关于时序领域中ASP求解的学习约束的泛化
人工智能
2025-06-11 v2
摘要
在ASP中表示动态问题通常归结为使用变量和约束的副本，每个时间戳一个，无论是直接编码还是通过动作或时序语言编码。变量和约束的倍增通常在实例化过程中完成，而求解器完全不了解不同实例之间的时序关系。另一方面，当今ASP求解器性能的一个关键因素是冲突驱动的约束学习。现在我们的问题是，针对特定时间步学习的约束是否可以在其他时间戳上泛化和重用，并最终这是否能提高求解器在时序问题上的整体性能。在充分了解时间域的情况下，我们研究了学习到的动态约束可以泛化的条件。我们提出了原始逻辑程序的一个简单转换，使得对于转换后的程序，学习到的约束可以泛化到其他时间点。此外，我们识别了时序问题的一个性质，该性质允许我们将所有学习到的约束泛化到所有时间步。事实证明，许多规划问题都满足这一性质。最后，我们通过实验评估了将泛化约束添加到ASP求解器中的影响。本文正在考虑发表在《逻辑编程理论与实践》（TPLP）上。
引用
@article{arxiv.2401.16124,
title = {On the generalization of learned constraints for ASP solving in temporal domains},
author = {Javier Romero and Torsten Schaub and Klaus Strauch},
journal= {arXiv preprint arXiv:2401.16124},
year = {2025}
}
备注
41 pages, 2 figures, Under consideration in Theory and Practice of Logic Programming (TPLP)