GPU-based parallelism for ASP-solving
Università di Udine（乌迪内大学）；Università di Perugia（佩鲁贾大学）；Libera Università di Bolzano（波尔扎诺自由大学）
答案集编程（ASP）已成为逻辑编程和非单调推理领域的首选范式。由于有效的求解器的可用性，ASP已成功地应用于大量的应用领域。术语GPU计算表示旨在使现代并行图形处理单元（GPU）用于通用计算的最近编程范例。在本文中，我们描述了一种利用GPU并行性解决ASP问题的方法。基于GPU的求解器的设计提出了各种挑战，由于GPU的软件和硬件架构的特殊性和可满足性问题的内在性质。
2019-09-04 cs.AI cs.DC
BreakID: Static Symmetry Breaking for ASP (System Description)
KU Leuven（鲁汶大学）；Helsinki Institute for Information Technology HIIT, Aalto University（赫尔辛基信息技术研究所，阿尔托大学）
对称破缺是可满足性求解的一种有效的预处理技术。在本文中，我们的国家的最先进的SAT对称断路器BreakID的回答集编程（ASP）。其结果是一个轻量级的工具，可以插入之间的基础和解决阶段，这是常见的建模时，在ASP。我们比较我们的工具与sbass，目前国家的最先进的对称断路器的ASP。
2016-08-30 cs.AI
Specifying and Exploiting Non-Monotonic Domain-Specific Declarative Heuristics in Answer Set Programming
Siemens AG Österreich（奥地利西门子股份公司）；Alpen-Adria-Universität Klagenfurt（克拉根福阿尔卑斯-亚德里亚大学）；TU Wien（维也纳工业大学）
特定领域算法是有效解决组合问题的一种基本技术。目前的方法来集成特定领域的算法与答案集编程（ASP）是不令人满意的，当处理指定的非单调的部分分配的基础上的算法。在实践中，例如，当挑选尚未放入装箱箱的物品时，经常会发生这种物流。因此，我们提出了新的语法和语义的声明性规范的领域特定的语法在ASP。我们的方法支持启发式语句，依赖于在解决过程中保持的部分分配，这是不可能的。我们提供了一个实现在ALPHA，使ALPHA的第一个懒惰接地ASP系统，以支持声明指定的特定于域的语法。两个实际的例子域被用来证明我们的建议的好处。此外，我们使用我们的方法来实现知情的搜索与A*，这是第一次在ASP。A* 适用于两个进一步的搜索问题。实验证实，结合懒惰接地ASP解决方案和我们的新算法可以解决工业规模的问题是至关重要的。
2022-09-19 cs.AI
Degrees of Laziness in Grounding: Effects of Lazy-Grounding Strategies on ASP Solving
Siemens AG Österreich（西门子奥地利公司）；Alpen-Adria-Universität Klagenfurt（克拉根福阿尔卑斯-亚德里亚大学）；Technische Universität Wien（维也纳工业大学）
回答集编程（ASP）中传统的“接地-求解”方法存在接地瓶颈，导致大规模问题实例无法求解。惰性接地是一种替代方法，它将接地与求解交错使用，从而更有效地利用空间。然而，惰性接地中对搜索空间的有限视图构成了独特的挑战，并且可能对求解性能产生不利影响。在本文中，我们提出了一种新颖的ASP基础懒惰程度的特征，即尽可能少的懒惰基础和传统的预先完全基础之间的妥协。我们调查这些程度的懒惰相互比较正式，以及通过实验分析，使用一些基准，在解决性能的影响。我们的贡献是介绍了一系列新的懒惰接地策略，正式帐户的关系和正确性，并调查其对解决性能的影响。实验表明，在许多情况下，我们的方法比最先进的惰性接地性能明显更好。
2019-07-19 cs.AI cs.LO
Clingcon: The Next Generation
Kobe University（神户大学）；University of Potsdam（波茨坦大学）；Simon Fraser University（西蒙弗雷泽大学）；Griffith University（格里菲斯大学）；INRIA Rennes（法国国家信息与自动化研究所雷恩分部）
