IJCAIJun, 2017

使用答案集编程在线构建马尔可夫决策过程状态集的方法

PDF
TL;DR本文提出了一种名为 oASP（MDP）的方法，其将 Markov 决策过程（MDP）与 Answer Set 编程（ASP）结合起来，以解决在非平稳领域中寻找最优策略的问题。
发现论文，激发创造
  • 利用答案集编程的混合条件规划

    本文介绍了一种名为 HCP-ASP 的并行离线算法，该算法基于非单调的答案集编程（ASP）语言建模执行动作和感知动作，利用公式化表示行动执行过程中的连续可行性检查，以达成目标。该算法可显式地公式化关于状态的部分知识以及感知动作的非确定性效应，从而不需要预先对感知动作进行规划或排序。我们将该方法应用于服务机器人领域并进行了实验评估。此外，我们还在标准基准域上与其他基于编译的条件规划器进行了性能比较。

    Jul, 2017

  • 基于 ASP 的声明式流程挖掘（扩展摘要）

    本文提出了 ASP 作为建模和解决声明性流程挖掘领域中的问题的方法，着重讨论了日志生成、一致性检查和查询检查三个经典问题。该方法基于将过程规范表示为（有限状态）自动机，由此可以处理更一般的规范，例如在有限跟踪上的线性时态逻辑公式。

    May, 2022

  • 将 Answer Set Programming 和领域启发式算法结合，解决难解的工业问题（应用论文）

    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

  • 一种多引擎的答案集编程方法

    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

  • 第七届答案集编程竞赛：设计与结果

    本文介绍了关于 Answer Set Programming 的比赛，并讨论了设计和结果。

    Apr, 2019

  • 基于采样的多模型优化的可导可满足性和可导答案集编程

    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

  • 在答案集规划中指定和利用非单调领域特定的声明性启发式

    本研究提出一种新的语法和语义，声明性地说明 ASP 中具有领域特定的启发式方法，这些启发式方法直接依赖于维护的部分分配，实现了懒惰打地基即 ASP 的第一个系统支持领域特定的声明性启发式，通过在两个实际示例领域上应用我们的方法，以及使用我们的方法来实现 A * 搜索，该搜索首次在 ASP 中处理，并用于进一步的两个搜索问题。实验结果表明，组合懒惰打地基 ASP 求解和我们的启发式方法对于解决工业规模问题至关重要。

    Sep, 2022

  • 基于启发式分解的答案集计算优化

    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

  • 非基础规则在答案集编程中的威力

    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

  • 实践中学习：非稳态马尔可夫决策过程中的自适应决策

    在处理非平稳环境的序贯决策问题中，我们提出了一种自适应蒙特卡洛树搜索算法，通过学习环境的更新动态来改进决策过程，减少过分悲观的行为并提高决策速度。

    Jan, 2024