Belief merging within fragments of propositional logic
Aix Marseille Université(艾克斯-马赛大学);CNRS(法国国家科学研究中心);Vienna University of Technology(维也纳工业大学)
最近,在命题逻辑片段的框架内的信念变化得到了越来越多的关注。以往的研究主要集中在Horn片段上的信念收缩和信念修正。然而,在命题逻辑的片段的信念合并的问题一直被忽视。本文提出了一种通用的方法来定义新的合并运算符来自现有的,这样的合并结果仍然在考虑中的片段。我们的方法不仅限于霍恩片段的情况下,但适用于任何片段的命题逻辑的特点是封闭属性的模型集的公式。我们研究的逻辑属性的建议运营商的合并假设的满意度,特别考虑到基于距离的合并运营商的霍恩和克罗姆片段。
2014-04-25 cs.AI cs.LO
A First Polynomial Non-Clausal Class in Many-Valued Logic
Artificial Intelligence Research Institute (IIIA) - CSIC(人工智能研究所 (IIIA) - CSIC)
多项式公式类与演绎效率的相关性激发了他们的搜索,目前,已知有大量这样的类。尽管如此,它们一直专门在小句形式和命题逻辑的设置中寻找,这当然对实际应用有明显的限制。因此,最近提出了第一个非子句(NC)形式的多项式命题类。沿着这些路线,并朝着NC易处理性适用于超越命题逻辑,首先,我们定义了正规多值霍恩非子句类,或RH,通过适当合并两个正规类:霍恩和NC。其次,我们证明了(1)RH与正则Horn类之间的关系是:在句法上RH包含Horn类,但两者在语义上是等价的;(2)RH与正则非小句类之间的关系是:RH包含所有小句形式为Horn的NC公式。第三,我们定义了正则非子句单位归结,或RUR-NC,并证明了它是RH的完全的,并在多项式时间内检查其可满足性。后一个事实表明,由于RH是多值的,非子句的和易处理的,我们的预期目标已经达到。由于RH和RUR-NC都是DPLL方案的基础,在命题逻辑中是最有效的,并且可以扩展到其他一些非经典逻辑,我们认为它们为基于DPLL的高效非子句近似推理铺平了道路。
2021-10-21 cs.AI cs.LO
One head is better than two: a polynomial restriction for propositional definite Horn forgetting
Sapienza University of Rome(罗马第一大学)
针对命题Horn公式逻辑遗忘的NP完全性与规模爆炸问题,研究了单头等价性的语义刻画,提出转化单头形式的不完全算法,成功时可实现多项式时间与规模的遗忘,且算法在不等价公式上完全。
2024-01-28 cs.AI
On the Link between Partial Meet, Kernel, and Infra Contraction and its Application to Horn Logic
Centre for Artificial Intelligence Research(人工智能研究中心);University of KwaZulu-Natal(夸祖鲁-纳塔尔大学);CSIR Meraka Institute(科学与工业研究理事会梅拉卡研究所)
标准的信念改变假设一个包含完整的经典命题逻辑的底层逻辑。然而,在表达性较低的逻辑中也有充分的理由考虑信念变化。在本文中,我们建立在最近的调查Delphon收缩霍恩逻辑。我们表明,标准的基本形式的收缩,部分满足,是太强的霍恩的情况下。这一结果与Delaware的猜想相反,Delaware猜想有序的maxichoice是Horn逻辑的适当收缩形式。然后,我们定义了一个更合适的概念的基本收缩的霍恩的情况下,受凸性属性举行充分的命题逻辑,我们称之为infra收缩。这项工作的主要贡献是一个结果表明,建设方法霍恩收缩的信念集的基础上,我们的infra剩余集完全对应于汉森的经典内核收缩的信念集,当限制到霍恩逻辑。这个结果是通过信念基的收缩绕道而得到的。我们证明,核心收缩的信念基地产生完全相同的结果作为信念基地版本的infra收缩。使用的信念基地,以获得这一结果提供了证据的猜想,霍恩信念变化最好被视为一个混合版本的信念集的变化和信念基地的变化。与基地收缩的链接的后果之一是提供一个代表性的结果霍恩收缩的信念集,其中一个版本的核心保留假设的功能。
2014-01-16 cs.AI cs.LO
The Good Old Davis-Putnam Procedure Helps Counting Models
正如最近所示,许多重要的人工智能问题需要计算命题公式的模型数量。根据目前的知识,在最坏的情况下,计算这种公式的模型的问题是难以解决的。基于Davis-Putnam过程,我们提出了一个算法CDP,它可以计算命题CNF或DNF公式F的精确模型数。设m和n分别为F的子句数和变量数,p表示F的文字l出现在F的子句C中的概率,则CDP的平均运行时间为O(nm^d),其中d=-1/log(1-p). CDP的实际性能已经在一系列实验中对各种CNF公式进行了估计。
2011-06-01 cs.AI
Compilation of Propositional Weighted Bases