我们提出了第三代的约束答案集系统clingcon，结合答案集编程（ASP）和有限域约束处理（CP）。虽然它的前辈依靠黑盒方法通过集成CP求解器gecode来混合求解，但新的clingcon系统采用了一种懒惰的方法，使用专用的约束传播器来扩展底层ASP求解器clasp中的传播。不需要对clingcon的混合建模语言进行解析和基础扩展，因为ASP grounder gringo的新通用理论处理能力可以容纳这两种语言。作为一个整体，clingcon 3是ASP系统clingo 5的扩展，clingo 5本身依赖于grounder gringo和solver clasp。clingcon的新方法提供了CP传播到ASP求解的无缝集成，这得益于卡环推理模式的整个频谱，包括例如多镜头求解和高级优化技术。这是通过一种惰性方法来实现的，该方法展开约束的表示，并仅在需要时将其添加到逻辑程序的表示中。虽然展开通常由求解过程中的约束传播器决定，但它可以在预处理过程中部分（甚至全部）完成。此外，clingcon的约束预处理和传播结合了几种成熟的CP技术，大大提高了其性能。我们证明了这一点，通过一个广泛的实证评估对比，第一，CSP解决方案的背景下，第二，新的clingcon系统与其他混合ASP系统的各种技术。逻辑程序设计理论与实践（Theory and Practice of Logic Programmin…
2017-05-12 cs.AI
Solving Distributed Constraint Optimization Problems Using Logic Programming
New Mexico State University（新墨西哥州立大学）
本文探讨了使用答案集编程（ASP）解决分布式约束优化问题（DCOPs）。本文的创新之处在于：（1）将DCOP表示为逻辑程序：（2）介绍了第一个基于逻辑程序设计的DCOP算法ASP-DPOP;（3）实验表明，ASP-DPOP比DPOP快两个数量级（它的命令式编程对应）以及解决一些问题，DPOP未能解决，由于内存限制;以及（4）它证明了ASP在目前被建模为DCOP的一系列多Agent问题中的适用性。逻辑程序设计理论与实践（TPLP）
2017-05-10 cs.AI cs.MA
FOLASP: FO(.) as Input Language for Answer Ser Solvers
KU Leuven（KU Leuven（鲁汶大学））；Leuven.AI – KU Leuven Institute for AI（鲁汶人工智能研究所（KU Leuven人工智能研究所））
在过去的几十年里，答案集编程（ASP）已经成为声明式问题解决的一个重要范例。这一领域的技术进步是由于使用了共同标准，例如ASP-Core-2语言。虽然ASP的根源在于非单调推理，但人们也努力使ASP与经典的一阶逻辑（FO）相协调。这导致了FO（.）的发展，FO的一个富有表现力的扩展，它允许在纯粹的经典环境中解决类似ASP的问题。这种语言对于已经熟悉FO的领域专家来说可能更容易使用，并且可能更容易与基于经典逻辑的其他形式主义结合。它由IDP推理系统支持，该系统已成功地参加了许多ASP竞赛。然而，在这里，可用于FO（.）的系统数量有限阻碍了技术进步。在本文中，我们的目标是通过一个转换FO（.）的翻译工具来解决这个问题。规范，从而允许ASP-Core-2求解器用作FO（.）也我们目前的实验结果表明，我们的翻译与现成的ASP求解器的组合是有竞争力的IDP系统作为一种解决问题的方式制定FO（。）。正在考虑接受TPLP。
2021-08-09 cs.AI
Winning Snake: Design Choices in Multi-Shot ASP
TU Dresden（德累斯顿工业大学）；cfaed（德累斯顿电子中心）
本文通过解决贪吃蛇游戏，展示了多轮答案集编程中重用逻辑程序部分的不同技术，并比较了五种clingo实现的性能，利用clingraph生成图像表示。
2024-08-15 cs.AI
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
Harnessing Incremental Answer Set Solving for Reasoning in Assumption-Based Argumentation
University of Helsinki（赫尔辛基大学）；Graz University of Technology（格拉茨工业大学）
基于假设的论证（ABA）是一种中心结构化的论证形式。如最近所示，答案集编程（ASP），使有效地解决NP难推理任务的ABA在实践中，特别是在普遍研究的逻辑编程片段的ABA。在这项工作中，我们利用最近的进展，在增量ASP解决开发有效的算法推理任务的逻辑编程片段ABA的多项式层次结构的第二个层次，包括怀疑推理下的首选语义以及优先推理，大概是很难。特别是，我们开发了非平凡的反例指导的抽象细化程序的基础上，增量ASP解决这些任务。我们还表明经验的程序是显着更有效的比以前提出的算法的任务。本文件正在考虑被TPLP接受。
2021-08-09 cs.AI cs.LO
LP2PB: Translating Answer Set Programs into Pseudo-Boolean Theories
Vrije Universiteit Brussel（布鲁塞尔自由大学）
