On Relation between Constraint Answer Set Programming and Satisfiability Modulo Theories
约束回答集编程是将回答集编程与约束处理相结合的一个很有前途的研究方向。它通常与可满足性模理论领域有非正式的联系。然而,由于这两个研究领域使用的术语和概念不同,确切的正式联系被掩盖了。在本文中,我们通过揭示它们之间精确的形式关系来连接这两个研究领域。我们相信,这项工作将促进这两个领域的理论基础和现有的解决方法的交叉施肥。作为在这个方向上的一步,我们提供了一个从整数线性约束的约束答案集程序的可满足性模线性整数运算,铺平了道路,利用现代可满足性模理论求解器计算答案集的约束答案集程序的翻译。
2017-02-24 cs.LO
Linear Programming in Isabelle/HOL
本文在 Isabelle/HOL 中实现了一个线性规划求解器,基于单纯形算法形式化和弱对偶定理,可形式化证明其可靠性与终止性,并能生成外部求解器。
2024-03-28 cs.LO
Reformulation of Global Constraints in Answer Set Programming
我们表明,全球有限域的约束,如所有不同的可以重新制定到答案集的程序,我们实现弧,界或范围的一致性。除了提供全局传播器的能力来回答集合编程之外,这些重构还提供了许多其他优点。例如,它们通过共享变量来提供对传播器状态的访问的其他约束。这种共享可以用于改善约束之间的传播。这些编码的实验证明了它们的前景。
2010-08-30 cs.LO
First-order answer set programming as constructive proof search
我们提出了一个解释的一阶答案集编程(FOASP)的直觉证明理论。它是通过FOASP和一阶直觉逻辑中Mints层次的Sigma_1层的有界元片段之间的两个多项式变换而得到的。因此,使用固定元谓词(特别是一元谓词)的Sigma_1公式与FOASP具有相同的强度。我们的构造揭示了构造性可证明性和稳定蕴涵之间的密切相似性,或者等价地,答案集的构造和直觉反驳之间的相似性。这篇论文正在考虑发表在《逻辑程序设计理论与实践》上
2018-04-30 cs.LO
Solver Scheduling via Answer Set Programming
University of British Columbia(不列颠哥伦比亚大学);University of Potsdam(波茨坦大学)
虽然布尔约束技术在过去十年中取得了巨大的进步,但已知最先进的求解器的功效在不同类型的问题实例中变化很大,并且强烈依赖于算法参数。这个问题是通过一个简单而有效的方法来解决的,该方法使用手工制作的,统一的和无序的多个求解器的时间表,在2011年SAT比赛中表现出非常令人印象深刻的表现。受此启发,我们利用的建模和求解能力的答案集编程(ASP),自动确定更完善的,也就是说,非均匀和有序的求解器的时间表,从现有的基准测试数据。我们首先制定多标准优化问题,并提供相应的ASP编码等时间表的确定。由此产生的编码可以很容易地针对不同的设置进行自定义,并且最佳时间表的计算大多可以在眨眼之间完成,即使在处理来自数百到数千个实例的许多求解器的大型运行时数据集时也是如此。此外,我们的方法可以很容易地定制,这使我们能够迅速调整它,为多处理器机器生成并行调度。
2014-01-06 cs.AI cs.LO
Symmetry Breaking for Answer Set Programming
在答案集编程的背景下,这项工作研究对称性检测和对称性破缺,以消除对称部分的搜索空间,从而简化求解过程。我们有助于减少对称性检测的图形自同构问题,它允许提取对称性的逻辑程序的对称性构造的彩色图。我们还提出了一个编码的破坏性的约束条件的置换循环,并在这个过程中只使用发电机隐含地表示对称性,总是与指数压缩。这些想法被制定为预处理,并在一个完全自动化的流程中实现,该流程首先从给定的答案集程序中检测对称性,增加了破坏性约束,并可以应用于任何现有的答案集求解器。我们展示了计算的基准与直接应用的求解器的影响。此外,我们探讨对称破缺的答案集编程在两个领域:第一,约束答案集编程作为一种新的方法来表示和解决约束满足问题,第二,分布式非单调多上下文系统。特别是,我们制定了一个基于约束的方法来解决问题的答案集,它允许我们的对称性检测和对称性破缺方法的应用。为了比较它们的性能与先验对称破缺技术,我们还贡献了一个分解的全局值优先约束,通过单位传播的答案集求解器执行域一致性的原始约束。我们在实证分析中评估这两种选择。在分布式非单调多上下文系统的背景下,我们开发了一个分布式对称性检测算法,并携带分布式答案集规划的破缺约束。
2010-08-30 cs.LO
Detecting Inconsistencies in Large Biological Networks with Answer Set Programming
我们介绍了一种方法来检测大型生物网络中的不一致性,使用答案集编程(ASP)。为此,我们建立在最近提出的概念,生物化学/遗传反应和高通量的细胞活性之间的一致性。然后,我们提出了一种基于ASP的方法来检查大规模数据集的一致性。此外,我们扩展这种方法,以提供解释的不一致,确定最低限度的代表冲突。在实践中,这可用于识别不可靠的数据或指示缺失的反应。
