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
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
Implementing Dynamic Answer Set Programming
University of Corunna(拉科鲁尼亚大学);University of Pau(波城大学);University of Potsdam(波茨坦大学)
我们介绍了一个扩展的答案集编程(ASP)与语言结构的动态(和时间)逻辑,提供了一个富有表现力的计算框架建模动态应用程序的实现。从有限线性迹上的动态和时态平衡逻辑所提供的逻辑基础出发,我们将动态公式转化为时态逻辑程序。这为我们提供了一个范式结果,建立了不同逻辑中公式的强等价性。我们的翻译依赖于辅助原子的引入,以保证多项式空间复杂度,并提供一个嵌入,这是注定不可能在同一种语言。最后,将动态公式简化为时态逻辑程序允许我们以统一的方式用这两种方法扩展ASP,并通过时态ASP求解器(如Telingo)实现这两种扩展
2020-02-19 cs.AI cs.LO
Inconsistency Proofs for ASP: The ASP-DRUPE Format
University of Calabria(卡拉布里亚大学);TU Dresden(德累斯顿工业大学);TU Wien(维也纳工业大学);secunet Security Networks AG(secunet安全网络股份公司)
答案集编程(ASP)求解器是高度调优的复杂过程,其隐式地解决一致性问题,即,决定逻辑程序是否允许答案集。对于(正常的)程序,可以在多项式时间内判定一个要求的答案集在形式上是否是程序的正确答案集.然而,要验证一个声称不一致的程序是否确实不承认任何答案集,还远没有那么快。在本文中,我们解决了这个问题,并开发了新的证明格式ASP-德鲁普命题,析取逻辑程序,包括重量和选择规则。ASP-DRUPE基于反向单元传播(RUP)格式,旨在实现布尔可满足性。我们建立了ASP-DRUPE的正确性,并讨论了如何将其集成到现代ASP解决方案。随后,我们提供了一个实现的ASP-德鲁巴到黄蜂求解器正常逻辑程序。这项工作正在考虑接受在TPLP。
2019-07-24 cs.AI cs.LO
Pearce's Characterisation in an Epistemic Domain
Sinop University(锡诺普大学)
本文针对认知回答集编程(ASP)领域提出总体框架,基于皮尔斯的回答集平衡模型刻画,建立现有(自反)认知平衡逻辑与该框架的对应,扩展命题理论回答集工作至认知情况并揭示相关语义提案关系。
2025-02-13 cs.AI cs.LO cs.PL
Hybrid Answer Set Programming: Foundations and Applications
University of Potsdam(波茨坦大学)
针对标准回答集编程(ASP)求解器无法处理数值及复杂约束的问题,提出带约束的此处与彼处逻辑(HT_c)作为理论基础,为混合ASP提供支持,同时探讨其理论特征与应用价值。
2025-02-13 cs.AI cs.LO
Relations between assumption-based approaches in nonmonotonic logic and formal argumentation
Institute of Philosophy II, Ruhr Universität Bochum(波鸿鲁尔大学第二哲学研究所);Ruhr Universität Bochum(波鸿鲁尔大学)
在本文中,我们作出的贡献,统一的形式模型的可废止推理。我们提出了几个翻译之间的正式论证框架和非单调逻辑推理合理的假设。更具体地说,我们将自适应逻辑转换为基于推理的论证,将ASPIC+、ASPIC+转换为基于推理的论证,将基于推理的论证的一个片段转换为自适应逻辑。自适应逻辑与梅金森的默认假设密切相关,并且与KLM和Shoham的偏好语义传统中的一类重要系统密切相关。因此,我们的研究结果也提供了正式的论证和后者的方法之间的密切联系。
2016-04-01 cs.AI cs.LO
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
Weighted Conditional EL{^}bot Knowledge Bases with Integer Weights: an ASP Approach
Università del Piemonte Orientale(皮埃蒙特东方大学)
加权知识库的描述逻辑与典型性最近被认为是在一个“概念明智的”多偏好语义(在两个值和模糊的情况下),作为多层感知器的逻辑语义的基础。在本文中,我们考虑加权条件EL^bot知识库在两个值的情况下,并利用ASP和asprin编码概念明智的多偏好蕴涵加权知识库与整数权重。
2021-09-17 cs.AI cs.LO