回答集编程（ASP）是一种成熟的知识表示形式。大多数ASP求解器都是基于布尔可满足性求解技术的（扩展）。虽然这些求解器在许多实际应用中非常成功，但它们的强度受到其底层证明系统分辨率的限制。在本文中，我们提出了一个新的工具LP2PB，ASP程序转换为伪布尔理论，求解器的基础上（更强）切割平面证明系统存在。我们评估我们的工具，和潜在的切割平面为基础的解决ASP对传统的ASP基准以及基准从伪布尔求解。我们的结果好坏参半：总的来说，传统的ASP求解器仍然优于我们的翻译方法，但几个基准家庭被确定的平衡转移的其他方式，从而表明，进一步调查到一个更强大的证明系统的ASP是有价值的。
2020-09-22 cs.AI cs.LO
Abstract Solvers for Computing Cautious Consequences of ASP programs
University of Calabria（卡拉布里亚大学）；University of Genoa（热那亚大学）；dibris.unige.it（dibris.unige.it（此处为邮箱域名，非机构名，按要求不应提取，实际应为前两个大学））
抽象求解器是一种形式化分析算法的方法，这些算法已被有效地用于描述、比较和组合各种领域的求解技术，例如命题可满足性（SAT）、量化SAT、可满足性模理论、答案集编程（ASP）和约束ASP。在本文中，我们设计，实现和测试新的谨慎推理任务的抽象解决方案，在ASP。我们展示了如何改进目前的抽象求解器谨慎推理ASP借用新技术在SAT骨干计算，以设计新的求解算法。通过这样做，我们也正式表明，在ASP中解决谨慎推理任务的算法是密切相关的计算布尔公式的骨干。我们实现了一些新的解决方案，在ASP求解器WASP，并表明他们的性能是比较先进的解决方案的基准问题，从过去的ASP比赛。正在考虑接受TPLP。
2019-07-22 cs.AI cs.LO
How to build your own ASP-based system?!
University of Potsdam（波茨坦大学）
答案集编程（ASP）已经成为一种流行的和相当复杂的方法来解决声明性问题。这可以说是由于其有吸引力的建模-接地-解决工作流，提供了一个简单的方法来解决问题，即使是计算机科学以外的外行。与此不同的是，底层技术的高度复杂性使得ASP专家越来越难以将想法付诸实践。为了解决这个问题，本教程旨在使用户能够构建自己的基于ASP的系统。更确切地说，我们展示了如何ASP系统CLINGO可以用于扩展ASP和实现定制的特殊用途的系统。为此，我们提出了两个备选方案。我们开始与传统的人工智能技术，并显示如何Meta编程可以用于扩展ASP。这是一种相当轻松的方法，它依赖于CLINGO的具体化特性，使用ASP本身来表达新的功能。与此不同的是，本教程的主要部分使用传统编程（在PYTHON中）通过其应用程序编程接口操作CLINGO。这种方法允许改变和控制整个模型地面解决工作流程的ASP。这方面的核心是CLINGO的新Application类，它允许我们通过定制类似于CLINGO中的流程来利用CLINGO的基础设施。例如，我们可以对程序的抽象语法树进行操作，控制各种形式的多重求解，并为外来推理建立理论传播器。另一个跨Meta和应用程序编程的横截面结构是CLINGO的中间格式ASPIF，它指定了底层接地器和求解器之间的接口。我们通过示例和几个重要的案例研究来说明本教程中的上述概念和技术。
2021-11-05 cs.AI cs.PL
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
Answering the "why" in Answer Set Programming - A Survey of Explanation Approaches
Institut de Recherche en Informatique de Toulouse (IRIT)（图卢兹计算机科学研究所）；Université de Toulouse（图卢兹大学）；Technische Universität Darmstadt（达姆施塔特工业大学）
人工智能（AI）解决问题和决策的方法变得越来越复杂，导致解决方案的可理解性降低。欧盟新的《通用数据保护条例》试图通过规定人工智能系统所做决定的“解释权”来解决这一问题。可能受到这一新规定影响的人工智能范例之一是答案集编程（ASP）。由于出现了高效的解决方案，ASP最近已被用于解决各种领域的问题，包括医学，密码学和生物学。为了确保成功应用ASP作为解决问题的范例在未来，ASP解决方案的解释是至关重要的。在这项调查中，我们给出了一个概述的方法，提供了一个答案的问题，为什么答案集是一个解决方案，一个给定的问题，特别是离线的理由，因果图，论证性的解释和为什么不出处，并强调他们的相似性和差异。此外，我们审查的方法解释为什么一组文字是不是一个答案集或为什么没有解决方案存在于所有。
2018-09-21 cs.AI
Comparison of SAT-based and ASP-based Algorithms for Inconsistency Measurement
University of Hagen（哈根大学）；University of Koblenz（科布伦茨大学）
