ASP 程序的并行实例化:技术与实验
本文提出了一种在现有 ASP 求解器基础之上通过应用机器学习方法,通过识别 ASP 程序的一组易于计算的句法特征,并对这些实例上的性能表现进行归纳学习算法选择策略,从而能够比第三届 ASP 竞赛的任何求解器都更有效地解决实例。
Jun, 2013
本文提出了一种扩展的 ASP 系统结构,其中将输入程序的部分编译为特定的二进制,并可能不受基础步骤的限制。我们提出了相关的部分编译技术,并在一个著名的 ASP 求解器上实现了新方法。结果表明,基于编译的方法对于各种用例都有改进。
Jul, 2019
该研究提出了一种新的优化方法,基于树分解技术和启发式算法,可以将一个输入的逻辑程序转化为一个等价的程序以提高 ASP 系统的求解效率,并在实验中验证了其有效性。
Dec, 2018
该论文提出了一种新的 ASP 编码模式,通过利用实际问题的大规则来编码难题,尤其针对 NP 问题能提供更强的表达能力,并且提供基于规则分解技术的解决方案,初步的基准测试表明,放弃固定程序的简便方式可以显著提高速度。
Aug, 2016
提出了一种新的 ASP 程序调试方法,该方法基于非基础程序中所涉及的非基础规则,通过问答能够精确定位程序中的错误。这种调试器集成在 ASPIDE 中,使用 WASP 进行实现。
Aug, 2018
本篇论文研究了 ASP 的形式验证问题,通过使用基于 ASP 模块的形式化规范语言,将 ASP 模块与问题实例正确地相对应,从而证明了逻辑程序 P 的正确性,这种模块化的规范语言包含了可能嵌套的一阶程序模块,可以在不同层次上包含本地隐藏原子。
Aug, 2020
本文研究将 Answer Set Programming(ASP)与领域特定的启发式方法相结合,以有效地解决 Siemens 提出的 Partner Units Problem(PUP)和 Combined Configuration Problem(CCP),实验证明,我们的领域启发式 ASP 求解器可以找到 Siemens 所提供的所有 PUP 和 CCP 实例的解决方案。
Aug, 2016
人工智能的可解释性越来越受到关注,本研究试图填补 Answer-set Programming 中的解释支持的空白,并通过扩展语言支持和开发新的解释形式(如对比解释)来推进可解释 ASP 的研究。
Aug, 2023