Clingo 线性约束与整数和实数
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
本篇论文介绍了第三代约束答案集系统 clingcon,它将 Answer Set Programming(ASP)与有限域约束处理(CP)相结合,并采用惰性方法实现对约束传播的扩展。
May, 2017
介绍了新的 ASP 系统 clingo 4,其提供高级结构来实现复杂推理过程,支持高级搜索形式(如优化或理论求解),并通过嵌入脚本语言 lua 和 python 实现控制能力,为 ASP 的声明输入语言提供了一种新的指令来支持命名和可参数化子程序的逻辑程序结构化。通过严格分离逻辑程序和控制程序,clingo 4 还取消了增量和反应推理的专用系统,其灵活性超越了 iclbingo 和 oclingo 的解决过程。
May, 2014
本文提出了用于扩展 ASP 的带限制的顶部 - 向下执行模型 s(CASP), 它可以在执行期间保留逻辑变量,并在答案集中应用约束,与 ASP、CLP 和其他 CASP 系统相比具有更出色的表达能力和性能。
Apr, 2018
这篇论文介绍了使用 CLINGO 实现扩展和定制化特殊目的系统的两种方法,通过 meta 编程和应用程序接口 2 种不同方式来实现操作和控制整个 ASP 模型。同时,还介绍了 CLINGO 新的应用程序类和中间格式 ASPIF,旨在帮助普通用户构建自己的 ASP 系统并进行非平凡的案例分析。
Aug, 2020
该研究论文扩展了 Answer Set Programming 的基础框架,引入了条件表达式概念和聚合函数,重点研究了具有线性约束的逻辑程序,并实现了在混合 ASP 求解器上的条件聚合。
Feb, 2020
Plingo 是基于 ASP 的 LP^MLN 的概率扩展,并可以映射到优化问题,提供了三种使用不同输入语言和推理模式的前端。通过基于新的方法的近似技术,将 LP^MLN 重新实现为现代 ASP 技术的核心。我们通过与其他概率系统进行比较,从经验上评估 Plingo 的性能。
Jun, 2022
本研究提出了一种新的方法,将约束处理技术与 Answer Set Programming(ASP)相结合,可以解决 ASP 中的有趣约束满足问题,并显示如何将有限域上的约束分解成逻辑程序,以便使用单元传播实现弧、束或范围一致性,并且对编码进行的实验表明它们的计算影响。
Jul, 2010