在本文中,我们调查在何种程度上可以使用知识编译,以提高推理命题加权基地。我们提出了一个一般的概念编译的加权基地,参数化的任何等价-保持编译功能。消极和积极的结果。一方面,复杂性的结果进行了鉴定,表明从编译加权基地的推理问题是困难的,在一般情况下,当总理暗示,霍恩覆盖或重命名的霍恩覆盖类的目标。另一方面,我们表明,推理问题变得易于处理,每当DNNF编译被使用和子句查询被认为是。此外,我们表明,一个加权基地的DNNF编译的所有首选模型的集合可以在输出大小的时间多项式中计算。最后,我们勾勒出我们的结果可以用于基于模型的诊断,以计算系统的最可能的诊断。
2002-07-11 cs.AI
dcs: An Implementation of DATALOG with Constraints
最近出现了一种可行的编程范例-我们在这里描述了一个ASP系统,DATALOG与约束或DC,基于非单调逻辑。非正式地,DC理论包括命题子句(约束)和霍恩规则。语义是命题逻辑语义的简单而自然的扩展。然而,由于系统中存在Horn规则,传递闭包的建模变得简单。我们描述了DC的语法,使用和实现,并提供实验结果。
2000-03-14 cs.AI
On the expressive power of unit resolution
这个初步报告解决了表达能力的单位分辨率与命题变量的部分真理分配编码的输入数据。的功能,以这种方式,我们建议调用可传播的功能,是可计算的一个特征。通过建立传播功能也可以使用单调电路计算,我们表明,存在多项式时间复杂度的传播功能,需要指数数量的条款计算使用单位分辨率。这些结果为研究NP完全问题的CNF编码提供了新的思路,以便使用命题可满足性算法来解决这些问题。
2011-06-17 cs.AI cs.CC
A Complete Calculus for Possibilistic Logic Programming with Fuzzy Propositional Variables
Universitat de Lleida (UdL)(莱里达大学);CSIC(西班牙国家研究委员会)
本文提出了一种用于可能性不确定性推理和表示模糊知识的命题逻辑程序设计语言。公式由对(A,c)表示,其中A是多值命题,c是单位区间[0,1]中的值,它表示关于A的信念在必要性测度方面的下界。信念状态的所有多值解释的集合上的可能性分布建模。在这个框架中,(i)定义了一般不确定性逻辑的语法和语义,(ii)给出了Horn-规则子语言的一个前件式演算,并证明了它对于确定模糊命题变量从公式集合中导出的最大可能性信念度是完备的;最后,(iii)我们展示了如何计算模糊命题变量之间的部分匹配,在必要性措施的模糊集,可以包括在我们的逻辑编程系统。
2013-01-16 cs.AI
Belief Revision, Minimal Change and Relaxation: A General Framework based on Satisfaction Systems, and Applications to Description Logics
Centrale Supelec(中央理工-高等电力学院);Université Paris-Saclay(巴黎萨克雷大学);Université Paris-Dauphine(巴黎多芬大学);CNRS(法国国家科学研究中心);Télécom ParisTech(巴黎电信学院)
信念修订的知识库表示的一组句子在一个给定的逻辑已被广泛研究,但具体的逻辑,主要是命题,最近也霍恩和描述逻辑。在这里,我们建议从模型理论的角度来概括这种操作,通过定义在一个抽象的模型理论的名称下的满意度系统的修订。在这个框架中,我们推广到任何满意度系统的特征的著名AGM假设给出的胜野和Mendelzon命题逻辑的最小变化之间的解释。此外,我们研究了如何定义修订,满足AGM假设,从松弛的概念,已首次引入描述逻辑定义概念之间的相异性措施,其后果是放松的旧信念的模型集,直到它成为符合新的知识。我们展示了如何建议的一般框架可以在不同的逻辑,如命题,一阶,描述和霍恩逻辑实例化。特别是描述逻辑,我们介绍了几个具体的松弛算子定制的描述逻辑$\ALC{}$和它的片段$\EL{}$和$\ELext{}$,讨论它们的属性,并提供了一些说明性的例子。
2017-01-13 cs.AI
DATALOG with constraints - an answer-set programming system
最近出现了一种可行的编程范例,它很好地适应了人工智能、约束满足和组合学中的搜索问题。可以说,命题逻辑是最简单的ASP系统,具有直观的语义,支持问题约束的直接建模。然而,对于某些应用程序,特别是那些需要计算传递闭包的应用程序,它需要额外的变量和大型理论的结果。因此,它可能不是一个实用的计算工具,这样的问题。另一方面,ASP系统基于非单调逻辑,如稳定的逻辑编程,可以有效地处理传递闭包计算,并在一般情况下,产生非常简洁的理论作为问题表示。然而,它们的语义更加复杂。寻找中间地带,本文介绍了一种新的非单调逻辑,DATALOG约束或DC。非正式地,DC理论包括命题子句(约束)和霍恩规则。语义是命题逻辑语义的简单而自然的扩展。然而,由于系统中存在Horn规则,传递闭包的建模变得简单。我们描述了DC的语法和语义,并研究了它的性质。我们讨论了DC的实施和目前的DC的有效性的实验研究结果,比较它与CSAT,可满足性检查和SMODELS实现稳定的逻辑编程。我们的研究结果表明,DC是有竞争力的其他两种方法,在许多搜索问题的情况下,往往会产生更有效的解决方案。
