[논문 리뷰] DATALOG with constraints - an answer-set programming system

Deborah East, Mirosław Truszczyński|ArXiv.org|2000. 03. 24.

Logic, Reasoning, and Knowledge참고 문헌 16인용 수 12

한 줄 요약

이 논문은 AI 및 조합론 분야의 검색 문제를 효율적으로 표현하기 위해 명제 제약 조건과 허른 규칙을 조합한 비단조화 논리 체계인 DATALOG with constraints (DC)를 소개한다. DC는 압축된 표현과 효율적인 추론 엔진 덕분에, 특히 투자 폐쇄가 필요한 문제(예: 해밀턴 순환, N-queens)에서 전문적 SAT 솔버와 안정 모델 논리 프로그래밍의 성능을 뛰어넘는다.

ABSTRACT

Answer-set programming (ASP) has emerged recently as a viable programming paradigm well attuned to search problems in AI, constraint satisfaction and combinatorics. Propositional logic is, arguably, the simplest ASP system with an intuitive semantics supporting direct modeling of problem constraints. However, for some applications, especially those requiring that transitive closure be computed, it requires additional variables and results in large theories. Consequently, it may not be a practical computational tool for such problems. On the other hand, ASP systems based on nonmonotonic logics, such as stable logic programming, can handle transitive closure computation efficiently and, in general, yield very concise theories as problem representations. Their semantics is, however, more complex. Searching for the middle ground, in this paper we introduce a new nonmonotonic logic, DATALOG with constraints or DC. Informally, DC theories consist of propositional clauses (constraints) and of Horn rules. The semantics is a simple and natural extension of the semantics of the propositional logic. However, thanks to the presence of Horn rules in the system, modeling of transitive closure becomes straightforward. We describe the syntax and semantics of DC, and study its properties. We discuss an implementation of DC and present results of experimental study of the effectiveness of DC, comparing it with CSAT, a satisfiability checker and SMODELS implementation of stable logic programming. Our results show that DC is competitive with the other two approaches, in case of many search problems, often yielding much more efficient solutions.

연구 동기 및 목표

• 명제 논리의 단순성과 비단조화 논리의 표현력 및 압축성을 동시에 갖춘 답변집 프로그래밍 시스템을 설계한다.
• 명제 논리가 투자 폐쇄를 효율적으로 표현할 수 없어 큰 이론이 되는 문제를 해결한다.
• 명제 논리의 단순성과 안정 모델 논리 프로그래밍의 효율성 사이의 격차를 메운다.
• 강력한 계산 성능을 유지하면서 직관적이고 작은 크기의 표현을 제공하는 시스템을 개발한다.
• 기존의 시스템인 csat (명제 SAT)와 smodels (안정 모델 논리 프로그래밍)을 기준으로 표준 검색 문제에서 DC의 효과를 평가한다.

제안 방법

• DC는 하나의 형식 체계 안에서 명제 절(제약 조건)과 허른 규칙을 결합하여, 명제 논리의 의미 체계에 비단조화 추론을 추가한다.
• 시스템은 안정 모델 의미 체계의 복잡성 없이도 모델 기반의 단순하고 직관적인 의미 체계를 사용한다.
• DC의 표현은 특히 해밀턴 순환과 경로 존재성과 같은 투자 폐쇄가 필요한 문제에서 압축되어 있다.
• dcs라는 이름의 구현체는 DC 이론의 구조를 활용해 답변 집합을 효율적으로 계산하는 전용 추론 엔진을 사용한다.
• 실험은 동일한 하드웨어와 입력 표현을 사용하여 dcs, csat (명제 SAT), smodels (안정 모델 논리 프로그래밍) 간의 성능을 비교한다.
• 성능은 CPU 사용자 시간과 선택 지점 수로 측정되며, 명확성을 위해 로그 스케일 플롯에 결과를 제시한다.

실험 결과

연구 질문

• RQ1 명제 논리 수준의 단순한 의미 체계를 갖되, 투자 폐쇄를 효율적으로 처리할 수 있는 비단조화 논리 체계를 설계할 수 있는가?
• RQ2 명제 제약 조건과 허른 규칙을 하나의 형식 체계에 통합하면, 명제 논리만으로 표현할 때보다 훨씬 더 압축된 표현을 얻을 수 있는가?
• RQ3 이러한 시스템이 런타임과 확장성 측면에서 명제 SAT 솔버와 안정 모델 논리 프로그래밍 시스템을 모두 능가할 수 있는가?
• RQ4 표현의 크기가 답변집 프로그래밍 시스템의 성능에 얼마나 큰 영향을 미치는가?
• RQ5 명제 논리의 단순성과 안정 모델 논리 프로그래밍의 표현력 사이에 실용적인 중간 지점이 존재하는가?

주요 결과

• 해밀턴 순환 문제에서는 dcs가 smodels와 csat를 모두 앞서며, csat는 40개 이상의 정점이 있는 그래프에서는 큰 명제 표현으로 인해 실용적이지 않게 되었다.
• N-queens 문제에서는 dcs와 csat가 smodels보다 훨씬 빠르게 동작했으며, dcs는 smodels에 비해 약 1/5 수준의 규칙 수만을 필요로 하였다.
• 스푸르 수 문제에서는 dcs가 S(3)=13과 S(4)=44를 효율적으로 계산했으며, 특히 N=45와 같은 큰 인스턴스에서 csat와 smodels를 모두 능가했다.
• 3-색칠 문제에서는 dcs와 csat가 smodels보다 우수했으며, dcs는 압축된 표현 덕분에 성능상의 이점을 보였다.
• 비둘기집 원리 문제에서는 시스템 간 성능이 유사했으며, csat가 略로 앞서고 dcs는 smodels보다 略로 우수했으며, 이는 dcs가 유리하지 않은 경우에도 경쟁력이 있음을 보여준다.
• 결과적으로 DC의 작은 표현은 더 빠른 실행 시간을 이끌어내며, 표현 크기가 솔버 성능에 결정적인 영향을 미친다는 것이 확인되었다.