claspfolio 2: Advances in Algorithm Selection for Answer Set Programming
University of British Columbia(不列颠哥伦比亚大学);University of Freiburg(弗莱堡大学);University of Potsdam(波茨坦大学)
出现在逻辑编程理论与实践(TPLP)中。在屡获殊荣的,基于投资组合的ASP求解器clasplem的基础上,我们提出了clasplem 2,一个模块化和开放的求解器架构,集成了几种不同的基于投资组合的算法选择方法和技术。clasple2求解器框架支持各种特征生成器、求解器选择方法、求解器组合以及基于求解器调度的预求解技术。clasp 2的默认配置依赖于ASP求解器clasp的轻量级版本来生成静态和动态实例特性。clasp 2灵活的开放式设计是一个区别于ASP的因素。因此,它提供了一个独特的框架,用于比较和组合现有的基于组合的算法选择方法和技术在一个单一的,统一的框架。利用这一点,我们进行了广泛的实验研究,以评估不同的功能集,选择方法和基本求解器组合的影响。除了获得对各种方法和技术的实用性的实质性见解之外,我们还确定了clasple2的默认配置,该配置不仅在clasp的默认配置和clasple2的早期版本上实现了实质性的性能增益,而且还超过了clasp的手动调整配置。
2014-05-07 cs.AI
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
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
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
Unfounded Sets for Disjunctive Hybrid MKNF Knowledge Bases
University of Alberta(阿尔伯塔大学)
将回答集编程(ASP)的封闭世界推理与本体论的开放世界推理相结合,拓宽了推理机的应用空间。析取混合MKNF知识库简洁地扩展了ASP,并且在某些情况下不会增加推理任务的复杂性。然而,在许多情况下,求解器的开发是滞后的。因此,解决析取混合MKNF知识库的唯一已知方法是基于猜测和验证,如Motik和Rosati在其原始工作中所制定的。一个主要的障碍是理解如何约束传播可以由求解器执行,其中,在ASP的上下文中,围绕着\textit{unfounded atoms}的计算,原子是假的部分解释。在这项工作中,我们建立了改进求解器的混合MKNF知识库与析取规则:我们正式的概念,这些知识库的无根据集,确定较低的复杂性界限,并演示了我们如何将这些发展集成到一个求解器。我们讨论了本体论所带来的挑战,这些挑战不存在于析取逻辑程序的求解器的开发中,这保证了与传统的无根据集定义的一些偏差。我们比较我们的工作与事先定义的无根据集。
2021-02-25 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
On the generalization of learned constraints for ASP solving in temporal domains
University of Potsdam(波茨坦大学)
本文研究 ASP 求解时序问题时学习约束跨时间步复用的条件,提出逻辑程序转换及可泛化全部约束的时序性质,并通过实验验证其对求解性能的影响。
2024-10-15 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
Multi-shot ASP solving with clingo
University of Potsdam(波茨坦大学);INRIA Rennes(雷恩国家信息与自动化研究所);School of Computing Science at Simon Fraser University(西蒙弗雷泽大学计算科学学院);Institute for Integrated and Intelligent Systems at Griffith University(格里菲斯大学集成与智能系统研究所)
我们介绍了一种新的灵活的范式的基础和解决的答案集编程(ASP),我们称之为多拍ASP解决,并提出其实现的ASP系统clingo。多镜头ASP解决功能接地和解决过程中,处理不断变化的逻辑程序。在这样做的过程中,它们仍然有效,并以无缝的方式适应变化。例如,这样的过程允许高级形式的搜索,如优化或理论求解,或与环境的交互,如机器人或问答。它们的共同之处在于,问题规范在推理过程中不断演变,这可能是因为数据或约束被添加、删除或替换。这个进化的方面为ASP增加了另一个维度,因为它带来了状态改变操作。我们解决这个问题,提供了一个操作语义,特点接地和解决过程中的多拍ASP解决。此特征化提供了接地和求解器状态以及操纵它们的操作的语义说明。多杆求解的操作性质避免了重新启动地滚球和求解程序的冗余,并受益于求解器的学习能力。clingo通过用控制能力补充ASP的声明性输入语言来实现这一点。在声明方面,一个新的指令允许将逻辑程序结构化为命名的和可参数化的子程序。将这些子程序接地并集成到求解过程中是完全模块化的,并且从程序方面完全可控。为此,clingo提供了一个新的应用程序编程接口,可以方便地通过脚本语言访问。