本文提出基于SAT和ASP的算法来确定命题知识库中六种不一致性度量，实验表明基于SAT和ASP的方法在运行时间上均优于朴素基线，且基于ASP的方法在所有度量上均优于基于SAT的方法。
2025-04-04 cs.AI
Exploiting Partial Knowledge in Declarative Domain-Specific Heuristics for ASP
Siemens AG Österreich（西门子奥地利股份公司）；Alpen-Adria-Universität（阿尔卑斯-亚德里亚大学）；Technische Universität Wien（维也纳工业大学）；Aalto University（阿尔托大学）
特定领域算法是有效解决组合问题的一种重要技术。我们提出了一种新的语义声明规范的领域特定的问答集编程（ASP）。基于部分解决方案的决策过程是现有领域特定算法的常见成分，例如，用于将尚未放置的物品放置在装箱中。因此，在我们的新语义否定失败和聚集在启发式条件下进行评估的部分求解器状态。最先进的求解器不允许这样的声明性规范。我们的实现在懒惰接地ASP系统Alpha支持启发式指令下的语义。通过这种方式，我们还提供了第一个实现，用于将声明式指定的特定于域的语法整合到延迟接地设置中。实验证实，ASP解决与懒惰接地和我们的新的算法相结合，可以解决工业规模的问题的重要组成部分。
2019-09-18 cs.AI cs.LO
Solving stable matching problems using answer set programming
Ghent University（根特大学）；Cardiff University（卡迪夫大学）；UW Tacoma（华盛顿大学塔科马校区）；Vrije Universiteit Brussel（布鲁塞尔自由大学）
自从Gale和Shapley（1962）提出稳定婚姻问题（SMP）以来，已经研究了几个变体和扩展。虽然这种多样性有助于扩大应用潜力，但每个变体都需要一种新的算法来找到稳定的匹配。为了解决这个问题，我们提出了一个编码的SMP使用答案集编程（ASP），它可以直接适应和扩展，以适应特定应用程序的需求。使用ASP也意味着我们可以利用高效的现成的求解器。为了说明我们的方法的灵活性，我们展示了我们的ASP编码如何自然地允许我们选择最佳的稳定匹配，即根据一些用户指定的标准是最佳的匹配。据我们所知，我们的编码提供了第一个确切的实现，以找到性别平等，最小的遗憾，平等主义或最大基数稳定匹配SMP的情况下，个人可以指定不可接受的合作伙伴和偏好之间的联系是允许的。这篇论文是在逻辑程序设计理论与实践（TPLP）中考虑的。
2015-12-16 cs.AI
Aggregate Semantics for Propositional Answer Set Programs
University of Calabria（卡拉布里亚大学）；University of Klagenfurt（克拉根福大学）；Graz University of Technology（格拉茨工业大学）
答案集编程（ASP）出现在20世纪90年代后期，作为知识表示和推理的范例。ASP的吸引力建立在一个富有表现力的高级建模语言以及强大的现成解决系统的可用性之上。虽然在建模语言中加入聚合表达式的实用性几乎与第一个ASP解决系统的诞生同时实现，但聚合的一般语义及其有效实现一直是长期存在的挑战。聚集被提出并广泛应用于数据库系统中，也被应用于演绎数据库语言数据库中，演绎数据库语言是ASP的主要前身之一。然而，聚合的使用仍然在Datatron中受到限制（不允许递归或只允许单调聚合），而在ASP的上下文中，集成无限制聚合的几种方法得到了发展。在这项调查中，我们拿起在这一点上的发展，提出和比较的主要聚合语义，已提出的命题ASP程序。我们突出的关键属性，如计算复杂性和表达能力，并概述了说明性的例子不同的方法的能力和局限性。
2021-09-17 cs.AI
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
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
Applying Incremental Answer Set Solving to Product Configuration
Siemens（西门子）
本文将增量式解集求解方法应用于产品配置问题。增量答案集求解是一种逐步增量的答案集编程（ASP）方法。我们演示了如何使用这种技术来解决产品配置问题增量。增量求解过程的每一步都对应于预定义的配置操作。使用复杂的特定于域的配置操作可以严格控制非确定性级别和求解过程的性能。我们展示了这种技术在产品配置推理中的应用，例如模拟确定性配置算法的行为和描述用户操作。
2022-07-18 cs.AI
Solving Advanced Argumentation Problems with Answer Set Programming
Universität Leipzig（莱比锡大学）；TU Dresden（德累斯顿工业大学）；TU Wien（维也纳工业大学）
