ASP中的冲突泛化：学习正确且有效的非基约束
人工智能
2020-08-10 v1
摘要
在求解一个问题实例时学习到的知识的泛化与重用，被最先进的答案集求解器所忽视。我们提出一种新方法，泛化学习到的nogood以供重用，从而加速未来问题实例的求解。我们的方案将知名的ASP求解技术与基于演绎逻辑的机器学习相结合。通过将学习到的非基约束加入原始程序，可提升求解性能。我们通过实际例子展示了方法的效果，表明我们的方法以较低计算代价学习约束，并在测试案例中带来显著的性能收益。这些收益在ground-and-solve系统与lazy-grounding系统中均可看到。然而，ground-and-solve系统在某些情况下因附加约束而产生额外的 grounding 开销。通过冲突最小化，非最小的学习约束可被约简。如实验所示，这可显著减少grounding与求解开销。（已被TPLP考虑接受。）
引用
@article{arxiv.2008.03100,
title = {Conflict Generalisation in ASP: Learning Correct and Effective Non-Ground Constraints},
author = {Richard Taupe and Antonius Weinzierl and Gerhard Friedrich},
journal= {arXiv preprint arXiv:2008.03100},
year = {2020}
}
备注
Paper presented at the 36th International Conference on Logic Programming (ICLP 2020), University Of Calabria, Rende (CS), Italy, September 2020, 16 pages