2018-03-20 cs.AI
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
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
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
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
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
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
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
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
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
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
Qsmodels: ASP Planning in Interactive Gaming Environment
Università degli studi di Milano(米兰大学);Università degli studi di Messina(墨西拿大学)
Qmodels是一个新的应用答案集编程的互动游戏环境。我们描述了一个软件架构,通过它,一个机器人在雷神之锤3竞技场内的行为可以由一个计划者控制。规划器被编写为答案集程序,并由Smodels求解器解释。
2015-05-27 cs.AI
Bounded Combinatorial Reconfiguration with Answer Set Programming
Nagoya University(名古屋大学);National Institute of Informatics(国立信息学研究所);Universität Potsdam(波茨坦大学)
本文提出基于回答集编程的有界组合重构方法,开发的recongo求解器在CoRe Challenge 2022单引擎赛道最短路径项夺冠,还给出了独立集重构问题的ASP编码及全算例实证分析。
2023-07-20 cs.AI
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
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
Translation-based Constraint Answer Set Solving
NICTA(国家信息与通信技术研究院);University of New South Wales(新南威尔士大学)
我们通过转换到回答集编程(ASP)来解决约束满足问题。我们的重新制定的属性,单位传播的ASP求解器实现定义良好的局部一致性属性,如弧,边界和范围的一致性。实验证明了这种方法的计算价值。
2011-04-20 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
Finding Similar/Diverse Solutions in Answer Set Programming
Vienna University of Technology(维也纳工业大学);Sabanci University(萨班哲大学)
对于某些计算问题(例如,产品配置、规划、诊断、查询应答、遗传学重构)计算一组相似/不同的解决方案对于更好的决策可能是期望的。基于这一动机,我们在答案集编程(ASP)的背景下研究了该问题的几个决策/优化版本,分析了它们的计算复杂性,并引入了离线/在线方法来计算给定距离函数下此类计算问题的相似/不同解.所有这些方法都依赖于通过为描述问题的ASP程序找到答案集来计算问题的解决方案的想法。离线方法使用ASP求解器(如Clasp)使用问题的ASP公式提前计算所有解决方案,然后使用聚类方法识别相似/不同的解决方案。在线方法计算类似/不同的解决方案以下三种方法之一:通过重新制定的ASP表示的问题,以计算类似/不同的解决方案一次使用ASP求解器;通过计算类似/不同的解决方案迭代(一个接一个)使用ASP求解器;通过修改搜索算法的ASP求解器计算类似/不同的解决方案增量。我们修改了Clasp来实现最后一个在线方法,并将其称为Clasp-NK。在前两种在线方法中,给定的距离函数用ASP表示;在最后一种方法中,它是用C++实现的。我们展示了这些方法在印欧语言相似/不同的同源性重建上的适用性和有效性,以及在Blocks World中的几个规划问题上的适用性和有效性。我们观察到,在计算效率方面,最后一个在线方法优于其他方法;当距离函数不能在ASP中表示时,它还允许我们计算类似/不同的解决方案。
2011-08-16 cs.AI cs.LO cs.PL
Advancing Lazy-Grounding ASP Solving Techniques -- Restarts, Phase Saving, Heuristics, and More
TU Wien (Vienna University of Technology)(维也纳工业大学);Siemens AG Österreich(奥地利西门子公司)