Towards Constraint Temporal Answer Set Programming
University of Corunna, Spain;University of Angers, France;CRIL CNRS \& Artois University, France;University of Potsdam, Germany
本文提出了一种结合时间逻辑和约束的ASP扩展,用于实现高精度动态系统推理。
2025-07-18 cs.AI cs.LO
Relating Answer Set Programming and Many-sorted Logics for Formal Verification
University of Nebraska Omaha(内布拉斯加大学奥马哈分校)
本文提出通过将 ASP 转换为 here-and-there 逻辑与多类一阶逻辑来构建替代语义,以增强模块性、绕过基例化并支持自动定理证明,从而实现可信 AI 软件中 ASP 程序的常规形式化验证。
2025-02-13 cs.AI cs.LO cs.PL
On the Relation between Weak Completion Semantics and Answer Set Semantics
Technische Universitat Dresden(德累斯顿工业大学);Technische Universitat Potsdam(波茨坦工业大学)
弱完成语义(WCS)是一种计算认知理论,已被证明是成功的建模人类推理的情节。由于WCS是最近发展起来的一种逻辑编程方法,本文研究了WCS与已建立的回答集语义(ASP)的对应关系。这两种语义的底层三值逻辑是不同的,它们的模型相对于不同的程序转换进行评估。我们首先通过一个著名的心理学实验--抑制任务--的一些例子来说明这些差异。之后,我们将提供从WCS下理解的逻辑程序到ASP下理解的逻辑程序的翻译。特别是,我们将表明,逻辑程序下的WCS可以表示为逻辑程序下的ASP通过定义完成,在程序中的所有定义的原子必须是假的,当它们的定义是假的。
2019-10-16 cs.AI cs.LO
Temporal Answer Set Programming
University of Corunna(拉科鲁尼亚大学);University of Potsdam(波茨坦大学)
本文从时态逻辑程序设计在知识表示和声明式问题求解中的应用角度对时态逻辑程序设计进行了综述。这样的程序是将通常的规则与时态模态算子相结合的结果,如线性时间时态逻辑(LTL)。我们专注于最近的结果的非单调的形式主义,称为时间平衡逻辑(TEL),是定义为完整的语法LTL,但执行模型选择标准的基础上平衡逻辑,一个众所周知的逻辑特征的答案集编程(ASP)。我们得到了一个适当的扩展的稳定模型语义的一般情况下,任意时间公式。我们回顾了TEL的基本定义及其单调基础,这里和那里(THT)的时间逻辑,并研究了无限和有限迹之间的差异。我们还提供了其他有用的结果,如翻译成其他形式主义,如量化平衡逻辑或二阶LTL,和一些技术计算时间稳定模型的自动机的基础上。在第二部分中,我们专注于实际方面,定义一个语法片段称为时间逻辑程序更接近ASP,并解释如何利用这一点在建设中的求解TELINGO。
2021-11-25 cs.AI cs.LO
An ASP semantics for Constraints involving Conditional Aggregates
University of Corunna(拉科鲁尼亚大学);University of Potsdam(波茨坦大学)
我们详细阐述了混合回答集编程(ASP)的正式基础,并扩展其底层的逻辑框架与聚合函数的约束值和变量。这是通过引入条件表达式的构造来实现的,该条件表达式允许在评估约束时考虑两个备选方案。考虑哪种替代方案取决于解释,并根据相关条件进行选择。我们把一些重点放在逻辑程序与线性约束,并显示如何常见的ASP聚合可以被视为特殊情况下,所谓的条件线性约束。最后,我们介绍了一个多项式大小,模块化和忠实的翻译,从我们的框架到定期(无条件)约束ASP,概述了现有的混合ASP求解器上的条件聚合的实现。
2020-02-22 cs.AI cs.LO
Query Answering in Object Oriented Knowledge Bases in Logic Programming: Description and Challenge for ASP
SRI International(斯坦福国际研究院);New Mexico State University(新墨西哥州立大学)
本文介绍ASP中大规模知识库KB_Bio_101及其查询程序,并解释这些查询对当前ASP求解器构成重大实际挑战的原因。
2013-12-20 cs.AI
WSAT(cc) - a fast local-search ASP solver
我们描述WSAT(CC),本地搜索求解器计算模型的理论在语言的命题逻辑扩展的基数原子。WSAT(cc)是PS+逻辑的处理后端,PS+是最近提出的回答集编程的形式主义。
