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
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
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 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
Reasoning about Qualitative Direction and Distance between Extended Objects using Answer Set Programming
Sabanci University（萨班哲大学）
在这篇论文中，我们介绍了一个新的形式化框架，表示和推理的定性方向和扩展对象之间的距离关系，使用答案集编程（ASP）。我们以基数方向演算（CDC）为出发点，并扩展CDC与新的种类的约束，其中涉及默认值，偏好和否定。我们将此扩展版本称为nCDC。然后通过扩充定性距离关系对nCDC进行了进一步的扩展，并将其命名为nCDC+。对于CDC，nCDC，nCDC+，我们引入了一个基于ASP的通用框架来解决一致性检查问题，解决定性空间关系的组合和反转，推断对象之间未知或缺失的关系，并找到一个合适的配置，满足给定的查询对象。
2019-09-18 cs.AI cs.LO cs.RO
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
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
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
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
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
Automata Techniques for Temporal Answer Set Programming
University of Potsdam（波茨坦大学）
回答集编程（ASP）的时态和动态扩展在解决动态问题方面发挥了重要作用，因为它们允许使用时态运算符以非常有效的方式对动态场景进行推理。在我的博士学位上。研究，我打算利用自动机理论和动态逻辑之间的关系，添加自动机为基础的技术，以ASP求解器CLINGO帮助我们处理这些类型的问题。
2021-09-17 cs.AI cs.FL cs.LO
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
Applications of Intuitionistic Temporal Logic to Temporal Answer Set Programming
University of Corunna, Spain（科鲁纳大学）；University of Angers, France（昂热大学）；University of Barcelona, Spain（巴塞罗那大学）；University of Potsdam, Germany（波茨坦大学）
本文通过时态平衡逻辑探讨时态答案集编程的逻辑基础，将直觉逻辑与时态逻辑编程相结合，提出新的研究方向。
2026-03-16 cs.AI cs.LO
Computing Preferred Answer Sets by Meta-Interpretation in Answer Set Programming
最近，答案集编程（ASP）作为一种新的解决问题的范例引起了人们的兴趣。需要支持的一个重要方面是处理规则之间的偏好，为此提出了几种方法。在本文中，我们考虑的问题，通过元解释器的答案集编程实现偏好处理方法。特别是，我们认为首选的答案集的方法由Brewka和Eiter，由Delaware，Schaub和Tompits，由王，周和林。我们提出了合适的元解释器，这些语义使用DLV，这是一个有效的引擎ASP。此外，我们还提出了一个元解释器的弱首选答案集的方法，由Brewka和Eiter，它使用DLV的弱约束功能作为表达和解决底层优化问题的工具。我们还考虑了高级元解释器，它利用基于图的特征，通常允许更有效的计算。我们的方法表明，一般的ASP和DLV，特别是快速原型的适用性。这可以被富有成效地用于试验新的语言和知识表示形式主义。
2002-01-16 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
Solving a Flowshop Scheduling Problem with Answer Set Programming: Exploiting the Problem to Reduce the Number of Combinations
Tecnológico Nacional de México - Tecnológico de Chihuahua（墨西哥国家技术学院——奇瓦瓦技术学院）
计划和调度一直是计算机科学研究的中心主题。特别是，简单的无等待流水车间调度问题的理论方法不允许感知问题的复杂性在第一眼。本文探讨了应答集程序设计语言在解决半导体制造系统中自动湿法刻蚀调度问题中的适用性。为了减少大量的组合，提出了一种基于范围的方法。
2019-09-19 cs.AI cs.LO
Constraint Monotonicity, Epistemic Splitting and Foundedness Could in General Be Too Strong in Answer Set Programming
Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）；Vienna University of Technology (TU Wien)（维也纳工业大学）
