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
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
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
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
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
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
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
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
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
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
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
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
A semantic framework for preference handling in answer set programming
我们提供了一个语义框架的偏好处理回答集编程。为此,我们引入了偏好保持结果算子。由此产生的不动点特征为我们提供了一个统一的语义框架,在现有的方法来描述偏好处理。虽然我们的方法是可扩展到其他语义的交替不动点理论的手段,我们在这里专注于答案集语义下的偏好的阐述。或者,我们展示了这些方法的特点是秩序维护的概念。这些统一的语义特征为我们提供了新的见解的相互关系,而且有关的实施方式。
2003-01-23 cs.AI
Probabilistic Answer Set Programming with Discrete and Continuous Random Variables
University of Ferrara(费拉拉大学)
针对PASP仅支持离散随机变量的局限,本文提出HPASP框架以结合离散与连续变量,实现并评估两类精确算法(投影枚举、知识编译)和两类近似采样算法,发现知识编译提升精确推理性能,采样适用于大实例。
2024-09-30 cs.AI
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
Achievements in Answer Set Programming
本文介绍了一种方法的答案集编程(ASP)的方法,可以促进编码的设计,易于理解和可证明是正确的。在这种方法下,在将一条规则或一小组规则附加到新出现的程序之后,我们会包含一个注释,说明到目前为止已经“实现”了什么。这种策略允许我们通过以数学精确的方式描述程序中小部分的角色来阐述我们对程序设计的理解。
2019-08-07 cs.AI
PDDL+ Planning via Constraint Answer Set Programming
Drexel University(德雷塞尔大学);University of Genoa(热那亚大学)
PDDL+是PDDL的一个扩展,它可以用混合离散-连续动态来建模规划域。在本文中,我们提出了一种新的方法,PDDL+规划的基础上约束回答集编程(CASP),即ASP规则加数值约束。据我们所知,我们是第一次尝试连接PDDL+规划和逻辑编程。我们提供了一个编码的PDDL+模型到CASP问题。该编码可以处理非线性混合域,并为将逻辑编程应用于PDDL+规划奠定了坚实的基础。作为一个案例研究,我们考虑EZCSP CASP求解器,并获得了一组PDDL+基准问题有前途的结果。
2016-08-31 cs.AI
Probability Aggregates in Probability Answer Set Programming
概率答案集编程是一种声明式编程,已被证明可以有效地表示和推理各种概率推理任务。然而,在析取混合概率逻辑程序(DHPP)语言中,缺乏概率集合,例如{ \em期望值},使得许多有趣的问题不能自然和简洁地表示。在本文中,我们扩展DHPP允许任意概率聚合。我们引入两种类型的概率聚合;一种类型计算经典聚合的期望值,例如,最小值的期望值,以及计算经典聚合的概率的类型,例如,值之和的概率。此外,我们定义了一个概率答案集语义的DHPP与任意概率聚合,包括单调,反单调,和非单调概率聚合。我们发现,建议的概率答案集语义的DHPP既包含了原来的概率答案集语义的DHPP和经典的析取逻辑程序与经典的聚集的经典答案集语义,从而包含了经典的答案集语义的原始析取逻辑程序。我们表明,建议的概率回答集的DHPP与概率聚集的最小概率模型,因此是不可比的,这是一个重要的属性为非单调概率推理。
2013-04-05 cs.AI
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
