claspfolio 2: 基于答案集编程的算法选择的进展
介绍了多线程版本的先进求解器 clasp,详细阐述其组件和通信体系结构,并说明如何支持其主要功能。同时,我们提供了 clasp 处理不同约束类型所使用的数据表示的一些见解。伴随着大量的实验分析揭示了多线程中 clasp 的主要特征。
Oct, 2012
该研究论文介绍了一种将一种基于一阶逻辑的扩展语言 FO (.) 转换为 Answer Set Programming (ASP) 的方法, 从而使得基于 ASP 的程序可以作为 FO (.) 的解决器,实验结果表明这种组合可以快速有效地解决 FO (.) 中的问题。
Aug, 2021
本文介绍了一种混合型 ASP 求解器 clingcon,它使用 Constraint Programming 中的非布尔约束和 Answer Set Programming 的高性能布尔求解能力,其主要技术创新是通过基于不可约不一致集的学习技术改进 ASP 和 CP 求解器之间的交互,实现全局约束和优化语句支持,广泛的实证评估表明这些技术提高了一个数量级的性能。
Oct, 2012
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
我们提出了 I-DLV + MS,这是一种新的 Answer Set Programming(ASP)系统,它将高效的 grounder(即 I-DLV)与自动选择器相结合,该自动选择器根据由 I-DLV 产生的某些固有特征,通过机器学习技术指导选择最合适的求解器。该系统在最新的(第 7)ASP 竞赛中参加了常规轨迹,SP 类别(即只允许一个处理器),并获胜。正在《逻辑编程的理论与实践》(TPLP)评估中。
Sep, 2018
xASP2 是一个增强型的解释性人工智能系统,用于生成 Answer Set Programming(ASP)的解释图。与 xASP 不同,xASP2 支持不同的 clingo 构造,如选择规则、约束和聚合函数如 #sum、#min。该研究提供了一个能够将假设集合尽可能缩小并通过有向无环图形式展示解释的 ASP 广泛片段的可解释人工智能系统。
Aug, 2023
本研究介绍了 PDDL-to-ASP 翻译器的新版本,该版本扩展了接受的 PDDL 特性范围,包含了处理多值 Fluent 的计划编码和多次射击 ASP 解决方案,提供了先进的规划算法,是 ASP 算法研究的很好框架选项,我们的实证分析表明,这些技术对 ASP 规划性能具有显着影响。
Dec, 2018
本文介绍了 Answer Set Programming 的发展历程、技术进展及其在解决相关问题中的应用,以比赛形式,特别是 ASP 竞赛,验证了 ASP 的优势和成就。该竞赛的第五届为了加入 FLoC 奥林匹克事件于维也纳逻辑学夏季活动 2014,预计是逻辑史上最大规模的事件。竞赛还推广了 ASP-Core-2 标准。
May, 2014
本文介绍了 Differentiable SAT/ASP 方法,使用梯度下降分支机制采样不同模型进行多模型优化,其主要应用包括分布感知模型采样和富有表现力的可扩展概率逻辑编程,并提出了算法性能检测软件 DelSAT,实验表明该方法性能强劲,远优于与之相比的其他方法。
Dec, 2018