2003-10-31 cs.AI
About epistemic negation and world views in Epistemic Logic Programs
DISIM - Università dell’Aquila(DISIM - 阿奎拉大学)
在本文中,我们认为认知逻辑程序,扩展回答集编程(ASP)与“认知运营商”和“认知否定”,以及最近的方法,这样的程序的语义世界观。我们提出一些意见的存在和数量的世界观。我们将展示如何利用扩展的ASP语义,以便:(一)提供一个表征的世界观,不同于现有的;(二)查询世界观和查询整个世界观。
2019-07-30 cs.AI cs.LO
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
Stable-Unstable Semantics: Beyond NP with Normal Logic Programs
Helsinki Institute for Information Technology HIIT(赫尔辛基信息技术研究所);Department of Computer Science Aalto University(阿尔托大学计算机科学系)
标准答案集程序设计(ASP)的目标是从多项式时间层次结构(PH)的第一层开始求解搜索问题。使用ASP处理NP之外的搜索问题就不那么简单了。析取逻辑程序的类提供了达到PH的第二级的最突出的方式,但是将相应的硬问题编码为析取程序通常需要复杂的技术,例如饱和或元解释。这种技术的应用很容易导致非专家无法访问的编码。此外,虽然析取ASP求解器通常依赖于对(co-)NP oracle的调用,但可能难以从输入程序中检测到oracle正在被访问的位置。在其他形式主义中,如量化布尔公式(QBF),底层oracle的接口更透明,因为它显式地记录在公式的量词前缀中。另一方面,从建模的角度来看,ASP比QBF具有优势。丰富的高级语言(如ASP-Core-2)提供了各种各样的原语,可以对搜索问题进行简洁而自然的编码。在本文中,我们提出了一种新的逻辑编程-基于建模范式,结合了ASP和QBF的最佳功能。我们开发了所谓的组合逻辑程序,其中预言机被直接转换为(正常的)逻辑程序本身。递归体现这种建设使逻辑编程任意高层次的PH值。我们开发了一个概念验证实现我们的新范式。本文件正在考虑被TPLP接受。
2016-08-15 cs.AI
Logic-Guided Data Extraction with Answer Set Programming and Large Language Models
University of Calabria(卡拉布里亚大学);University of Campania Luigi Vanvitelli(坎帕尼亚路易吉·万维泰利大学)
研究针对大语言模型用于语义数据提取时的不足,提出结合回答集编程与大语言模型的逻辑引导数据提取框架,通过交错调用与推导减少大语言模型调用次数,提高提取质量。
2026-07-23 cs.AI
Characterizing Structural Hardness of Logic Programs: What makes Cycles and Reachability Hard for Treewidth?
答案集编程(ASP)是一个问题建模和解决框架的几个问题,在KR与日益增长的工业应用。ASP也是近年来研究计算复杂性和深入理解计算难度及其来源的一个热点。这些研究导致了富有成效的表征方面的复杂性类,细粒度的见解形式的二分法风格的结果,以及详细的参数化的复杂性景观。最近,这导致了一个新的结果,建立的措施树宽,它捕获的程序的结构密度,评估的知名类正常的程序预计将稍微困难比决定可满足性(SAT)。然而,目前还不清楚如何利用ASP的这种结构性力量。本文论述了一种新的减少SAT到正常的ASP,超越了众所周知的编码:我们明确利用ASP的结构功率,从而我们次线性地减少树的宽度,这可能无法显着改善。然后,与现有的结果相比,这通过建立依赖图的周期长度(SCC大小)对树宽的所需函数依赖来以细粒度的方式表征硬度。
2023-01-18 cs.AI cs.DM cs.LO
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
Structural Decompositions of Epistemic Logic Programs
TU Wien(维也纳工业大学);University of Potsdam(波茨坦大学);University of Klagenfurt(克拉根福大学)
认知逻辑程序(ELP)是标准答案集编程(ASP)的流行概括,提供了在语言中对答案集进行推理的方法。这种更丰富的形式主义是以更高的计算复杂性为代价的,达到了多项式层次的第四层。然而,与标准的ASP相反,尚未进行专门的调查以确定其可处理性。在本文中,我们给出了第一个结果,在这个方向上,并表明,中心ELP问题可以解决在线性时间ELP表现出的结构属性有界树宽。我们还提供了一个完整的动态规划算法,坚持这些界限。最后,我们表明,应用树宽的一种新的依赖结构-给予的认识文字-允许约束的ASP求解器调用的数量在典型的ELP求解程序。