最近，主观约束单调性、认知分裂和基础性的概念被引入到认知逻辑程序中，目的是将它们分别作为直觉的主要标准来比较文献中提出的不同答案集语义如何符合这些直觉。在本文中，我们考虑这三个概念，并在一些例子中证明它们通常可能过于强大，可能会排除一些期望的答案集，分别是世界观。总之，这些属性不应该被视为每个答案集语义必须满足的强制性属性。
2020-11-07 cs.AI cs.LO
Analyzing Semantics of Aggregate Answer Set Programming Using Approximation Fixpoint Theory
KU Leuven（鲁汶大学）
聚合提供了一种简洁的方式来表达复杂的知识。选择一个适当的形式化的答案集编程（ASP）的聚集的问题仍然悬而未决。本文从近似不动点理论（AFT）的观点重新审视了它。我们引入了一个AFT形式化相当于Gelfond Lifschitz减少基本ASP程序，我们将其扩展到处理聚集。我们分析现有的方法如何与我们的框架。我们希望这项工作揭示了一些新的光的问题，一个适当的形式化的聚集。本文件正在考虑被TPLP接受。
2022-05-17 cs.AI cs.LO
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
Complex Optimization in Answer Set Programming
Institut für Informatik（信息学研究所）；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）
偏好处理和优化是回答集编程（ASP）中解决非平凡应用程序不可或缺的手段。然而，每当它们带来计算复杂性的显著增加时，它们的实现就变得困难。因此，现有的ASP系统不提供复杂的优化能力，支持，例如，基于包含的最小化或帕累托效率。相反，这种复杂的标准通常是通过诉诸专门的建模技术，如饱和度。然而，与普通ASP建模的简单性不同，这些技术相当复杂，ASP外行几乎无法使用。我们解决这个问题，通过开发一个通用的实现技术，通过元编程，从而重用现有的ASP系统，以捕捉各种形式的定性偏好之间的答案集。通过这种方式，复杂的偏好和优化能力变得容易为ASP应用程序所用。
2011-07-28 cs.AI cs.LO
Visual Explanation by High-Level Abduction: On Answer-Set Programming Driven Reasoning about Moving Objects
HCC Lab., University of Bremen（不来梅大学 HCC 实验室）；MPI Lab., Örebro University（厄勒布鲁大学 MPI 实验室）；University of Warsaw（华沙大学）；Aarhus University（奥胡斯大学）
我们提出了一个混合体系结构，系统地计算强大的视觉解释（S），包括假设形成，信念修正，和默认推理与视频数据。该架构由两个紧密集成的协同组件组成：（1）（功能）答案集编程为基础的溯因推理与时空轨迹作为本地实体;（2）基于检测的对象跟踪和运动分析的视觉处理管道。我们提出了正式的框架，其一般实现作为一个（声明）的方法在答案集编程，和一个示例应用程序和评估的基础上两个不同的视频数据集：MOTChallenge基准开发的视觉社区，和最近开发的电影数据集。
2017-12-03 cs.AI cs.CV cs.LO
Functional Answer Set Programming
University of Corunna（科鲁尼亚大学）
在本文中，我们提出了一个扩展的答案集编程（ASP），特别是其最一般的逻辑对应，量化平衡逻辑（QEL），以处理部分功能。虽然平等的治疗QEL可以建立在不同的方式，我们首先分析了选择可判定的平等与完整的功能和Herbrand模型，最近提出的文献。我们认为，这种选择产生一些违反直觉的效果，从逻辑编程和知识表示的观点。然后，我们提出了一个变种称为QELF的功能集被划分为部分和Herbrand功能（我们也称之为构造函数）。在本文的其余部分，我们展示了一个直接连接到斯科特的存在逻辑，并提出了一个实际的应用，提出了一个扩展的正常逻辑程序处理部分功能和平等，使他们可以被翻译成功能免费正常的程序，有可能以这种方式计算其答案集与任何标准的ASP求解器。
2010-06-18 cs.AI cs.LO
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
Graphs and colorings for answer set programming
本文研究了规则依赖图及其着色在描述和计算逻辑程序答案集中的应用。这种方法为我们提供了深入了解规则之间的相互作用时，诱导答案集。我们从不同的特征的答案集的全彩色依赖图，不同的图论方面。然后，我们开发了一系列的操作特征的答案集的运营商部分着色。与证明论中的推导概念类似，我们的操作刻画被表示为（非确定性形成的）着色序列，将未着色的图变成完全着色的图。通过这种方式，我们得到了一个操作框架，其中不同的操作符组合会导致不同的形式属性。除其他外，我们确定的noMoRe系统所采用的基本策略，并证明其算法的方法。此外，我们区分相应的拟合的操作，以及良好的基础语义。(To逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2005-02-21 cs.AI cs.LO
Solving Decision Theory Problems with Probabilistic Answer Set Programming
University of Ferrara（费拉拉大学）；TU Wien（维也纳技术大学）
本文提出通过决策原子和效用属性在Credal语义下用概率回答集编程编码决策理论问题，并设计基于三层代数模型计数的算法，实验证明其可在合理时间内处理非平凡实例。
2024-08-21 cs.AI cs.LO