集合编程(ASP)是一种功能强大、表达能力强的知识表示范式,在基于逻辑的人工智能中有大量的应用。然而,传统的接地和解决方法要求ASP程序预先接地,因此遭受所谓的接地瓶颈(即,ASP程序很容易耗尽所有可用内存,从而变得无法解决)。作为一种补救措施,懒惰接地ASP求解器已经开发出来,但许多国家的最先进的技术接地ASP解决还没有提供给他们。在这项工作中,我们提出,第一次,适应惰性接地设置的许多重要的技术,如重新启动,阶段保存,域独立的算法,和学习子句删除。此外,我们调查他们的影响,并在一般情况下观察到解决能力的大幅度提高,也发现在某些情况下的负面影响,表明需要从其他求解器的组合解决。正在考虑接受TPLP。
2020-08-08 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
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
AS2 -- Attention-Based Soft Answer Sets: An End-to-End Differentiable Neuro-Soft-Symbolic Reasoning Architecture
Clemson University(克莱姆森大学)
AS2提出一种端到端可微的神经-软符号推理架构,通过软连续近似替代离散求解器,实现约束满足反馈的可微传递,提升在视觉数独和MNIST加法任务中的性能。
2026-11-05 cs.AI
A System for Explainable Answer Set Programming
University of Corunna(拉科鲁尼亚大学);University of Potsdam(波茨坦大学)
我们提出xclingo,一个工具,用于生成解释的ASP程序注释的文本和标签。这些注释允许跟踪规则的应用或由它们派生的原子。xclingo的输入是一种以ASP注释行形式编写的置标语言,因此以这种方式注释的程序仍然可以被标准ASP求解器接受。xclingo将注释转换为附加的谓词和规则,并使用ASP solver clingo来获得这些辅助谓词的扩展。这些信息随后用于构建包含文本解释的派生树。该语言允许选择解释哪些原子,并依次选择在这些解释中包含哪些原子或规则。我们通过文献中的一个诊断问题来说明其基本特征。
2020-09-22 cs.AI cs.PL
Towards end-to-end ASP computation
National Institute of Informatics(日本信息机构)
本研究提出一种端到端ASP计算方法,通过将Lin-Zhao定理与约束转化为向量空间中的代价函数数值最小化问题,结合预计算和环公式启发式策略,无需符号ASP或SAT求解器即可求解稳定模型,并经经典编程示例验证了有效性。
2025-10-02 cs.AI
ASPeRiX, a First Order Forward Chaining Approach for Answer Set Computing
University of Angers(昂热大学)
在人工智能中使用回答集编程(ASP)来表示知识或解决组合问题的自然方式是精心设计具有默认否定的一阶逻辑程序。在第一步中,这个带有变量的程序被第一个工具翻译成一个等价的命题:地球仪。然后,命题程序被交给第二个工具:求解器。最后一个计算(如果存在)程序的一个或多个答案集(稳定模型),每个答案集编码初始问题的一个解。直到今天,几乎所有的ASP系统都采用这两步计算。在这篇文章中,ASPeRiX项目是作为一个一阶前向链接方法的答案集计算。这个项目是第一个引入答案集计算方法的项目之一,该方法通过将其集成到搜索过程中来避免规则实例化的初始阶段。该方法适用于一阶规则的前向链接,这些规则通过先前产生的原子在飞行中接地。该方法的理论基础,ASP求解器ASPeRiX的主要算法进行了详细说明,并提供了一些实验和与现有系统的比较。
2016-11-16 cs.AI cs.LO
Modeling Variations of First-Order Horn Abduction in Answer Set Programming
Institut für Logic and Computation(逻辑与计算研究所);Technische Universität Wien(维也纳技术大学);Marmara University(马尔马拉大学)
我们研究绑架在一阶角逻辑理论,所有的原子都可以被绑架,我们正在寻找首选的解决方案,就三个目标函数:基数极小,连贯性和加权绑架。我们表示这个推理问题的答案集编程(ASP),以获得一个灵活的框架,实验与全球的约束条件和目标函数,并测试什么是可能的ASP的边界。在ASP中实现这个问题是具有挑战性的,因为它需要在某些常量之间创造值和等价,因为唯一名称假设通常不成立。为了允许循环理论的推理,我们正式描述细粒度的变化限制Skolemization。我们确定长期等价作为一个主要的实例化瓶颈,并提高我们的方法的效率与按需约束,用于消除相同的瓶颈,在国家的最先进的求解器。我们评估我们的方法实验上的ACCEL基准计划识别自然语言理解。我们的编码是公开的,模块化的,我们的方法比ACCEL基准测试中最先进的求解器更有效。
2018-01-31 cs.AI
Annotating Answer-Set Programs in LANA?
