ASP）。最先进的ASP求解器在很大程度上依赖于基于SAT的算法。ASP求解器（DynASP 2），这是基于一个经典的动态规划的树分解，最近已经出版。不幸的是，DynASP 2可以优于现代ASP解决方案的程序，小的树宽度，只有当感兴趣的问题是计数的解决方案的数量。在本文中，我们描述了我们的新的实现（DynASP 2.5），显示竞争行为，以国家的最先进的ASP求解器，即使只找到一个解决方案时，解决问题的斯坦纳树的问题，已建模在ASP的低树宽的图。我们的实现是基于一种新的方法，我们称之为多通动态规划（M-DPSINC）。
2017-06-28 cs.AI cs.CC cs.LO
Interactive Debugging of ASP Programs
University Klagenfurt（克拉根福大学）
答案集编程（ASP）的广泛应用，说明性问题的解决需要开发工具，支持编码过程。程序调试是这个过程中的关键活动之一。最近建议的ASP调试方法允许有效计算故障的可能解释。然而，即使对于一个小程序，调试器也可能返回大量可能的解释，并且必须手动选择正确的解释。在本文中，我们提出了一种基于交互式查询的ASP调试方法，扩展了以前的方法，并通过观察找到了一个较好的解释。系统询问程序员一组基础原子是否必须在程序的所有（谨慎地）或一些（勇敢地）回答集合中为真。由于一些查询可以比其他人更翔实，我们讨论的查询选择策略，用户的偏好的解释，可以找到最好的查询。也就是说，其答案的查询减少了识别优选解释所需的查询的总数。
2014-10-28 cs.AI
User Guided Abductive Proof Generation for Answer Set Programming Queries (Extended Version)
Singapore Management University（新加坡管理大学）；University of Toulouse（图卢兹大学）
我们提出了一种方法，用于生成可能的证据的查询相对于一个给定的答案集编程（ASP）规则集使用的溯因过程中的空间的溯因是自动构建的输入规则。给定一组（可能是空的）用户提供的事实，我们的方法推断出任何额外的事实，可能需要的蕴涵的查询，然后输出这些额外的事实，而无需用户明确指定的所有abdibles的空间。我们还提出了一种方法来生成一组有向边对应的理由图的查询。此外，通过不同形式的隐式项替换，我们的方法可以考虑用户提供的事实，并适当修改溯因解。过去关于绑架的工作主要是基于目标导向的方法。然而，这些方法可能导致求解器不是真正声明性的。少得多的工作已经做了实现绑架在一个自自底向上的的求解器，如Clingo ASP求解器。我们描述了新的ASP程序，可以直接在Clingo中运行，产生的溯因解和有向边集，而无需修改底层的求解引擎。
2022-09-16 cs.AI cs.LO
Answer Set Programming Energised! End-to-End Neurosymbolic Reasoning and Learning with ASP and Energy Based Models
Constructor University Bremen, Bremen, Germany（Constructor大学不莱梅）；Örebro University, Örebro, Sweden（Örebro大学）；CoDesign Lab > Cognitive Vision（CoDesign实验室）
该研究提出基于Answer Set编程与能量模型集成的神经符号推理学习方法，通过显式语义支持联合优化，纳入背景知识等，还提供通用模型和平台用于动态领域训练，经实际实现及在MNIST、Clevr、MOT上的测试评估其效果。
2026-07-10 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
An Application of ASP in Nuclear Engineering: Explaining the Three Mile Island Nuclear Accident Scenario
New Mexico State University（新墨西哥州立大学）；North Carolina State University（北卡罗来纳州立大学）
本文介绍了一个正在进行的努力，在开发一个声明系统，支持操作员在核电厂（NPP）控制室。重点是两个模块：诊断和解释发生在核电厂的事件。我们描述了一个回答集编程（ASP）表示的核电站，其中包括声明的状态变量，组件，它们的连接，和规则编码的植物行为。然后，我们展示了如何ASP程序可以用来解释发生在三哩岛，2号机组（TMI-2）核电站事故，在美国核电厂运行历史上最严重的事故的一系列事件。我们还描述了一个解释模块，旨在解决问题的答案，如“为什么一个事件发生？””或者“应该怎么做？”收集的数据。这篇论文 * 正在考虑 * 接受TPLP杂志。
2020-08-04 cs.AI
The Power of Non-Ground Rules in Answer Set Programming
TU Wien（维也纳工业大学）
应答集编程（ASP）是一种成熟的逻辑程序设计语言，它为解决问题提供了直观的声明性语法。在传统的应用中，针对给定的问题设计一个固定的ASP程序，并将问题的实际实例作为一组事实输入程序。这种方法通常会导致程序具有非常短和简单的规则。然而，从复杂性分析中可以看出，这种方法限制了ASP的表达能力;事实上，整个NP检查可以编码成一个有界元的单个大规则体，在同一规则中执行猜测和检查。在这里，我们提出了一种新的范式编码的ASP中的困难问题，明确使用的大规则，取决于实际的问题的实例。我们说明了如何使用这种新的编码范式，提供的例子，从第一，第二，甚至第三级的多项式层次结构的问题。由于国家的最先进的求解器调整到短的规则，规则分解是在我们的方法的实际实现的关键技术。我们还提供了一些初步的基准测试表明，放弃指定一个固定的程序的方便的方式可以导致显着的速度。该文件正在考虑被TPLP接受。
