[논문 리뷰] dcs: An Implementation of DATALOG with Constraints

Deborah East, Mirosław Truszczyński|ArXiv.org|2000. 03. 14.

Logic, Reasoning, and Knowledge참고 문헌 5인용 수 15

한 줄 요약

이 논문은 NP 문제의 간결하고 효율적인 인코딩을 가능하게 하기 위해 허니 규칙과 제약 조건을 추가한 DATALOG 기반의 답변 집합 프로그래밍 시스템인 DC를 제시한다. 허니 규칙의 폐쇄를 활용하여 이론 크기를 줄임으로써, 해밀턴 순환, N-퀸 문제, 숄 수 등과 같은 벤치마크에서 SAT 및 안정 모델 솔버보다 뛰어난 성능을 보이며, 짧은 인코딩 덕분에 뛰어난 성능 향상을 입증한다.

ABSTRACT

Answer-set programming (ASP) has emerged recently as a viable programming paradigm. We describe here an ASP system, DATALOG with constraints or DC, based on non-monotonic logic. 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, use and implementation of DC and provide experimental results.

연구 동기 및 목표

• 복잡한 탐색 문제를 모델링하기 위해 명제 논리와 허니 규칙을 결합한 실용적인 답변 집합 프로그래밍 시스템을 개발하는 것.
• 해밀턴 순환, 그래프 색칠하기, N-퀸 문제와 같은 NP-완전 문제를 간결하고 인간이 읽기 쉬운 방식으로 인코딩할 수 있도록 하는 것.
• 허니 규칙 폐쇄로 가능해지는 짧은 인코딩이 전통적인 SAT 및 안정 모델 접근 방식에 비해 성능 향상에 크게 기여하는지 입증하는 것.
• 모듈식 설계와 유용한 오류 메시지를 통해 증분 제약 추가 및 효율적인 디버깅을 지원하는 시스템을 제공하는 것.

제안 방법

• 시스템은 이론을 세 부분으로 나누어 구성한다: 제약 조건(TC), 허니 규칙(TH), 후행 제약(TPC)이며, 답변 집합은 TC를 만족하고, TH에 대해 폐쇄된 집합 M ⊆ AtC가 TPC를 만족하는 집합이다.
• 허니 규칙을 사용하여 제약 조건을 만족하는 집합의 폐쇄를 계산함으로써, 명시적 나열 없이도 전이 폐쇄 및 경로 도달 가능성 추론을 가능하게 한다.
• 이 구현은 두 개의 C 모듈—ground(기반화용), dcs(해결용)—로 이루어져 있으며, gcc로 컴파일되어 리눅스 및 SPARC 플랫폼 간의 이식성을 목표로 한다.
• LookAhead 절차는 리터럴을 평가하고 검색 효율성을 높이기 위해 가장 정보가 많은 리터럴을 선택함으로써 분기 결정을 안내한다.
• 기존 IDB에 제약 조건을 추가할 수 있도록 허용함으로써 증분 문제 해결을 지원하며, 재컴파일 없이도 동적 문제 수정이 가능하다.
• 이론적 의미론은 허니 규칙을 통한 비단조화 폐쇄를 통합함으로써 명제 논리를 확장하며, 단순성을 유지하면서도 표현력 있는 모델링을 가능하게 한다.

실험 결과

연구 질문

• RQ1 제약 조건과 허니 규칙을 갖춘 DATALOG 기반 시스템이 표준 SAT 또는 안정 모델 인코딩보다 더 간결한 인코딩을 달성할 수 있는가?
• RQ2 허니 규칙 폐쇄의 사용이 논리 이론의 크기를 크게 줄여, NP 문제에서 성능 향상에 기여하는가?
• RQ3 DC가 해밀턴 순환 및 N-퀸 문제와 같은 벤치마크 문제에서 smodels 및 csat와 같은 기존 시스템을 능가할 수 있는가?
• RQ4 허니 규칙에 의해 가능해지는 짧은 인코딩이 실제로 측정 가능한 성능 향상으로 이어지는 정도는 어느 정도인가?

주요 결과

• 해밀턴 순환 문제에서는 DC의 이론 크기가 SAT(27,960 클라우즈 대비 900)와 smodels(621 원자 대비 1,212)보다 극적으로 작았으며, 30개 정점 그래프의 경우 실행 시간이 1초 이내였다.
• 숄 수 문제에서는 DC가 0.2초 이내로 인스턴스를 해결했고, csat와 smodels는 가장 큰 인스턴스(4-45)에서 1,500초 이상 소요되어 DC의 확장성과 성능을 입증했다.
• 30개 정점 그래프에서 DC는 해밀턴 순환 문제를 0.12~0.23초 내로 해결했고, csat(5.23~5.55초)와 smodels(1.91~51.04초)를 뛰어넘었으며, 특히 큰 인스턴스에서 뚜렷한 성능 우위를 보였다.
• 허니 규칙의 사용으로 SAT 인코딩 대비 이론 크기가 최대 90%까지 감소하여, SAT가 실패한 40개 이상 정점의 대규모 문제도 해결 가능하게 되었다.
• DC의 성능 우위는 해밀턴 순환과 같이 전이 폐쇄가 필요한 문제에서 가장 두드러졌으며, 허니 규칙이 간결하고 효율적인 인코딩을 가능하게 했다.
• LookAhead 히우리즘은 정보가 많은 리터럴에 초점을 맞춰 검색 효율을 향상시켜 dcs 솔버의 수렴 속도를 빠르게 했다.