已经提出了用于抽象论证的强大的形式主义，其中包括抽象辩证框架（ADF），它允许对参数之间的关系进行简洁和灵活的规范，以及GRAPPA框架，它允许将论证场景表示为任意的边标记图。ADF和GRAPPA的复杂性位于NP之外，并且范围高达多项式层次结构的第三级。答案集编程（ASP）的组合复杂性完全匹配这个复杂性时，程序被限制到有界元谓词。在本文中，我们利用这一巧合，并提出了新的有效的翻译，从ADF和GRAPPA ASP。更具体地说，我们提供了五个主要的ADF语义的可接受的，完整的，首选的，接地，稳定的解释减少，以及这些减少需要适应GRAPPA的可接受的，完整的和首选的语义。逻辑程序设计理论与实践（TPLP）
2019-12-05 cs.AI
The Design of the Fifth Answer Set Programming Competition
Università della Calabria（卡拉布里亚大学）；Helsinki Institute for Information Technology HIIT（赫尔辛基信息技术研究所 HIIT）；Aalto University（阿尔托大学）；University of Potsdam（波茨坦大学）；Università di Genova（热那亚大学）
答案集编程（ASP）是一种成熟的声明式编程范式，它在逻辑编程和非单调推理领域得到了发展。ASP解决技术的进步通常在比赛中进行评估，因为它发生在其他密切相关的问题解决技术，如SAT/SMT，QBF，计划和调度。ASP竞赛（通常）是两年一次的活动;然而，第五届ASP竞赛偏离了传统，以加入2014年维也纳夏季逻辑的FLoC奥林匹克运动会，这有望成为逻辑历史上最大的事件。ASP竞赛系列由卡拉布里亚大学（意大利），阿尔托大学（芬兰）和热那亚大学（意大利）联合举办，并隶属于第30届国际逻辑编程会议（ICLP 2014）。它具有完全重新设计的设置，包括轨道设计，评分模式以及坚持固定建模语言的新颖性，以推动ASP-Core-2标准的采用。基准域取自过去的版本，并将2013年提交的最佳系统包与新版本和求解器进行比较。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2014-06-03 cs.AI
A Solver-in-the-Loop Framework for Improving LLMs on Answer Set Programming for Logic Puzzle Solving
本文提出了一种求解器循环框架，通过引导求解器进行指令微调，提升LLM在Answer Set Programming中生成逻辑谜题解答的性能。
2025-12-18 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
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
selp: A Single-Shot Epistemic Logic Program Solver
TU Wien（维也纳工业大学）
认知逻辑程序（英语：Epistemic Logic Programs，ELP）是答案集编程（英语：Answer Set Programming，ASP）的一个扩展，它具有认知算子，允许一种形式的元推理，即在多个可能世界上进行推理。现有的ELP求解方法通常依赖于对ASP求解器进行多次调用以评估ELP。然而，在本文中，我们表明，也存在一个直接的翻译从ELP到非地面ASP有界arity。由此产生的ASP程序可以在Single Shot中求解。然后，我们实现这种编码方法，使用最近提出的技术来处理大型，非地面ASP规则，到原型ELP解决系统“selp”，我们在本文中提出。该求解器在一组ELP基准实例上表现出具有竞争力的性能。逻辑程序设计理论与实践（TPLP）
2020-01-04 cs.AI cs.LO
Automata for dynamic answer set solving: Preliminary report
University of Corunna（科鲁尼亚大学）；Université d’Angers（昂热大学）；University of Potsdam（波茨坦大学）
我们探讨了不同的方式来实现时间约束表示在扩展的答案集编程（ASP）的语言结构，从动态逻辑。最重要的是，我们研究如何自动机可以用来执行这样的约束。其思想是将一个动态约束转换成一个用逻辑程序表示的自动机，该自动机强制满足原始约束。这种方法的吸引力在于它与时间戳的独立性和检测不可满足性的潜力。一方面，我们阐述了一个转换的动态公式到交替自动机，依赖于元编程在ASP。这是第一次将具体化应用于外国佬的理论表达。另一方面，我们提出了两个转换的动力学公式到一元二阶公式。这些可以被现成的工具用来构造相应的自动机。我们对比这两种方法的经验之一的时间ASP求解器Telingo直接映射到逻辑程序的动态约束。由于这一初步研究仅限于完整性约束下的动态公式，其实现和（经验）结果也很容易适用于传统的线性动态逻辑。