2000-03-24 cs.AI
Stable models and an alternative logic programming paradigm
在本文中,我们重新审视的地方和作用的稳定模型语义在逻辑编程和对比,它与最少Herbrand模型的方法霍恩程序。我们证明了稳定模型语义的固有特征自然会导致一个逻辑编程系统,提供了一个有趣的替代更传统的逻辑编程风格的霍恩逻辑编程,分层逻辑编程和逻辑编程与良好的基础语义。所提出的方法是基于程序条款的约束的解释。在这种情况下,程序不描述一个单一的预期模型,而是一系列稳定的模型。这些稳定的模型编码解决方案的约束满足的问题所描述的程序。我们的方法对逻辑程序的语法施加了限制。特别是,函数符号被从语言中删除。我们认为,由此产生的逻辑编程系统是很好地协调NP类的问题,有一个定义明确的应用领域,和一个新兴的编程方法。我们指出,是什么使整个方法可行的算法来计算命题逻辑程序的稳定模型的实现的最新进展。
1998-09-18 cs.AI cs.LO
Why this and not that? A Logic-based Framework for Contrastive Explanations
TU Wien(维也纳技术大学);Tampere University(塔尔库大学)
本文提出一个基于命题逻辑的反事实解释框架,通过计算并比较P和Q的原因来回答“为什么是P而不是Q”,分析了计算复杂性,并使用回答集编程实现了CNF公式的问题。
2025-07-11 cs.AI cs.LG cs.LO
On LLM-generated Logic Programs and their Inference Execution Methods
University of North Texas(北得克萨斯大学)
本文研究从大语言模型中提取逻辑程序形式知识的技术,提出软合一、GPU加速极小模型计算等新执行方法,以实现可靠推理、验证输出一致性并扩展LLM推理能力。
2025-02-13 cs.AI
Clausal Deletion Backdoors for QBF: a Parameterized Complexity Approach
Independent researcher(独立研究者);Linköping University(利德堡大学);University of Leeds(利兹大学);Royal Holloway, University of London(伦敦大学皇家霍洛威学院)
本文提出基于子句覆盖后门的参数化复杂性方法,研究QBF在给定后门大小k下的FPT求解问题,证明Horn情况W[1]-难,其他情况FPT,并指出缺少一个重要情况以实现完整二元分化。
2026-05-12 cs.AI cs.CC
General Boolean Formula Minimization with QBF Solvers
Utrecht University(乌得勒支大学);IIIA, CSIC(西班牙国家研究委员会人工智能研究所)
命题公式的最小化是逻辑中的一个经典问题,其第一个算法至少可以追溯到20世纪50年代的奎因和卡诺的作品。在此领域的大多数以前的工作集中在获得极小,或准极小,合取范式(CNF)或析取范式(DNF)的公式,在硬件设计中的应用。在本文中,我们感兴趣的问题,获得一个等价的公式在任何格式,也允许连接词,不存在于原始公式。我们的主要动机是应用最小化算法来生成原始公式的自然语言翻译,其中使用较短的等价物作为输入可能会导致更好的翻译。最近,Buchfuhrer和Umans证明了这个问题是$Σ_2^p$ -完全的.我们分析了三种可能的(实际的)解决问题的方法。首先,使用蛮力,生成所有可能的公式,并通过测试所有可能的变量分配来检查它们是否等价于原始公式。其次,生成所有公式的Tseitin编码,并使用SAT求解器检查与原始公式的等价性。第三,将问题编码为量化布尔公式(QBF),并使用QBF求解器。我们的研究结果表明,QBF方法大大优于其他两个。
2023-03-12 cs.AI cs.CC cs.LO
Fixed-parameter complexity of semantics for logic programs
如果一个决策问题的输入是一对字符串,那么这个决策问题被称为参数化问题。其中一个字符串称为参数。问题:给定一个命题逻辑程序P和一个非负整数k,判定P是否有大小不超过k的稳定模型,是以k为参数的参数化决策问题的一个例子。NP完全的参数化问题,如果参数是固定的,通常在多项式时间内就可以求解。决定一个程序P是否有一个大小不超过k的稳定模型的问题,其中k是固定的,不是输入的一部分,可以在时间O(mn^k)内解决,其中m是P的大小,n是P中的原子数。关键问题是是否存在更好的算法(多项式的次数不依赖于k)。为了解决这个问题,我们使用了固定参数复杂度的框架。建立了逻辑程序模型、支持模型和稳定模型的参数化决策问题的固定参数复杂性。我们还建立了固定参数的复杂性,这些问题的变种限制注意霍恩程序和纯负的程序。大多数的问题,考虑在文件中有很高的固定参数的复杂性。因此,固定模型(支持的模型,稳定的模型)的边界不太可能导致快速算法来决定这些模型的存在。
2001-07-31 cs.AI cs.LO