2020-01-13 cs.AI cs.CC cs.CL
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
Functional ASP with Intensional Sets: Application to Gelfond-Zhang Aggregates
University of Corunna(拉科鲁尼亚大学)
在本文中,我们提出了一个变体的答案集编程(ASP)与可评估的功能,将其应用程序扩展到对象集,允许一个完全逻辑处理的聚集。在形式上,我们从一阶逻辑与等式的语法和量化均衡逻辑与赋值函数(QELF)的语义。然后,我们继续将一种新的逻辑术语,内涵集(一种构造,通常用于表示一组对象的特征在于一个给定的公式),并扩展QELF语义这种新类型的表达。在我们的扩展方法中,内涵集可以任意用作谓词或函数参数,甚至可以嵌套在其他内涵集中,就像常规的一阶逻辑项一样。因此,聚合可以通过对表示为内涵集合的对象集合应用某种可评估函数(计数、求和、最大值等)来自然形成。这种方法有几个优点。首先,虽然聚合的其他语义依赖于一些语法转换(通过约简或公式转换),但QELF解释将它们视为常规的可评估函数,提供了组合语义并避免了任何类型的语法限制。其次,现在可以在逻辑语言中明确定义聚合,通过简单的公式相加,这些公式在某些(交换和结合)二元运算的多次应用中固定了它们的含义。例如,我们可以使用递归规则来定义整数加法的sum。最后,但并非最不重要的是,我们证明了语义,我们得到的聚合与Gelfond和张的Alog语言定义的,当我们限制到该句法片段。(正在考虑接受TPLP)
2018-05-02 cs.AI cs.LO
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
Justifications for Logic Programs under Answer Set Semantics
New Mexico State University(新墨西哥州立大学)
本文介绍了应答集编程(ASP)中的离线调整的概念。理由提供了一个基于图形的解释原子w.r.t.的真值。给定的答案集。本文还扩展了这一概念,以提供合理的原子在计算的答案集(在线理由),并提出了一个集成的在线理由内的计算模型Smodels。离线和在线的理由提供了有用的工具,以加强对ASP的理解,他们提供了一个基本的数据结构,以支持方法和工具,调试答案集程序。已在ASP-PROGRAM中开发了一个初步实施方案。(To逻辑程序设计理论与实践(Theory and Practice of Logic Programming,TPLP)
2008-12-03 cs.AI cs.PL
Temporal Logic Programs with Variables
University of Corunna(科鲁尼亚大学);IRIT - Université Paul Sabatier(IRIT - 保罗·萨巴蒂埃大学)
在本文中,我们考虑的问题,引入变量的时间逻辑程序下的形式主义的“时间平衡逻辑”(TEL),回答集编程(ASP)的扩展处理线性时间模态算子。为了这个目的,我们提供了一个定义的一阶版本的TEL,共享的语法的一阶线性时间时序逻辑(LTL),但有不同的语义,选择一些LTL模型,我们称之为“时间稳定的模型”。然后,我们考虑理论的一个子类(称为“可分裂时态逻辑程序”),它们接近通常的逻辑程序,但允许限制使用时态运算符。在这种情况下,我们提供了一个语法定义的“安全变量”,足以显示属性的“域独立性”-也就是说,在宇宙中添加任意元素不会改变一组时间稳定的模型。最后,我们提出了一种方法,用于计算推导的事实,通过构建一个非时态的逻辑程序的变量,是一个标准的ASP接地。然后,由接地器提供的信息被用于生成地面时间规则的子集,其等同于(并且通常小于)完整的程序实例化。
2016-09-19 cs.AI cs.LO
Bridging Logic and Learning: A Neural-Symbolic Approach for Enhanced Reasoning in Neural Models (ASPER)
Faculty of Science and Technology (REALTEK) Norwegian University of Life Sciences NMBU(科学与技术学院(REALTEK)挪威生命科学大学NMBU)
本文提出ASPER神经符号方法,将ASP求解器输出纳入浅层ANN的损失函数,仅用12个数独谜题且无超参数调优即显著提升推理性能。
2023-12-18 cs.AI
Reasoning about Actions with Temporal Answer Sets
Università del Piemonte Orientale(皮埃蒙特东方大学);Università di Torino(都灵大学)