Sketched Answer Set Programming
KU Leuven(鲁汶大学);LIRMM CNRS(法国国家科学研究中心蒙彼利埃计算机、机器人与微电子实验室)
答案集编程(ASP)是一个强大的建模形式主义的组合问题。然而,编写ASP模型并不是一件小事。我们提出了一种新的方法,称为草图答案集编程(SkASP),旨在支持用户解决这个问题。用户编写一个ASP程序,同时用问号标记不确定的部分。此外,用户还提供了所需程序行为的一些正面和负面示例。将绘制好的模型改写成ASP程序,用传统方法求解。其结果是,用户获得一个功能和可重用的ASP程序建模她的问题。我们评估我们的方法21个著名的难题和组合问题的启发卡普的21个NP完全问题,并展示了一个基于ASP的数据库应用程序的用例。
2018-08-22 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
Generating Shortest Synchronizing Sequences using Answer Set Programming
Sabanci University(萨班哲大学)
对于有限状态自动机,同步序列是将所有状态带到相同状态的输入序列。检查同步序列的存在和找到同步序列(如果存在的话)可以在多项式时间内执行。然而,找到最短同步序列的问题是已知的NP-难。在这项工作中,有用的答案集编程来解决这个优化问题进行了研究,比较暴力算法和SAT为基础的方法。关键词:有限自动机,最短同步序列,ASP
2013-12-20 cs.AI
Learning Weak Constraints in Answer Set Programming
Imperial College London(帝国理工学院)
本文提出了一个新的学习框架,允许弱约束的学习答案集编程(ASP)的归纳逻辑程序设计领域的贡献。该框架,称为学习有序答案集,概括了我们以前的工作学习ASP程序没有弱约束,通过考虑一个新的概念的例子,有序对部分答案集,其中答案集的一个学习的假设(连同给定的背景知识)是首选其他。在这个新的学习任务中,归纳解决方案是在正常规则,选择规则,硬约束和弱约束的假设空间内搜索的。我们提出了一个新的算法,ILASP2,这是健全的和完整的关于我们的新的学习框架。我们调查其适用性,学习偏好的面试调度问题,也表明,当限制到学习ASP程序没有弱约束的任务,ILASP2可以比我们以前提出的系统更有效。
2015-07-23 cs.AI
Explanations for Answer Set Programming
University of Calabria(卡拉布里亚大学);Saint Joseph’s University(圣约瑟夫大学)
本文提出xASP2系统,扩展了xASP以支持更多clingo结构,通过缩小假设集并生成有向无环图解释,增强ASP的可解释性。
2023-08-30 cs.AI
Meta-Programming for Linear-time Temporal Answer Set Programming
University of Potsdam, Germany(波恩大学)
提出一种统一的元编程框架,通过扩展clingo的理论语法并引入转换管道保护嵌套模态,实现了对多种线性时态逻辑(TEL、MEL、DEL)的语义操作化,并开发了metasp系统。
2026-07-01 cs.AI
Improved Answer-Set Programming Encodings for Abstract Argumentation
La Sapienza, University of Rome(罗马大学);Vienna University of Technology(维也纳工业大学)
为抽象论证问题设计有效的解决方案是迈向高级论证系统的关键一步。文献中最突出的方法之一是使用混合集编程(ASP)来实现这一目标。在本文中,我们提出了新的编码三个突出的论证语义使用的概念,条件字面的析取提供的ASP系统clingo。我们的新编码不仅比以前的版本更简洁,而且在标准基准测试中也优于它们。
2015-10-20 cs.AI
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
Answer Set Programming for Stream Reasoning
Universität Potsdam(波茨坦大学);DERI Galway(戈尔韦数字企业研究所);Simon Fraser University(西蒙弗雷泽大学);Griffith University(格里菲斯大学)
互联网和传感器技术的发展给连续数据流的出现带来了新的挑战。除了快速数据处理之外,环境辅助生活、机器人或动态调度等应用领域还涉及复杂的推理任务。我们解决这样的情况下,并详细说明知识密集型流推理的方法,基于答案集编程(ASP)。虽然传统的ASP方法是为解决奇异问题而设计的,但我们开发了新技术来制定和处理以无缝方式处理新兴和过期数据的问题。
2013-01-08 cs.AI
On the Foundations of Grounding in Answer Set Programming
University of Potsdam(波茨坦大学)