University of Bath(巴斯大学);Sabanci University(萨班哲大学);Technische Universität Wien(维也纳工业大学)
虽然过去的研究在回答集编程(ASP)主要集中在理论,ASP求解器技术,和应用程序,目前的工作本身的背景下,一个相当最近的研究趋势:开发支持ASP。特别是,我们建议增加答案集程序与额外的元信息制定一个专用的注释语言,称为LANA。这种语言允许将规则分组为连贯的块,并指定语言签名、类型、前置和后置条件,以及这些块的单元测试。虽然这些注释对ASP求解器是不可见的,因为它们采取程序注释的形式,但它们可以被工具解释为文档,测试和验证目的,以及通过实现语法检查或代码完成功能来消除常见编程错误的来源。为了证明它的多功能性,我们介绍了两个这样的工具,即(一)ASPDOC,用于生成一个HTML文档的基础上的注释信息的程序,和(二)ASPUNIT,用于运行和监控程序块上的单元测试。在基于Eclipse的ASP集成开发环境SeaLion系统中,也对LANA进行了开发。逻辑程序设计理论与实践Theory and Practice of Logic Programming
2012-10-08 cs.AI cs.SE
Constraints, Lazy Constraints, or Propagators in ASP Solving: An Empirical Analysis
University of Calabria(卡拉布里亚大学);University of Genova(热那亚大学);Marmara University(马尔马拉大学);TU Wien(维也纳技术大学)
答案集编程(ASP)是一个成熟的声明性范例。ASP的成功之一是有效的系统的可用性。最先进的系统基于地面+求解方法。在某些应用中,这种方法是不可行的,因为一个或几个约束的基础是昂贵的。在本文中,我们系统地比较替代策略,以避免有问题的约束的实例化,这是基于自定义扩展的求解器。真实和合成基准的结果突出了不同策略的一些优点和缺点。(正在考虑接受TPLP,ICLP 2017年特刊。
2017-07-13 cs.AI
ASP-FZN: A Translation-based Constraint Answer Set Solver
本文提出基于翻译的约束回答集求解器asp-fzn,通过将CASP程序翻译为FlatZinc语言支持多种后端求解器,在纯ASP上具竞争力且部分CASP基准上优于clingcon。
2025-09-15 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
ASP-Core-2 Input Language Format
Università della 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);University of Potsdam(波茨坦大学);XIMES GmbH(XIMES有限责任公司);University of Genova(热那亚大学)
求解器输入语言的标准化已经成为知识表示和推理中几个领域发展的主要驱动力,促进了实际应用中的开发。在本文档中,我们介绍了用于答案集编程的ASP-Core-2标准输入语言,该语言自2013年以来一直被ASP竞赛活动采用。
2019-11-11 cs.AI cs.LO
The Multi-engine ASP Solver ME-ASP: Progress Report
Univ. degli Studi di Genova(热那亚大学);Univ. degli Studi di Sassari(萨萨里大学);Univ. della Calabria(卡拉布里亚大学)
MEASP是地面ASP程序的多引擎求解器。它利用算法选择技术的基础上分类选择一组开箱即用的异构ASP求解器作为黑盒引擎。在本文中,我们报告(一)一个新的MEASP优化实现;(二)尝试将算法选择非地面程序。本文报告的实验分析表明:(i)新的实施\measp是大大快于以前的版本;和(ii)多发动机配方可以应用于非地面程序的评估,有一定的好处。
2014-05-05 cs.AI
User Guided Abductive Proof Generation for Answer Set Programming Queries (Extended Version)
Singapore Management University(新加坡管理大学);University of Toulouse(图卢兹大学)