本文结合回答集编程(ASP)和动态线性时间时态逻辑(DLTL)定义了一种时态逻辑程序设计语言,用于推理复杂动作和无限计算。DLTL扩展了线性时间的命题时态逻辑,使用命题动态逻辑的正则程序来索引时态模态。动作语言允许在域描述中包含一般DLTL公式,以约束可能扩展的空间。我们引入了一个概念的时间回答集域描述,通常的概念的基础上的回答集。此外,我们提供了一个标准的ASP域描述的翻译,我们使用有限的模型检验技术的DLTL约束的验证。
2011-10-17 cs.AI cs.LO
Learning Deductive Reasoning from Synthetic Corpus based on Formal Logic
Hitachi, Ltd. Research and Development Group(日立制作所研发集团)
本文提出基于形式逻辑的合成语料FLD,训练语言模型获得可泛化的演绎推理能力,并验证其有效性,同时作为基准揭示LLM纯逻辑推理的挑战。
2023-11-14 cs.AI cs.CL cs.LG
On the Strong Equivalences of LPMLN Programs
Southeast University(东南大学)
LPMLN结合了回答集编程(ASP)和马尔可夫逻辑网络(MLN)的方法,成为非单调、不一致和不确定知识表示和推理的有力工具。为了便于应用和扩展对LPMLN的理解,本文研究了LPMLN程序之间的强等价性,这是逻辑程序设计领域的一个重要性质。在ASP领域中,两个程序P和Q是强等价的,当且仅当对任意ASP程序R,由R扩展的程序P和Q具有相同的稳定模型。换句话说,一个ASP程序可以被替换为它的强等价之一,而不考虑它的上下文,这有助于我们简化逻辑程序,增强推理机,构建人性化的知识库等,因为LPMLN是ASP和MLN的组合,在LPMLN的强等价的概念是很大的不同,在ASP。首先,我们提出了LPMLN程序之间的p-强等价和w-强等价的概念。其次,我们提出了一个表征的概念,通过概括的SE模型的方法在ASP。最后,我们展示了使用强等价简化LPMLN程序,并提出了一个充分和必要的句法条件,保证一个单一的LPMLN规则和空程序之间的强等价。
2019-09-18 cs.AI cs.LO
Metric Temporal Equilibrium Logic over Timed Traces
University of Potsdam(波茨坦大学);University of Corunna(拉科鲁尼亚大学)
本文提出度量时间均衡逻辑,通过在时间算子上引入自然数区间约束扩展线性时间时间均衡逻辑,并给出到一元一阶公式的翻译及模型对应关系,为基于ASP的定性与定量动态约束刻画提供理论基础和实现蓝图。
2024-05-03 cs.AI
A strengthening of rational closure in DLs: reasoning about multiple aspects
Center for Logic, Language and Cognition(逻辑、语言与认知中心);Università di Torino(都灵大学)
我们提出了一个典型性的概念的逻辑分析,在人类认知的中心(Rosch,1978)。我们从先前提出的基本描述逻辑ALC的扩展开始(一阶逻辑的计算上易处理的片段,用于表示概念包含和本体),具有典型性运算符T,允许一致地表示属性的个体类的属性,但有例外(如在经典的例子中(i)典型的鸟类会飞,(ii)企鹅是鸟类,但(iii)典型的企鹅不会飞)。然后,我们加强这个扩展,以便分别推理关于不同方面的典型性(例如,飞翔,有漂亮的羽毛:在前面的例子中,企鹅可能不会继承飞行的特性,因为它们是例外,但仍然可以继承其他特性,例如拥有漂亮的羽毛。
2016-04-01 cs.AI
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
Bayesian Logic Programs
贝叶斯网络提供了一个优雅的形式主义表示和推理的不确定性使用概率论。它们是命题逻辑的概率扩展,因此继承了命题逻辑的一些局限性,例如难以表示对象和关系。我们引入了贝叶斯网络的一般化,称为贝叶斯逻辑程序,以克服这些限制。为了表示对象和关系,它通过在基础原子和随机变量之间建立一对一的映射,将贝叶斯网络与确定性子句逻辑相结合。我们表明,贝叶斯逻辑程序结合了确定子句逻辑和贝叶斯网络的优点。这包括模型的定量和定性方面的分离。此外,贝叶斯逻辑程序推广贝叶斯网络以及逻辑程序。所以,很多想法
2001-11-23 cs.AI cs.LO
Computing LPMLN Using ASP and MLN Solvers
Arizona State University(亚利桑那州立大学)