我们提供了一个全面的阐述变量实例化,或接地,在回答集编程(ASP)的理论基础。ASP的建模语言的语义的基础上,我们介绍了接地算法(不动点)运营商的正式表征。一个主要的作用是由专门的有根据的运营商,其相关的模型提供语义指导划定接地的结果,随着飞行简化。我们解决了一个表达类的逻辑程序,采用递归聚合,从而相当于现有的ASP建模语言的范围。这伴随着一个简单的算法框架,详细说明了递归聚合的基础。给出的算法基本上对应于ASP地滚球gringo中使用的算法。
2022-07-25 cs.AI
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
Train Scheduling with Hybrid Answer Set Programming
SBB Switzerland(瑞士联邦铁路);Potassco Solutions Germany(德国Potassco解决方案公司);Simon Fraser University(西蒙弗雷泽大学);Griffith University(格里菲斯大学);University of Potsdam(波茨坦大学)
提出了一种基于回答集编程(ASP)的训练调度问题的解决方案。为此,我们追求一种混合的方法,扩展ASP与不同的约束,以考虑细粒度的时间。更确切地说,我们举例说明如何混合ASP系统clingo[DL]可以用来解决苛刻的计划和调度问题。特别是,我们研究了如何提高性能相结合的不同ASP解决技术,如近似和算法,预处理和编码技术,以解决大规模的,现实世界的训练调度实例。逻辑程序设计理论与实践(Theory and Practice of Logic Programming,TPLP)
2020-03-19 cs.AI
Open Answer Set Programming with Guarded Programs
开放答案集编程(Open answer set programming,OASP)是答案集编程的一个扩展,其中可以使用程序常量的任意超集来建立程序。我们定义了一个不动点逻辑(FPL)扩展克拉克的完成,使开放的答案集对应于模型的FPL公式,并确定一个语法子类的程序,称为(松散)守卫程序。而推理与一般程序在OASP是不可判定的,FPL翻译(松散)保护程序属于可判定(松散)保护的不动点逻辑(μ(L)GF)。此外,我们减少正常的封闭ASP松散的守护OASP,使第一次,一个答案集的语义由muLGF公式的表征。我们进一步扩展了开放的答案集语义的程序与广义文字。这样的广义程序(gP)具有有趣的性质,例如,表达无穷公理的能力。我们限制语法的gPs,使规则和广义文字都受到保护。通过转换到保护不动点逻辑,我们推导出了在这种保护gPs(GgPs)中可满足性检验的2-exptime-完全性。约束GGP是具有exptime完全可满足性检查的受限GGP,但仍具有足够的表达能力以最佳地模拟计算树逻辑(CTL)。我们将Datasheet lite程序翻译为GGP,在开放的答案集语义,无替代的muGF和Datasheet lite下建立GGP的等价性。
2007-02-25 cs.AI
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
Answer Set Programming Modulo Theories and Reasoning about Continuous Changes
School of Computing, Informatics and Decision Systems Engineering(计算、信息与决策系统工程学院);Arizona State University(亚利桑那州立大学)
本文提出ASPMT框架,将答案集编程与SMT紧密集成,并通过增强动作语言C+展示其在连续与离散变化推理及连续资源累积效应表示中的有效性。
2025-07-06 cs.AI
Planning with Incomplete Information in Quantified Answer Set Programming
New Mexico State University(新墨西哥州立大学);Omaha State University(奥马哈州立大学);University of Potsdam(波茨坦大学)
我们提出了一个通用的方法来规划与不完全信息的答案集编程(ASP)。更确切地说,我们考虑的问题,符合和条件规划与感知行动和假设。我们表示规划问题,使用一个简单的形式主义,其中逻辑程序描述的状态,初始状态和目标状态之间的过渡函数。为了解决规划问题,我们使用量化答案集编程(QASP),ASP的扩展与原子上的存在和通用量词类似于量化布尔公式(QBF)。我们定义了量化的逻辑程序的语言,并用它来表示符合和条件规划的不同变体的解决方案。在实践方面,我们提出了一个基于约束的QASP求解器,量化的逻辑程序转换成QBF,然后执行QBF求解器,我们实验评估的方法一致性和条件规划基准。正在考虑接受TPLP。
2021-08-13 cs.AI
Temporal Answer Set Programming on Finite Traces
University of Corunna(拉科鲁尼亚大学);University of Potsdam(波茨坦大学)