2021-09-04 cs.AI cs.LO
Diminution: On Reducing the Size of Grounding ASP Programs
本文提出diminution概念，通过选取Herbrand域子集生成缩减的ground程序，有效缓解了ASP的grounding瓶颈，在五个基准上平均减少70%的grounding时间。
2025-08-12 cs.AI cs.LO
Explanatory machine learning for sequential human teaching
University of Bamberg（班贝格大学）；Imperial College London（伦敦帝国学院）
本文研究顺序教学中课程顺序与机器学习解释对人类理解的影响，提出顺序教学影响框架，并通过人类试验证明按复杂度递增教学能提升理解、促进分治策略再发现及优化问题求解表现。
2023-03-26 cs.AI cs.LG
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
A Pseudo-Boolean Solution to the Maximum Quartet Consistency Problem
University of Southampton（南安普顿大学）
确定给定生物数据的进化历史是生物科学中的一项重要任务。给定一组分类群上的四元组拓扑，最大四元组一致性（MQC）问题包括计算满足最大四元组数的全局拓扑。针对MQC问题已经提出了许多解决方案，包括动态规划、约束规划以及最近的应答集规划（ASP）。ASP是目前最有效的方法来优化解决MQC问题。本文提出了编码的MQC问题与伪布尔（PB）约束。PB的使用允许使用高效的PB求解器来解决MQC问题，并且还允许考虑针对MQC问题的不同建模方法。初步结果是有希望的，并建议PB可以是一个有效的替代解决MQC问题。
2008-05-02 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
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
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
Answer Set Solving with Bounded Treewidth Revisited
University of Potsdam（波茨坦大学）；TU Wien（维也纳工业大学）
参数化算法是一种更有效地解决困难问题的方法，因为输入的特定参数很小。本文将这一思想应用于答案集编程领域。为此，我们提出了两种图形表示的程序，利用其树宽作为参数。树宽大致衡量程序的内部结构在多大程度上类似于树。我们的主要贡献是设计参数化的动态规划算法，它运行在线性时间，如果给定的程序的树宽和权重是有界的。与以前的工作相比，我们的算法处理的ASP。最后，我们报告的实证评估，表现出良好的运行时行为的基准实例的低树宽，特别是计数的答案集。
2017-02-09 cs.AI cs.CC 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
Aspartame: Solving Constraint Satisfaction Problems with Answer Set Programming
University of Kobe（神户大学）；University of Potsdam（波茨坦大学）；National Institute of Informatics（国立信息学研究所）；Simon Fraser University（西蒙弗雷泽大学）；Griffith University（格里菲斯大学）
将有限线性CSP编码为布尔公式并使用现代SAT求解器求解它们已被证明是非常有效的，获奖的糖系统就是一个例子。我们在这里开发了一种基于ASP的替代方法。这使我们能够使用一阶编码，为我们提供了高度的灵活性，便于不同实现的实验。由此产生的系统Escherame重新使用部分糖来解析和规范化CSP。然后将获得的事实集与ASP编码相结合，该编码可以由现成的ASP系统进行接地和解决。我们建立我们的方法的竞争力，通过经验对比甜和糖。
2013-12-20 cs.AI
Encoding Selection for Solving Hamiltonian Cycle Problems with ASP
University of Kentucky（肯塔基大学）
在ASP中，搜索和优化问题通常具有替代的等效编码。通常情况下，当对广泛的问题实例进行评估时，没有一个比其他方法更好。我们声称，可以提高解决能力的ASP使用机器学习技术来选择编码可能会在一个给定的实例上表现良好。我们通过研究哈密顿循环问题来证实这一说法。我们提出了几个等价的编码问题和几类硬实例。我们建立模型来预测每个编码的行为，然后表明，使用学习到的性能预测器为给定实例选择编码会导致显着的性能增益。