我们提出了一种方法,用于生成可能的证据的查询相对于一个给定的答案集编程(ASP)规则集使用的溯因过程中的空间的溯因是自动构建的输入规则。给定一组(可能是空的)用户提供的事实,我们的方法推断出任何额外的事实,可能需要的蕴涵的查询,然后输出这些额外的事实,而无需用户明确指定的所有abdibles的空间。我们还提出了一种方法来生成一组有向边对应的理由图的查询。此外,通过不同形式的隐式项替换,我们的方法可以考虑用户提供的事实,并适当修改溯因解。过去关于绑架的工作主要是基于目标导向的方法。然而,这些方法可能导致求解器不是真正声明性的。少得多的工作已经做了实现绑架在一个自自底向上的的求解器,如Clingo ASP求解器。我们描述了新的ASP程序,可以直接在Clingo中运行,产生的溯因解和有向边集,而无需修改底层的求解引擎。
2022-09-16 cs.AI cs.LO
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
Preliminary Report on WASP 2.0
University of Calabria(卡拉布里亚大学)
答案集编程(ASP)是一种声明式编程范式。ASP程序评估的内在复杂性使得开发更有效、更快的系统成为一个具有挑战性的研究课题。本文报道了最近的ASP求解器WASP的改进。WASP正在经历一个重构过程,最终将发布一个新的、更高性能的软件版本。特别是本文重点对普通程序的核心求值算法进行了改进。对第三届ASP竞赛NP类的基准进行了初步实验。以前版本的WASP通常无法与此类的替代解决方案竞争。新版本的WASP在性能上有了很大的提高。
2014-04-28 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
Hybrid Conditional Planning using Answer Set Programming
Sabanci University(萨班哲大学)
我们介绍了一种并行离线算法计算混合条件计划,称为HCP-ASP,面向机器人应用。HCP-ASP依赖于建模的驱动动作和感应动作在一个富有表现力的非单调语言的答案集编程(ASP),和计算的分支的条件计划并行使用ASP求解器。特别是,由于外部原子,连续的可行性检查(如碰撞检查)被嵌入到ASP中的驱动动作和传感动作的正式表示中;因此,混合条件计划的每个分支描述了一个可行的动作执行,以达到其目标。利用非单调的结构和非确定性的选择,部分知识的状态和非确定性的影响感测行动可以明确形式化的ASP,因此,每个分支的条件计划可以计算的ASP求解器,而不需要一致的计划和排序的感测行动提前。我们应用我们的方法在服务机器人领域和报告的实验评估。此外,我们提出的性能比较与其他编译为基础的条件规划标准化的基准域。本文件正在考虑被TPLP接受。
2017-07-19 cs.AI cs.LO cs.RO
Debugging Non-Ground ASP Programs: Technique and Graphical Tools
University of Genova(热那亚大学);Alpen-Adria-Universität Klagenfurt(阿尔卑斯-亚德里亚大学克拉根福分校);University of Calabria(卡拉布里亚大学)
答案集编程(ASP)是逻辑编程和非单调推理领域中的主要声明式编程范式之一。尽管ASP具有简单的语法和直观的语义,但在ASP程序的开发过程中,错误是常见的。在本文中,我们提出了一种新的调试方法,允许交互式本地化的错误在非地面程序。新方法将用户直接指向一组涉及错误的非基本规则,通过向程序员询问一系列关于预期答案集的问题,可以对这些规则进行细化(直到很容易识别错误)。该方法已实施的ASP求解器WASP的顶部。由此产生的调试器已经补充了一个用户友好的图形界面,并集成在ASPIDE,一个丰富的IDE的答案集程序。此外,一个实证分析表明,新的调试器是不受接地爆破限制以前的方法基于元编程的应用。逻辑程序设计理论与实践(TPLP)
2018-08-01 cs.AI
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
Web-based Argumentation
Nanyang Technological University(南洋理工大学)
