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

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

本文提出了基于边界约束的 ASP（Bound Founded Answer Set Programming）方法，解决了 ASP 系统中存在的基于有限域变量建模的算法性难题，同时将 ASP 的语义从布尔值和常规规则扩展到了数值变量上。

May, 2014

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

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

本研究探讨了基于自定义扩展求解器的几种策略，以避免实例化复杂约束条件，对真实和合成基准测试的结果进行了系统比较。

Jul, 2017

使用将约束满足问题转化为答案集编程的方式解决问题，实验表明该方法具有单位传播、本地一致性等特性，具有计算价值。

Apr, 2011

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

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

该篇论文研究了 ASP 中成本最优规划问题，提出了基于两个 ASP 程序运行的成本最优规划器和完全不受制于步数的规划方法 Stepless Planning 来解决该问题，并实验结果表明 Stepless Planning 具有广阔的潜力。

Jul, 2019