2019-09-18 cs.AI
Solving Witness-type Triangle Puzzles Faster with an Automatically Learned Human-Explainable Predicate
University of Alberta（阿尔伯塔大学）；Carleton University（卡尔顿大学）
本文提出自动学习可解释谓词来预测《见证者》类谜题部分路径是否不可补全，并利用该谓词剪枝搜索状态，在保持完备性的同时将求解速度平均提升六倍，且能在固定时间预算下求解更多更大规模的谜题实例。
2023-08-04 cs.AI
Aspartix-V21
TU Wien（维也纳工业大学）；Graz University of Technology（格拉茨工业大学）
在此求解器描述中，我们介绍了2021年版的ASPARTIX-V，该版本参加了2021年国际辩论计算模型竞赛（ICCMA）。ASPARTIX-V能够解决ICCMA'21中所有经典（静态）推理任务的一部分，并通过将最新的ASP语言结构（例如条件文字），ASP中的域解析和多镜头方法合并来扩展ASPARTIX系统套件。在这种情况下，ASPARTIX-V偏离了ASPARTIX对单片方法的传统关注（即，通过单个ASP编码的单次求解）以进一步增强性能。
2021-09-07 cs.AI
Conflict Generalisation in ASP: Learning Correct and Effective Non-Ground Constraints
Siemens AG Österreich（西门子奥地利公司）；TU Wien (Vienna University of Technology)（维也纳工业大学）
最先进的答案集求解器忽视了在解决一个问题实例时概括和重用学到的知识。我们提出了一种新的方法，概括学习nogoods重复使用，以加快解决未来的问题实例。我们的解决方案结合了著名的ASP解决技术与基于演绎逻辑的机器学习。通过在原程序中加入学习到的非地面约束，可以提高求解性能。我们展示了我们的方法的效果，通过现实的例子，表明我们的方法需要低的计算成本来学习约束，在我们的测试用例中产生显着的性能优势。这些好处可以在接地和解决系统以及惰性接地系统中看到。然而，接地和解决系统遭受额外的接地开销，在某些情况下由额外的约束引起。通过冲突最小化，可以减少非最小学习约束。正如我们的实验所示，这可以显著减少接地和解决工作。（正在考虑接受TPLP。
2020-08-07 cs.AI
Characterization of Glue Variables in CDCL SAT Solving
University of Alberta（阿尔伯塔大学）
一种评估给定学习子句重要性的最新标准称为文字块距离（LBD）得分。它测量给定学习子句中不同决策级别的数量。习得小句的LBD分数越低，其质量越好。已知LBD得分为2的学习子句（称为胶合子句）具有高修剪能力，其从未从现代CDCL SAT求解器的子句数据库中删除。在这项工作中，我们涉及胶水条款的决策变量。我们将至少出现在一个glue子句中的变量称为Glue Variables。我们首先通过在SAT Competition-2017和2018的基准测试上运行最先进的CDCL SAT求解器MapleLCMDist，实验表明，使用胶水变量的分支决策比非胶水变量更有推理和冲突效率。基于这一观察，我们开发了一个结构感知的CDCL变量碰撞计划，碰撞活动得分的胶水变量的基础上，它的外观计数胶水子句，学习到目前为止的搜索。实证评估表明，新方法在2017年和2018年SAT竞赛的主赛道实例上是有效的。
2019-04-25 cs.AI
Solving a Multi-resource Partial-ordering Flexible Variant of the Job-shop Scheduling Problem with Hybrid ASP
Infineon Technologies Austria AG（奥地利英飞凌科技股份公司）；University of Klagenfurt（克拉根福大学）
生产周期中的许多复杂活动，如质量控制或故障分析，需要经验丰富的专家使用不同的工具对（半）成品执行各种操作。在实际场景中，下一个操作的选择是复杂的，因为每个专家对要执行的操作的总集合只有局部视图。因此，专家作出的决定是次优的，可能会造成巨大的成本。在本文中，我们考虑了多资源部分订购的柔性作业车间调度（MPF-JSS）问题，部分订购的操作序列必须安排在多个所需的资源，如工具和专家。资源是灵活的，可以根据其属性执行一个或多个操作。该问题是建模使用答案集编程（ASP），其中的时间分配是有效地使用差分逻辑。此外，我们提出了两个多镜头解决策略，旨在识别的时间界限，允许解决的时间表优化问题。从一个中型的半导体故障分析实验室提取的一组实例进行的实验表明，我们的方法可以找到87的91个考虑现实世界的实例的时间表。
2021-01-26 cs.AI