2010-07-01 cs.LO
Programming-By-Example by Programming-By-Example: Synthesis of Looping Programs
程序合成近年来有了许多新的应用,这在很大程度上要归功于SyGuS的引入。然而,现有的SyGuS求解器都不支持合成递归函数。我们介绍了一个多阶段的算法,在SyGuS中的递归“loolike”程序的合成编程的例子。我们单独解决约束,并将其视为递归程序如何行为的“展开”示例,并求解广义递归解。我们的方法是模块化的,支持任何SyGuS求解器。
2021-08-19 cs.LO cs.PL
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
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
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
Inductive Logic Programming via Differentiable Deep Neural Logic Networks
Georgia Institute of Technology(佐治亚理工学院)
提出了一种新的范式,通过深度递归神经网络解决归纳逻辑程序设计(ILP)问题。这个建议的ILP求解器的设计基础上,通过正向链接的演绎微分实现。与以往的大多数方法不同,本文通过引入一种新的可微神经逻辑(dNL)网络,直接学习符号逻辑谓词规则,而不是使用一些限制性规则模板搜索可能的一阶逻辑规则空间。所提出的dNL网络能够以显式的方式有效地学习和表示布尔函数。我们表明,建议的dNL-ILP求解器支持理想的功能,如递归和谓词发明。此外,我们研究了所提出的ILP求解器在涉及基准关系数据集的分类任务中的性能。特别是,我们表明,我们提出的方法在Mutagenesis,Cora和IMDB数据集的分类任务中优于最先进的ILP求解器。
2019-06-08 cs.AI cs.LO
Reducing Fuzzy Answer Set Programming to Model Finding in Fuzzy Logics
近年来,回答集编程已经扩展到处理多值谓词。由此产生的形式主义允许建模的连续问题,优雅的ASP允许离散问题的建模,通过结合ASP与模糊逻辑的稳定模型语义。然而,与经典ASP的情况下,许多有效的求解器已被构造,迄今为止,没有有效的模糊答案集编程求解器。经典ASP的一种公知技术包括将ASP程序$P$转换为命题理论,该命题理论的模型精确地对应于$P$的答案集。在本文中,我们将展示如何将这一想法扩展到模糊ASP,铺平了道路,实现高效的模糊ASP求解器,可以利用现有的模糊逻辑推理。出现在逻辑编程理论与实践(TPLP)中。
2011-04-27 cs.LO cs.PL
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
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
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
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
The CIFF Proof Procedure for Abductive Logic Programming with Constraints: Theory, Implementation and Experiments
Università di Pisa(比萨大学);Imperial College London(帝国理工学院);University of Amsterdam(阿姆斯特丹大学)
给出了带约束的溯因逻辑程序设计的CIFF证明过程,并证明了其正确性。CIFF是溯因逻辑编程的IFF证明过程的扩展,放松了对变量量化(允许条件)的原始限制,并结合了约束求解器来处理约束逻辑编程中的数值约束。最后,我们描述了CIFF系统,将其与最先进的溯因系统和答案集求解器进行比较,并展示了如何使用它来编程一些应用程序。(To《逻辑程序设计理论与实践》(Theory and Practice of Logic Programming,TPLP)
2009-06-05 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
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
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
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
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