LPMLN是概率逻辑程序设计语言的新成员。它的主要思想是通过以类似于马尔可夫逻辑定义的方式为每个规则分配权重来克服稳定模型语义的刚性。我们提出了两个实现的LPMLN,$\text{LPMLN2ASP}$和$\text{LPMLN2MLN}$。系统$\text{LPMLN2ASP}$将LPMLN程序转换为答案集求解器$\text{CLINGO}$的输入语言,并利用弱约束和稳定模型枚举,计算最可能的稳定模型以及精确的条件概率和边际概率。系统$\text{LPMLN2MLN}$将LPMLN程序翻译成马尔可夫逻辑解算器的输入语言,诸如$\text{ALCHEMY}$、$\text{TUFFY}$和$\text{ROCKIT}$,并且允许对LPMLN程序执行近似概率推断。我们还证明了有用的LPMLN系统计算其他语言,如ProbLog和珍珠的因果模型,被证明是可翻译成LPMLN。(正在考虑接受TPLP)
2017-11-30 cs.AI cs.LO
A Parallel Memory-efficient Epistemic Logic Program Solver: Harder, Better, Faster
Space and Naval Warfare Systems Center Atlantic(大西洋空间与海战系统中心);College of Charleston(查尔斯顿学院);New Mexico State University(新墨西哥州立大学)
由于答案集编程(ASP)的实际使用已经增长与发展的高效求解器,我们期望在ASP的扩展越来越感兴趣,因为它们的语义稳定和求解器支持他们成熟。认知规范(Epistemic Specifications)就是这样一种扩展,它将模态运算符K和M添加到ASP语言中。我们把这种语言中的程序称为认知逻辑程序(ELP)。由于搜索空间的指数增长,求解器迄今为止仅适用于最简单的ELP。我们描述了一种能够更好地解决更难的问题的求解器(例如,没有指数增长的存储器需求w.r.t. K和M出现),比任何其他已知的ELP求解器更快。
2016-10-13 cs.AI
Determining ActionReversibility in STRIPS Using Answer Set and Epistemic Logic Programming
University of Klagenfurt(克拉根福大学);Czech Technical University in Prague(捷克布拉格技术大学)
在关于行动和变化的规划与推理的上下文中,当一个行动的效果可以通过应用其他行动而恢复到原始状态时,我们称之为可逆的。对这一领域的重新关注已经在PDDL语言的上下文中产生了几个结果,PDDL语言广泛用于描述规划任务。在本文中,我们提出了几个解决方案的计算问题,决定可逆的行动。特别是,我们利用现有的翻译从PDDL到回答集编程(ASP),然后使用几种不同的编码来解决PDDL的PDPS片段的动作可逆性的问题。对于这些,我们使用ASP,以及认知逻辑编程(ELP),ASP与认知算子的扩展,并比较和对比它们的优点和缺点。正在考虑接受TPLP。
2021-08-11 cs.AI
Reactive Answer Set Programming
Imperial College London(帝国理工学院)
逻辑产生式系统(Logic Production System,LPS)是一个基于逻辑的框架,用于对反应行为进行建模。基于溯因逻辑编程,它结合了反应规则与逻辑程序,数据库和因果理论,指定数据库的状态之间的转换。本文提出了一个系统的映射到一个答案集程序(ASP)的核心这个框架(称为KELPS)。为此目的,一个新的变种KELPS有限模型,称为$n$距离KELPS,介绍。给出了从这个$n$ -距离KELPS到ASP的映射的形式化定义,并证明了它的正确性和完整性。答案集编程范式允许捕捉KELPS基本反应的额外行为,特别是主动,先发制人和前瞻性行为。这些都是讨论和举例说明。然后提出了一个混合框架,集成KELPS和ASP,允许结合两种范式的优势。逻辑程序设计理论与实践(TPLP)
2021-09-22 cs.AI
Logic programs with propositional connectives and aggregates
Google Inc(谷歌公司)
答案集编程(ASP)是一种逻辑编程范式,可用于解决复杂的组合搜索问题。聚合是一种ASP构造,在许多应用程序中起着重要作用。定义一个令人满意的语义聚合原来是一个困难的问题,在本文中,我们提出了一个新的方法,基于聚合和命题连接词之间的类比。首先,我们扩展了答案集/稳定模型的定义,以涵盖任意命题理论;然后,我们将聚合定义为原始构造和公式的缩写。我们的集合的定义结合了表达性和简单性,它继承了许多关于嵌套表达式程序的定理,如强等价和分裂定理。
2008-12-08 cs.AI
PrASP Report
本技术报告描述了概率归纳逻辑程序设计框架PrASP的用法、语法、语义和核心算法。PrASP是一个研究软件,它集成了基于答案集编程(ASP)的非单调推理,概率推理和参数学习。与传统的概率(归纳)逻辑编程方法相比,我们的框架对概率逻辑程序只施加了很少的限制。特别地,PrASP允许ASP以及一阶逻辑语法,并且允许用点概率以及区间概率来注释公式。一系列可广泛配置的推理算法可以以类似流水线的方式组合,以覆盖各种用例。