Counting Answer Sets via Dynamic Programming
TU Wien（维也纳工业大学）
虽然近年来命题可满足性（#SAT）的解决方案计数问题重新受到关注，但这一研究趋势并没有影响其他AI解决范式，如答案集编程（ASP）。虽然ASP求解器被设计为枚举所有解决方案，因此计数可以很容易地完成，但所有解决方案的具体化是ASP（#ASP）计数问题的明显瓶颈。在本文中，我们提出了基于动态规划的#ASP算法，利用底层（地面）ASP程序的结构。一个原型实现的实验结果表明，与现有的求解器相比，承诺。
2016-12-22 cs.AI cs.CC cs.LO
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
Automated Aggregator -- Rewriting with the Counting Aggregate
University of Kentucky（肯塔基大学）
答案集编程是一种领先的声明式约束编程范式，广泛用于复杂的知识密集型应用程序。现代答案集程序设计语言支持许多等效的方法来对程序中的约束和规范进行建模。然而，到目前为止，答案集编程还没有开发出系统的方法来构建表示，这将统一地提供自动化处理。这表明，编码选择，以同样的方式选择算法和组合求解，可能是一个可行的方向，以提高性能的答案集求解。必要的先决条件是自动生成可能的替代编码的过程。在这里，我们提出了一个自动重写系统，自动聚合器或AAgg，给出了一个非地面逻辑程序，产生一个家庭的等效程序与互补的性能时，运行在现代的答案集编程求解器。我们通过实验分析证明了这种行为，并提出了该系统的使用自动答案集编程求解器选择工具。
2020-09-22 cs.AI cs.LO
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
ASP(AC): Answer Set Programming with Algebraic Constraints
Technical University Vienna（维也纳技术大学）
加权逻辑是一个强大的工具，规范的计算半环依赖于定性信息。使用一种新的组合加权逻辑和这里和那里（HT）的逻辑，这种依赖是基于直觉的理由，我们介绍了答案集编程与代数约束（ASP（AC）），其中规则可能包含的限制，比较半环值加权公式评估。这样的约束提供了对ASP中可用的多种构造（如聚合、选择约束和算术运算符）的流线型访问。他们扩展了其中的一些，并提供了一个通用的框架，用于定义程序与代数计算，这可以卓有成效地使用，例如，起源语义的数据库程序。虽然在一般情况下是不可判定的，但ASP（AC）的表达片段可以在一个丰富的框架中用于有效解决问题。本书正在考虑被《逻辑程序设计理论与实践》接受。
2020-08-10 cs.AI cs.LO
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
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
Towards Metric Temporal Answer Set Programming
University of Corunna（拉科鲁尼亚大学）；University of Potsdam（波茨坦大学）
我们详细阐述了一个度量的时间扩展的理论基础的答案集编程。在类比以前的扩展ASP与线性时间和动态逻辑的结构，我们完成了这一点的逻辑的设置在这里和那里及其非单调扩展，称为平衡逻辑。更确切地说，我们在与其前辈相同的语义基础上开发我们的逻辑，从而使用一个简单的时间域的有限时间步长。这使我们能够在一个统一的框架中比较所有的变体，并最终将它们组合在一个通用的实现中。
2020-08-08 cs.AI cs.LO
Forgetting in Answer Set Programming -- A Survey
遗忘-或变量消除-是一种允许从知识库中删除不再被认为相关的中间变量的操作。近年来，已经提出了许多不同的方法来解决答案集编程中的遗忘问题，这些方法以特定的运算符或此类运算符的类的形式存在，通常遵循不同的原则并遵守不同的性质。每一种这样的方法都是为了解决关于遗忘的某些特定观点而开发的，目的是遵守在这种观点中被认为是可取的一组特定属性，但是缺少对所有现有算子和属性的全面统一的概述。在本文中，我们彻底检查现有的属性和（类）的答案集编程遗忘的运营商，绘制这些类的遗忘运营商的景观，其中包括许多新的结果之间的关系的属性和运营商，包括具体的运营商计算结果的遗忘和计算复杂性的考虑。我们的目标是提供指导，帮助用户选择最适合其应用要求的运营商。
2021-12-07 cs.AI cs.LO
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
Reasoning about Cardinal Directions between 3-Dimensional Extended Objects using Answer Set Programming
Sabanci University（萨班哲大学）
我们提出了一种新的正式框架（称为3D-nCDC-ASP）表示和理由的基本方向之间的扩展对象在3维（3D）空间，使用答案集编程（ASP）。3D-nCDC-ASP扩展了Cardinal Directional Calculus（CDC），提供了一种新的默认约束类型，并将nCDC-ASP扩展到3D。3D-nCDC-ASP提供了一个灵活的平台，提供不同类型的推理：默认的非单调推理，检查对象之间3D基本方向上的一组约束的一致性，解释不一致性，以及推断缺失的CDC关系。我们证明了3D-nCDC-ASP的可靠性，并说明其实用性与应用程序。本文件正在考虑被TPLP接受。
2020-08-10 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
An Online Development Environment for Answer Set Programming