在本文中,我们介绍了一种替代方法,时间答案集编程依赖于时间平衡逻辑(TEL)的变化有限的痕迹。这种方法使我们能够利用(增量)答案集编程(ASP)的计算能力来平衡TEL在无限轨迹上的表现力。此外,我们认为,有限的痕迹是更自然的推理行动和变化。因此,我们的方法是很容易实现的,通过多拍ASP系统和受益于扩展ASP的成熟的输入语言与时间运营商。这包括将来和过去的操作符,它们的组合提供了丰富的时态建模语言。对于计算,我们确定类的时间逻辑程序,并证明它构成一个范式,我们的方法。最后,我们概述了两个实现,一个通用的和clingo的扩展。
2018-04-26 cs.AI
Logic Programming with Ordered Disjunction
具有有序析取的逻辑程序(LPOD)结合了定性选择逻辑(Brewka et al. KR 2002)和答案集编程的基本思想。在回答集语义下的逻辑程序设计中引入了一种新的连接词--有序析取。新的连接词允许我们在规则的头部表示问题解决方案的替代性、排名选项:A \times B直观地意味着:如果可能,A,但如果A不可能,那么至少B。具有有序析取的逻辑程序的语义是基于答案集上的偏好关系。LPOD对于设计和配置中的应用是有用的,并且可以作为定性决策的基础。
2002-07-11 cs.AI
A general approach to belief change in answer set programming
Simon Fraser University(西蒙菲莎大学)
我们解决问题的信念改变(非单调)逻辑编程下的答案集语义。与以往的方法,相信逻辑编程的变化,我们的形式化技术类似于那些基于距离的信念修正命题逻辑。在发展我们的结果,我们建立在SE模型提供的逻辑程序的模型理论。由于SE模型提供了一个正式的,单调的逻辑程序的特点,我们可以适应技术从信仰的修订领域的信念改变逻辑程序。我们分别介绍了修改和合并逻辑程序的方法。对于前者,我们研究了基于子集的修订以及基数为基础的修订,我们表明,他们满足大多数的AGM修改假设。对于合并,我们考虑仲裁合并和IC合并后的运营商,分别。我们还提出了编码计算的修订,以及合并的逻辑程序在同一逻辑编程框架内,引起我们的方法在现成的答案集求解器方面的直接实施。这些编码反过来反映了这样一个事实,即我们的变化操作符并没有增加基本形式主义的复杂性。
2009-12-30 cs.AI
Planning and Scheduling in Hybrid Domains Using Answer Set Programming
University of Arkansas at Pine Bluff(阿肯色大学松崖分校)
在本文中,我们提出了一个行动的回答集编程为基础的方法来解决规划和调度问题的混合域-域表现出离散和连续的行为。我们使用动作语言H表示域,然后将得到的理论转化为A-Prolog程序。通过这种方式,我们减少了寻找解决方案的问题,规划和调度问题的计算答案集的A-Prolog程序。我们从文献中引用了一个计划和调度的例子,并展示了如何在H。我们将展示如何将所得到的H理论转化为一个等价的A-Prolog程序。我们计算得到的程序使用的混合求解器称为EZCSP松散集成的约束求解器与答案集求解器的答案集。求解器允许我们推理实数上的约束,并计算复杂计划和调度问题的解决方案。结果表明,我们的方法可以适用于任何规划和调度问题的混合域。
2013-01-08 cs.AI
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
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
An Application of Answer Set Programming to the Field of Second Language Acquisition
Miami University(迈阿密大学)
本文探讨了答案集编程(ASP)对第二语言习得领域的一个既定理论:输入处理的研究的贡献。该理论描述了第二语言学习者基于其第二语言知识和关于世界的背景知识从文本中提取意义时所使用的默认策略。我们在ASP中形式化了这一理论,因此我们能够确定改进其自然语言描述的机会,以及未来理论发展的方向。我们应用我们的模型来自动预测英语学习者将如何解释包含被动语态的句子。我们提出了一个系统,PIAS,使用这些预测,以协助语言教师在设计教材。出现在逻辑编程理论与实践(TPLP)中。
2013-12-09 cs.AI
A Proof-of-Concept for Explainable Disease Diagnosis Using Large Language Models and Answer Set Programming
本研究提出McCoy框架,结合大型语言模型与答案集编程,实现可解释的疾病诊断,初步结果显示其在小规模诊断任务中表现优异。
2025-12-30 cs.AI
Encoding Petri Nets in Answer Set Programming for Simulation Based Reasoning
Arizona State University(亚利桑那州立大学);National Institute of Informatics(国立信息学研究所)