2016-12-30 cs.AI
Conflict-driven Inductive Logic Programming
ILASP Limited(ILASP有限公司)
归纳逻辑程序设计(ILP)的目标是学习一个解释一组示例的程序。直到最近,大多数关于ILP的研究都是针对学习Prolog程序的。ILASP系统学习答案集程序(ASP)。学习这种表达程序大大拓宽了ILP的适用性;例如,使偏好学习,学习常识知识,包括默认和异常,以及学习非确定性理论。ILASP的早期版本可以被认为是元级ILP方法,它将学习任务编码为逻辑程序,并将搜索委托给ASP求解器。最近,ILASP已经转向一种新的方法,受到冲突驱动的SAT和ASP求解器的启发。该方法的基本思想,称为迭代驱动的ILP(CDILP),是迭代交错搜索的假设与生成的约束,解释为什么当前的假设不包括一个特定的例子。这些覆盖范围限制允许ILASP不仅排除当前假设,而且排除不满足覆盖范围限制的整个假设类别。本文形式化的CDILP方法,并提出了ILASP 3和ILASP 4系统的CDILP,这被证明是更可扩展的比以前的ILASP系统,特别是在存在噪声。逻辑程序设计理论与实践(TPLP)
2022-01-14 cs.AI
A Constructive Semantic Characterization of Aggregates in ASP
本技术说明描述了一个单调和连续的不动点算子,用于计算具有聚合的程序的答案集。不动点运算符依赖于聚合解的概念。在一定条件下,该操作符的行为完全相同的三值直接后果操作符$Φ^{aggr}_P$聚合程序,独立提出Pelov等人。该操作符使我们能够密切联系的计算复杂性的答案集检查和答案集存在问题的检查解决方案的聚合程序的成本。最后,我们与其他建议的逻辑编程与聚集的运营商所描述的语义。出现在逻辑编程理论与实践(TPLP)中。
2006-02-08 cs.AI cs.LO cs.PL
An ASP approach for reasoning in a concept-aware multipreferential lightweight DL
DISIT
在本文中,我们开发了一个概念感知的多偏好语义处理典型性的描述逻辑,偏好与概念,从一个集合的排名TBoxes包含可废止的概念夹杂物。偏好被组合以定义偏好解释,在该解释中可以评估可废止包含。概念感知多偏好语义的构建与Brewka的定性偏好框架有关。我们利用答案集编程(特别是,asprin)实现可撤销推理下的轻量级描述逻辑EL+bot的多偏好方法。该文件正在考虑被TPLP接受。
2020-08-08 cs.AI
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
Revisiting the Training of Logic Models of Protein Signaling Networks with a Formal Approach based on Answer Set Programming
CNRS(法国国家科学研究中心);IRISA(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);National Center for Tumor Diseases(国家肿瘤疾病中心);University of Padova(帕多瓦大学);European Bioinformatics Institute (EMBL-EBI)(欧洲生物信息研究所(EMBL-EBI));University of Potsdam(波茨坦大学)
数学模型的构建和数据训练是系统生物学的一个基本问题。逻辑形式主义已经成为非常流行的建模信号网络,因为它们的简单性使我们能够建模包含数百个蛋白质的大型系统。最近引入了一种对高通量磷酸化蛋白质组学数据进行训练(布尔)逻辑模型的方法,并使用基于随机方法的优化算法来解决该问题。在这里,我们演示了如何使用答案集编程(ASP),一个声明性的问题解决范式,其中一个问题被编码为一个逻辑程序,使其答案集代表解决方案的问题,可以解决这个问题。ASP在效率和可扩展性方面比启发式方法有了显著的改进,它保证了解的全局最优性,并提供了完整的解集。我们说明了ASP的应用与基于现实的网络和数据的硅片的情况下。
2012-12-22 cs.AI cs.CE cs.LG
XAI-LAW: A Logic Programming Tool for Modeling, Explaining, and Learning Legal Decisions
DMIF -- University of Udine, Udine, Italy(乌迪内大学DMIF)
XAI-LAW通过答案集编程建模和学习法律规则,提升刑事审判阶段的推理与解释能力。
2026-01-07 cs.AI
LogicGraph : Benchmarking Multi-Path Logical Reasoning via Neuro-Symbolic Generation and Verification