Tufts University（塔夫茨大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；Texas Tech University（德克萨斯理工大学）
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高中生成为可能。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答案集编程环境，它具有自包含的文件系统和简单的界面，允许用户编写逻辑程序并在程序上执行多个任务。
2017-06-20 cs.AI cs.HC cs.OH
Implementing Metric Temporal Answer Set Programming
University of Potsdam, Germany（波恩大学）；University of Corunna, Spain（科鲁纳大学）；University of Angers, France（昂热大学）；Potassco Solutions, Germany（Potassco解决方案）
研究如何实现度量时态回答集编程，利用带差异约束的ASP扩展处理时间相关方面，有效解耦度量ASP与时间粒度，解决处理细粒度时间约束时的可扩展性问题，使解决方案不受时间精度影响。
2026-07-08 cs.AI cs.LO
Solving puzzles described in English by automated translation to answer set programming and learning how to do that translation
Arizona State University（亚利桑那州立大学）
我们提出了一个系统，能够自动解决组合逻辑难题（简化）英语。它涉及到翻译成答案集编程（ASP）的难题的英文描述，并使用ASP求解器提供的难题的解决方案。为了翻译这些描述，我们使用了一种基于概率组合范畴语法（PCCG）的基于微积分的方法，其中单词的含义与参数相关联，以便能够区分同一单词的多种含义。许多单词的含义和参数都是学习的。在ASP中使用适用于大量逻辑谜题的本体来表示谜题。
2011-08-18 cs.AI cs.CL cs.LO
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
Abstract argumentation and answer set programming: two faces of Nelson's logic
University of Nebraska Omaha（内布拉斯加大学奥马哈分校）；IRIT（图卢兹计算机科学研究所）；Université de Toulouse（图卢兹大学）；CNRS（法国国家科学研究中心）
在这项工作中，我们表明，逻辑编程和抽象的论证框架可以解释纳尔逊的建设性逻辑N4。在这种逻辑中，我们通过形式化两个原则来做到这一点，我们称之为非矛盾推理和加强的封闭世界假设：第一个原则指出，任何信念都不能基于矛盾的证据，而后者则迫使未知和矛盾的证据都被视为错误。使用这些原则，逻辑程序设计和抽象论证框架都以模块化的方式并使用对象语言转换为构造性逻辑。逻辑程序蕴涵和抽象论证支持在翻译中遵循不矛盾推理原则成为新的蕴涵连接词。然后，攻击通过将这个新的蕴涵与强否定相结合来表示。逻辑程序设计理论与实践（TPLP）
2022-03-27 cs.AI cs.LO
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
Score-Based Explanations in Data Management and Machine Learning: An Answer-Set Programming Approach to Counterfactual Analysis
Universidad Adolfo Ibáñez（阿道夫·伊瓦涅斯大学）；Millennium Inst. for Foundational Research on Data (IMFD)（千年数据基础研究研究所）
我们描述了一些最近的方法，以分数为基础的解释数据库中的查询答案和结果的分类模型在机器学习。重点是作者和合作者所做的工作。特别强调的是放在声明性的方法的基础上的答案集编程使用的反事实推理得分规范和计算。几个例子说明了这些方法的灵活性。
2021-09-19 cs.AI cs.DB cs.LG
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
D-FLAT: Declarative Problem Solving Using Tree Decompositions and Answer-Set Programming
Institute of Information Systems（信息系统研究所）；Vienna University of Technology（维也纳工业大学）
在这项工作中，我们提出了一个工具，快速原型的动态规划算法的基础上树分解的集合编程（ASP）。事实上，已经设计了许多这样的算法，但只有少数几个找到了实现的方法。主要的障碍是缺乏易于使用的系统，（i）照顾建立一个树分解和（ii）提供一个接口的声明规范的动态规划算法。在本文中，我们提出了D-FLAT，一种新的工具，减轻了用户必须处理所有的技术细节与解析，树分解，处理的数据结构等，而不是，它只是动态规划算法本身必须指定在ASP语言。D-FLAT采用ASP求解器来计算动态规划算法中的局部解。文中列举了几个实例说明D-FLAT的使用，并介绍了该系统的主要特点。此外，我们报告的实验表明，基于ASP的D-FLAT编码的一些问题优于单片ASP编码的实例上的小树宽。
2012-10-06 cs.AI cs.LO
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