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
Unsatisfiable Cores for Constraint Programming
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)
约束编程(CP)求解器通常通过反复寻找问题的解决方案来解决优化问题,同时对解决方案的成本设置越来越严格的界限。这种方法有些幼稚,特别是对于软约束优化问题,其中软约束大多得到满足。在布尔可满足性中解决软约束问题的不可满足核方法(例如MAXSAT)强制所有软约束保持初始状态。当求解失败时,它们返回一个不可满足的核心,作为一组不能同时保持的软约束。使用该信息,问题被放松以允许违反某些软约束,并且求解继续。由于懒惰子句生成(LCG)求解器也可以返回不可满足的核心,我们可以将MAXSAT不可满足的核心方法应用于CP。我们实现了原来的MAXSAT不可满足的核心求解算法WPM1,MSU3在一个国家的最先进的LCG求解器,并表明存在的问题,受益于这种混合的方法。
2013-05-08 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
Description, Implementation, and Evaluation of a Generic Design for Tabled CLP
具有制表和约束的逻辑编程(TCLP,表格约束逻辑编程)已被证明比LP,CLP或LP +制表更具表达力,在某些情况下更有效。以前的设计TCLP系统没有充分利用蕴涵,以确定呼叫/应答包容,并没有提供一个简单的和良好的记录接口,以促进现有的制表系统中的约束求解器的集成。我们研究的作用,投影和蕴涵在终止,健全和完整的TCLP系统,并提出了设计和实验评估的Mod TCLP,一个框架,简化了额外的约束求解器的集成。Mod TCLP将约束求解器视为制表系统的客户端,这是通用的w.r.t.解决方案,只需要一个明确的接口,从后者。我们通过整合四个约束求解器来验证我们的设计:以前存在的用于差分约束的约束求解器,用C编写; Holzbaur的CLP(Q)和CLP(R)的标准版本,用Prolog编写;以及有限格上的方程的新约束求解器。我们使用上述约束求解器在几个基准测试中评估我们的框架的性能。Mod TCLP是在Ciao Prolog中开发的,Ciao Prolog是一个健壮、成熟的下一代Prolog系统。逻辑程序设计理论与实践(TPLP)
2018-09-15 cs.LO cs.PL
Constraint Logic Programming over Infinite Domains with an Application to Proof
我们提出了一个基于CLP(FD)的约束求解器,能够处理无界域。它基于约束传播,如果所有其他方法都失败,则诉诸枚举。一个重要的方面是检测枚举何时完成,以及这是否对结果的可靠性有影响。我们提出了一种技术,保证健全的方式如下:如果约束求解器找到一个解决方案,它保证是正确的;如果约束求解器未能找到一个解决方案,它可以返回的结果“绝对假”的情况下,它知道枚举是详尽的,或“未知”的情况下,它被中止。该技术可以处理嵌套的全称量词和存在量词。它可以很容易地扩展到集合解析和其他引入新量化变量的运算符。我们展示了数据验证和证明中的应用。
2017-01-03 cs.LO cs.PL
Existentially Quantified Systems of Equations as an Implicit Representation of Answers in Logic Programming
在本文中,我们提出了另一种方法来形式化的逻辑编程理论。在这种形式化中,我们允许在查询中存在量化变量和方程。与标准方法相反,答案的作用将由存在量化的方程组发挥。这使得我们在处理替换时可以避免问题。特别地,当输入子句引入新变量时,我们不需要“全局”变量分隔条件。此外,这种形式化可以被视为并发逻辑语言理论的基础,因为它还包括广泛的并行计算方法。此外,答案的平行组合可以直接定义为答案的一致连接。
2022-07-19 cs.LO cs.PL
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
Autonomous Task Completion Based on Goal-directed Answer Set Programming
本研究针对自主智能体任务规划的可解释性与可靠性问题,提出结合归纳学习与目标导向回答集编程的方法,开发了基于s(CASP)的Python工具并探索模拟任务完成中复杂问题的解决方案。
2025-02-13 cs.LO cs.SE
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
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
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
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