Solving Sokoban using Hierarchical Reinforcement Learning with Landmarks
本文提出一种基于学习子目标的六层分层强化学习框架，在推箱子任务中实现端到端的深层递归规划，证明深层目标分解可从学习中涌现并有效扩展到困难谜题领域。
2025-04-06 cs.AI
Can LLMs Solve ASP Problems? Insights from a Benchmarking Study (Extended Version)
School of Computer Science and Engineering, Southeast University, Nanjing, China（计算机科学与工程学院，东南大学，南京，中国）；Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education, China（新一代人工智能技术及其跨学科应用关键实验室（东南大学），教育部，中国）
本文构建包含ASP蕴含、回答集验证与计算的ASPBench基准，评测14个先进LLM，发现其在核心回答集计算任务上仍明显吃力。
2025-07-26 cs.AI
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
LEMMA: Bootstrapping High-Level Mathematical Reasoning with Learned Symbolic Abstractions
MIT（麻省理工学院）；Stanford University（斯坦福大学）
人类通过发展抽象层次来驯服数学推理的复杂性。有了适当的抽象，解决困难的问题，可以表达简洁，从而使他们更容易被发现。在本文中，我们提出了学习数学抽象（LEMMA）：一个算法，实现这一想法的强化学习代理在数学领域。LEMMA通过一个抽象步骤增强了专家迭代，在这个步骤中，到目前为止找到的解决方案将根据新的更高级别的操作进行重新访问和重写，然后这些操作将可用于解决新问题。我们评估LEMMA的两个数学推理任务-方程求解和分数简化-在一步一步的方式。在这两个领域中，LEMMA提高了现有代理的能力，解决了更多的问题，并且比训练期间看到的更有效地推广到更难的问题。
2022-11-16 cs.AI
The DeepXube Software Package for Solving Pathfinding Problems with Learned Heuristic Functions and Search
Department of Computer Science and Engineering（计算机科学与工程系）
DeepXube通过机器学习学习启发式函数，结合深度强化学习、启发式搜索和形式逻辑，高效解决路径寻找问题，支持GPU和DNN架构的并行计算。
2026-03-25 cs.AI cs.LG
Multi-threaded ASP Solving with clasp
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）
我们提出了新的多线程版本的国家的最先进的答案集求解器扣。我们详细介绍了它的组件和通信架构，并说明他们如何支持的主要功能的扣。此外，我们提供了一些见解的数据表示用于不同的约束类型处理的扣。所有这一切都伴随着一个广泛的实验分析的主要特点有关的多线程卡环。
2012-10-11 cs.AI cs.DC cs.LO
Collab-Solver: Collaborative Solving Policy Learning for Mixed-Integer Linear Programming
Harbin Institute of Technology（哈尔滨工业大学）；Huawei Noah's Ark Lab（华为诺亚实验室）
Collab-Solver通过多智能体协同策略学习框架提升混合整数线性规划的求解效率和解质量。
2026-09-21 cs.AI
Solving multiphysics-based inverse problems with learned surrogates and constraints
Georgia Institute of Technology（佐治亚理工学院）
针对地质碳存储监测中多物理场反问题计算成本高的挑战，提出结合学习代理模型与normalizing flow约束的联合反演方法，实现了更准确的多模态渗透率反演与CO2羽流预测。
2023-09-15 cs.AI cs.LG cs.NA
Decomposition Strategies and Multi-shot ASP Solving for Job-shop Scheduling
Cairo University（开罗大学）；University of Klagenfurt（克雷格福特大学）
本文研究了将作业车间调度问题分解为时间窗，通过多轮 ASP 求解逐步调度优化，结合重叠与压缩技术，在严格时间限制内比单轮优化获得显著更好的调度质量。
2025-08-05 cs.AI cs.LO