2016-08-05 cs.AI cs.LO
Generating Explainable Rule Sets from Tree-Ensemble Learning Methods by Answer Set Programming
The Graduate University for Advanced Studies, SOKENDAI（综合研究大学院大学）；National Institute of Informatics（国立信息学研究所）
我们提出了一种方法，用于生成可解释的规则集的树集成学习器使用答案集编程（ASP）。为此，我们采用了一种分解的方法，其中的分裂结构的基础决策树利用规则的建设，这反过来又是评估使用模式挖掘方法编码在ASP中提取有趣的规则。我们展示了如何用户定义的约束和偏好可以表示在ASP声明允许透明和灵活的规则集生成，以及如何规则可以用来作为解释，以帮助用户更好地理解模型。真实世界的数据集和流行的树集成算法的实验评估表明，我们的方法适用于广泛的分类任务。
2021-09-17 cs.AI
Debugging Non-Ground ASP Programs: Technique and Graphical Tools
University of Genova（热那亚大学）；Alpen-Adria-Universität Klagenfurt（阿尔卑斯-亚德里亚大学克拉根福分校）；University of Calabria（卡拉布里亚大学）
答案集编程（ASP）是逻辑编程和非单调推理领域中的主要声明式编程范式之一。尽管ASP具有简单的语法和直观的语义，但在ASP程序的开发过程中，错误是常见的。在本文中，我们提出了一种新的调试方法，允许交互式本地化的错误在非地面程序。新方法将用户直接指向一组涉及错误的非基本规则，通过向程序员询问一系列关于预期答案集的问题，可以对这些规则进行细化（直到很容易识别错误）。该方法已实施的ASP求解器WASP的顶部。由此产生的调试器已经补充了一个用户友好的图形界面，并集成在ASPIDE，一个丰富的IDE的答案集程序。此外，一个实证分析表明，新的调试器是不受接地爆破限制以前的方法基于元编程的应用。逻辑程序设计理论与实践（TPLP）
2018-08-01 cs.AI
A Framework for Easing the Development of Applications Embedding Answer Set Programming
University of Calabria（卡拉布里亚大学）；DLVSystem Srl（DLVSystem有限公司）
答案集编程（ASP）是一种成熟的声明式问题求解范式，它被广泛应用于人工智能领域，并被公认为知识表示和推理（KRR）的有力工具，特别是它的高表达能力和处理不完整知识的能力。最近，由于许多强大而有效的实现，ASP已经越来越多地应用于许多不同的领域，并用于开发工业级和企业级应用程序。这表明需要适当的开发工具和互操作性机制，以便在最广泛的真实世界场景中（包括移动应用程序和教育环境）轻松与外部系统进行交互和集成。在这项工作中，我们提出了一个框架，集成到通用应用程序的ASP的KRR功能。我们展示了使用的框架，说明适当的专业化，为一些相关的ASP系统在不同的平台上，包括移动设置;此外，潜在的教育目的的框架说明了通过几个基于ASP的应用程序的开发。
2017-07-21 cs.AI
Treewidth-aware Reductions of Normal ASP to SAT -- Is Normal ASP Harder than SAT after All?
TU Wien（维也纳工业大学）
答案集编程（ASP）是一种用于建模和解决知识表示和推理问题的范式。有大量的结果致力于研究（片段）ASP的硬度。到目前为止，这些研究导致了计算复杂性方面的特征，以及以二分法结果形式呈现的细粒度见解，转换为其他形式主义（如命题可满足性（SAT））时的下限，甚至详细的参数化复杂性景观。一个通用参数的参数化复杂性起源于图论是所谓的树宽，在某种意义上捕捉程序的结构密度。最近，与SAT相关的基于树宽的求解器的数量有所增加。虽然有从（正常）ASP到SAT的转换，但没有保留树宽或至少跟踪树宽增加的减少是已知的。在本文中，我们提出了一种新的减少从正常的ASP SAT是知道的树宽，并保证树宽略有增加确实是足够的。此外，我们展示了一个新的结果，建立，当考虑树宽，已经正常ASP的片段是略难比SAT（在合理的假设下，计算复杂性）。这也证实了我们的减少可能无法显着改善，树宽的轻微增加是不可避免的。最后，我们提出了一个实证研究，我们的新减少正常ASP SAT，在那里我们比较树宽上界，通过已知的分解算法。总的来说，我们的缩减比现有的翻译更适合这些翻译。
2022-10-07 cs.AI cs.CC cs.LO
Technical Report: Giving Hints for Logic Programming Examples without Revealing Solutions
Marmara University（马尔马拉大学）
我们介绍了一个框架，支持学习程序的范式回答集编程（ASP），这是一个声明式逻辑编程形式主义。基于让学生完成小实例ASP程序的教学思想，介绍了一种在不透露实例正确解的情况下，对学生进行提示的三阶段教学法。我们将错误分类为（i）语法错误，（ii）意外但语法正确的输入，（iii）语义错误，描述这些错误的数学定义，并展示如何从这些定义计算提示。
2016-07-26 cs.AI
Dominating Set Reconfiguration with Answer Set Programming
Nagoya University（名古屋大学）；Universität Potsdam（波茨坦大学）；Kobe University（神户大学）
本文提出基于回答集编程的支配集重构问题求解方法，通过高级ASP编码并委托给组合重构求解器，在新基准集上验证了有效性。
2024-08-14 cs.AI