School of Computer Science and Technology, Xi’an Jiaotong University(西安交通大学计算机科学与技术学院);Department of Electrical Engineering, Stanford University(斯坦福大学电气工程系);School of Computer Science and Technology, Tiangong University(天津大学计算机科学与技术学院);Ministry of Education Key Laboratory of Intelligent Networks and Network Security, China(中国教育部长智网络与网络安全重点实验室);Shaanxi Province Key Laboratory of Big Data Knowledge Engineering, China(陕西省大数据知识工程重点实验室)
LogicGraph通过神经符号生成与验证方法,系统评估多路径逻辑推理能力,揭示模型在复杂推理中探索多样路径的不足。
2026-02-24 cs.AI
Conflict-driven ASP Solving with External Sources
Institut für Informationssysteme(信息系统研究所);Technische Universität Wien(维也纳技术大学)
答案集编程(ASP)是一种基于非单调逻辑程序和高效求解器的著名问题求解方法。为了能够访问外部信息,HEX程序扩展具有外部原子的程序,其允许逻辑程序和外部计算源(例如,描述逻辑推理机和Web资源)。目前的求解器评估HEX程序的翻译ASP本身,其中外部原子的值猜测和验证后,普通的答案集计算。这种优雅的方法一般不会随着外部访问的数量而扩展,特别是在存在非确定性的情况下(这对ASP很有用)。在本文中,我们提出了一种新的,本地的算法评估HEX程序,使用学习技术。特别是,我们扩展了冲突驱动的ASP解决技术,它可以防止求解器再次遇到相同的冲突,从普通的十六进制程序。我们展示了如何从外部源评估中获得额外的知识,以及如何在冲突驱动的算法中使用它。我们首先针对不知情的情况,即,当我们没有额外的信息外部来源,然后扩展我们的方法的情况下,额外的元信息是可用的。实验表明,从外部源学习可以显着减少运行时间和考虑候选兼容集的数量。
2012-10-05 cs.AI
An ASP approach for reasoning on neural networks under a finitely many-valued semantics for weighted conditional knowledge bases
Università del Piemonte Orientale(东皮埃蒙特大学);Università di Torino(都灵大学)
加权知识库的描述逻辑的典型性最近被认为是在一个“概念明智的”多偏好语义(在两个值和模糊的情况下),作为多层感知器(MLP)的逻辑语义的基础。在本文中,我们考虑加权条件ALC知识库的典型性在多值的情况下,通过三种不同的语义结构。对于ALC的布尔片段LC,我们利用ASP和“asprin”的推理与概念明智的多偏好蕴涵下的一个φ-连贯的语义,适合于表征MLP的稳态。作为概念证明,我们实验了所提出的方法来检查训练的MLP的属性。该文件正在考虑被TPLP接受。
2022-05-17 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
Verifiable Natural Language to Linear Temporal Logic Translation: A Benchmark Dataset and Evaluation Suite
University of Florida(佛罗里达大学);Florida International University(佛罗里达国际大学)
本文提出VLTL-Bench,一个用于评估可验证自然语言到线性时序逻辑翻译的基准数据集和评估套件。
2025-12-18 cs.CL cs.SY eess.SY
The Seventh Answer Set Programming Competition: Design and Results
University of Potsdam(波茨坦大学);University of Genova(热那亚大学);Università della Calabria(卡拉布里亚大学)
答案集编程(ASP)是一种重要的知识表示语言,它起源于逻辑编程和非单调推理。每两年举办一次ASP竞赛,以提供具有挑战性的基准集合,并评估ASP解决方案的最新进展。在本文中,我们报告了第七届ASP竞赛的设计和结果,该竞赛由卡拉布里亚大学(意大利),热那亚大学(意大利)和波茨坦大学(德国)联合举办,并与第14届逻辑编程和非单调推理国际会议(LPNMR 2017)合作。(正在考虑接受TPLP)。
2019-04-19 cs.AI