我们的长期研究目标之一是开发系统来回答现实问题(例如,一些在教科书中提到的)关于生物学家可能会问的生物途径。为了回答这些问题,我们需要能够对路径建模、模拟其执行、对这些路径的干预建模并在不同情况下比较模拟的形式化。我们发现Petri网是一个合适的形式主义的建模和仿真需要的起点。然而,我们需要对Petri网模型进行扩展,并使用多个仿真运行和并行状态演化进行推理。为此,Petri网的回答集编程(ASP)实现将允许我们做到这两点。在本文中,我们将展示如何ASP可以用来编码基本的Petri网在一个直观的方式。然后,我们将展示如何修改这种编码模型的几个Petri网扩展进行小的更改。然后,我们强调了一些推理能力,我们将使用它来实现我们的最终研究目标。
2013-06-24 cs.AI
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
Properties of Answer Set Programming with Convex Generalized Atoms
University of Calabria(卡拉布里亚大学)
近年来,答案集编程(ASP),在稳定模型或答案集语义下的逻辑编程,通过在这些程序中推广原子的概念,已经看到了几个扩展:无论是聚合原子,HEX原子,广义量词,还是抽象约束,其想法是在Herbrand解释的格中具有比传统简单原子更复杂的满足模式。在本文中,我们将这些结构中的任何一个称为广义原子。已经为这些扩展提出了几种具有不同特征的语义,使得大画面有些模糊。在本文中,我们分析了在规则体中具有凸广义原子(最初由Liu和Truszczynski在[10]中提出)的程序类,并表明对于该类,许多提出的语义一致。这是一个有趣的结果,因为最近已经表明这个类是FLP语义的精确复杂度边界。我们调查是否类似的结果也适用于其他语义,并讨论了我们的研究结果的影响。
2013-12-20 cs.AI
Smodels: A System for Answer Set Programming
Smodels系统实现了正常逻辑程序的稳定模型语义。它处理一个子类的程序,其中不包含函数符号,并且是域限制的,但支持扩展,包括内置函数以及基数和权重约束。在这个核心引擎之上,可以构建更多涉及的系统。作为一个例子,我们已经实现了析取逻辑程序的整体和部分稳定模型计算。一种有趣的应用方法是基于答案集编程,即,将应用问题编码为一组规则,使得其解决方案由规则的稳定模型捕获。SModels已被应用于许多领域,包括规划,模型检验,可达性分析,产品配置,动态约束满足,和功能交互。
2000-03-08 cs.AI
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
Distilling Answer-Set Programming Rules from LLMs for Neurosymbolic Visual Question Answering
Vienna University of Technology ( TU Wien )(维也纳技术大学);Jönköping University(约克灵厄普大学)
提出从大语言模型中蒸馏答案集编程规则的方法,以可解释的方式扩展视觉问答系统的推理能力,仅需少量示例即可生成正确规则。
2026-06-29 cs.AI
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
SLASH: Embracing Probabilistic Circuits into Neural Answer Set Programming
TU Darmstadt(达姆施塔特工业大学);Hessian Center for AI (hessian.AI)(黑森人工智能中心 (hessian.AI))
结合神经网络的鲁棒性和符号方法的表达性的目标重新点燃了对神经符号AI的兴趣。神经符号人工智能的最新进展通常考虑由不相交的神经和符号组件组成的专门定制的架构,因此没有表现出通过将它们集成到统一框架中可以实现的期望收益。我们介绍SLASH --一种新的深度概率程序设计语言(DPPL)。在其核心,SLASH由神经概率谓词(NPP)和逻辑程序组成,这些程序通过答案集编程联合起来。由NPP产生的概率估计充当逻辑程序和原始输入数据之间的绑定元素,从而允许SLASH回答任务相关的逻辑查询。这使得SLASH能够在一个统一的框架中优雅地整合符号和神经组件。我们评估SLASH的基准数据MNIST除了以及DPPL的新任务,如缺失数据预测和集合预测与国家的最先进的性能,从而显示我们的方法的有效性和通用性。
2021-11-23 cs.AI
Complexity and Compilation of GZ-Aggregates in Answer Set Programming
University of Calabria(卡拉布里亚大学)
Gelfond和Zhang最近提出了一种新的基于恶性循环原理的稳定模型语义,以改善对具有聚集的逻辑程序的解释。本文重点讨论了这种新语义下的一致性测试和谨慎推理的复杂性。一些令人惊讶的结果凸显了与主流聚合稳定模型语义的相似之处和差异。此外,该文件报告的编译技术的设计,实现新的语义上现有的ASP求解器,最终导致实现一个原型系统,允许实验Gelfond张的聚合。出现在逻辑编程理论与实践(TPLP),ICLP 2015会议记录。
2015-07-14 cs.AI