基于假设的论证(ABA)是20世纪末提出的一种论证框架。从那时起,仍然没有一个求解器实现在一个程序设计语言,这是很容易设置和没有求解器已经接口到网络上,这妨碍了公众的利益。这个项目的目的是实现一个ABA求解器在一个现代的程序设计语言,表现相当不错,并接口到网络上,更容易访问的公众。该项目展示了ABA求解器开发的新颖性,该求解器在Python程序设计语言中计算无冲突,稳定,可接受,接地,理想和完整的语义,可以通过易于使用的Web界面用于参数和争议树的可视化。进行实验,以确定该项目的最佳配置,并将该项目与最先进的ABA求解器,它没有Web接口,计算的语义数量较少的BADDD进行比较。从实验结果来看,本方案的最佳配置是通过使用“pickle”技术和树缓存技术实现的。使用这个项目的最佳配置,这个项目实现了比Bulldd更低的平均运行时间。在另一方面,该项目遇到了更多的情况下,与异常相比,这可能是由于该项目计算更多的语义,因此需要更多的资源来这样做。因此,可以说,这个项目运行良好,以国家的最先进的ABA求解器Bulldd。未来的工作包括对所实现算法的计算复杂性分析和效率分析、在论证框架中实现更多的语义以及对Web界面进行可用性测试。
2016-12-14 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
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
An ASP Framework for Efficient Urban Traffic Optimization
Università degli Studi di Genova(热那亚大学);Politecnico di Torino(都灵理工大学)
由于城市人口和车辆的快速增长,在城市场景中避免拥堵和控制交通变得至关重要。有效控制城市交通作为缓解拥堵的一种手段,在经济、环境和健康方面都是有益的。在本文中,一个框架,它允许有效地模拟和优化交通流在一个大型的道路网络与数百辆车。该框架利用应答集编程(ASP)编码来正式描述网络内车辆的运动。利用在ASP中指定优化约束的能力和现成的求解器Clingo,然后可以优化网络内的车辆的路线以减少相关度量的范围(例如,行程时间或排放)。最后,对真实世界的交通数据进行分析,利用最先进的城市移动模拟器(SUMO)来跟踪网络的状态,测试解决方案的正确性,并证明所提出的解决方案的效率和能力。
2022-08-05 cs.AI
The External Interface for Extending WASP
University of Genova(热那亚大学);University of Calabria(卡拉布里亚大学)
回答集程序设计(ASP)是一种成功的知识表示和推理的声明式形式。目前,ASP程序的评估是基于上下文驱动的子句学习(CDCL)的回溯搜索算法。最近的工作表明,基于CDCL的实现的性能可以大大提高特定的基准测试,通过扩展他们的解决能力与自定义的算法和传播。然而,将这样的算法嵌入到现有的系统中需要ASP实现内部的专业知识。通过提供合适的编程接口,可以更容易地开发有效的求解器扩展。在本文中,我们提出的接口扩展CDCL为基础的ASP求解器WASP。该接口是通用的,即它可以用于提供新的分支算法和传播器,以及外部的,即新算法的实现不需要WASP的内部修改。此外,我们回顾了应用程序的接口见证它可以成功地用于扩展WASP有效地解决现实世界和合成问题的硬实例。逻辑程序设计理论与实践(TPLP)
2018-11-06 cs.AI cs.LO
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
ROSoClingo: A ROS package for ASP-based robot control
University of Potsdam(波茨坦大学);University of New South Wales(新南威尔士大学)
知识表示和推理能力是至关重要的认知机器人技术,因为它们提供了更高层次的认知功能的推理行动,环境,目标,感知等,虽然答案集编程(ASP)是非常适合这样的功能建模,有到目前为止没有无缝的方式使用ASP在机器人环境。我们解决这个缺点,并展示了如何利用最近开发的反应ASP系统提供适当的推理能力的机器人系统内。更准确地说,我们提供了一个集成了响应式ASP求解器oClingo与流行的开源机器人中间件ROS的包。由此产生的系统,ROSoClingo,提供了一个通用的方式,通过该ASP程序可以用来控制机器人的行为,并响应机器人的行动的结果。
2013-07-28 cs.AI cs.RO