[논문 리뷰] Propositional Abduction with Implicit Hitting Sets

Alexey Ignatiev, António Morgado외 1명|arXiv (Cornell University)|2016. 04. 27.

Logic, Reasoning, and Knowledge참고 문헌 44인용 수 13

한 줄 요약

이 논문은 문맥 이론과 표현 조건을 히팅 세트 계산에 직접 통합함으로써 SAT 솔버 호출 횟수를 크게 줄이는 새로운 암묵적 히팅 세트 알고리즘인 Hyper를 제안한다. 이 방법은 오рак루 호출 횟수를 지수적으로 감소시키며, 합성 및 실제 문제 인스턴스 모두에서 기존의 AbHS+와 비교해 뛰어난 성능을 보인다.

ABSTRACT

Logic-based abduction finds important applications in artificial intelligence and related areas. One application example is in finding explanations for observed phenomena. Propositional abduction is a restriction of abduction to the propositional domain, and complexity-wise is in the second level of the polynomial hierarchy. Recent work has shown that exploiting implicit hitting sets and propositional satisfiability (SAT) solvers provides an efficient approach for propositional abduction. This paper investigates this earlier work and proposes a number of algorithmic improvements. These improvements are shown to yield exponential reductions in the number of SAT solver calls. More importantly, the experimental results show significant performance improvements compared to the the best approaches for propositional abduction.

연구 동기 및 목표

• 기존의 명제 추론 알고리즘들이 암묵적 히팅 세트 접근 방식에서 다수의 SAT 오라클 호출에 의존함에 따라 효율성이 떨어지는 문제를 해결하기 위해.
• 히팅 세트 계산에 배경 이론과 표현 조건을 직접 통합하여 명제 추론에서의 SAT 솔버 호출 횟수를 줄이기 위해.
• 최소 히팅 세트를 위한 최적화된 코어 가중치 기반 탐색 원리를 활용한 새로운 알고리즘인 Hyper를 개발하기 위해.
• 히팅 세트 계산의 알고리즘적 개선이 반복 횟수와 실행 시간에 지수적 감소를 이끌 수 있음을 입증하기 위해.

제안 방법

• SAT 오라클을 사용하는 MaxHS 스타일 알고리즘을 적용할 수 있도록 하는 Quantified MaxSAT (QMaxSAT) 모델을 제안하여, QBF 오라클 대신 SAT 오라클을 사용한다.
• 배경 이론과 표현 조건을 히팅 세트 솔버에 직접 통합한 수정된 히팅 세트 계산 방법을 도입하여 별도의 일致성 검사 단계를 피한다.
• SAT 오라클을 사용해 불일치 코어를 탐지하고 반복적으로 후보 해를 정밀화하는 코어 가중치 기반 접근 방식을 활용해 최소 히팅 세트를 계산한다.
• 이론과 표현 조건을 하나의 히팅 세트 계산에 통합하여 중복 반복을 제거한 새로운 알고리즘인 Hyper를 제안한다.
• 초기 종료 및 초과 집합 차단 최적화 기법을 적용하여 안정성과 효율성을 향상시킨다.
• QMaxSAT에 특화된 수정된 MaxHS 알고리즘을 사용하며, 원래의 MaxSAT 오라클 대신 최소 히팅 세트 계산을 위한 SAT 오라클을 활용한다.

실험 결과

연구 질문

• RQ1 히팅 세트 계산에 배경 이론과 표현 조건을 직접 통합하면 명제 추론에서의 SAT 오라클 호출 횟수를 줄일 수 있는가?
• RQ2 암묵적 히팅 세트 계산의 알고리즘적 개선이 기존 방법 대비 반복 횟수에 지수적 감소를 이끌 수 있는가?
• RQ3 제안된 Hyper 알고리즘은 합성 및 실제 문제 인스턴스에서 AbHS+와 비교해 어떻게 성능가능한가?
• RQ4 이전에는 반복 횟수의 지수적 증가로 인해 해결이 불가능했던 문제 인스턴스도 이 방법이 처리할 수 있는가?

주요 결과

• Hyper 알고리즘은 합성 인스턴스에서 SAT 오라클 호출 횟수를 근본적으로 줄여 AbHS+ 대비 지수적 절감을 달성한다.
• 예를 들어 (11)에서 AbHS+는 정확히 $2^n$회의 타입 2 반복(일치성 검사)을 수행하지만, Hyper는 동일한 작업을 단 한 번의 반복으로 수행하여 지수적 향상을 입증한다.
• Hyper는 $n$이 10 이하인 모든 인스턴스를 수초 내로 해결하지만, AbHS와 AbHS+는 각각 $n > 4$와 $n > 8$일 때 1800초 제한 시간 내에 타임아웃된다.
• 예제 (12)에서는 표현 조건을 히팅 세트 솔버에 포함했을 때의 영향을 테스트하며, AbHS와 AbHS+는 반복 횟수가 지수적으로 증가하는 반면, Hyper는 효율적이고 빠른 성능을 유지한다.
• 실험 결과는 Hyper가 기존 문제 인스턴스에서 현재 최고 수준의 성능을 초월하며, 이전에는 해결이 불가능했던 많은 인스턴스를 해결할 수 있음을 확인한다.
• 성능 향상의 이유는 중복된 일치성 검사의 제거와 이론 및 표현 조건의 히팅 세트 계산 내 통합에 기인한다.