[논문 리뷰] Smodels: A System for Answer Set Programming

Ilkka Niemelä, Patrik Simons외 1명|ArXiv.org|2000. 03. 08.

Logic, Reasoning, and Knowledge참고 문헌 14인용 수 95

한 줄 요약

Smodels는 도메인 제한된, 함수 없는 정규 논리 프로그램의 안정 모델 의미론을 구현하는 답변 집합 프로그래밍을 위한 시스템이다. 이는 내장 함수, 카디널리티 및 웨이트 제약 조건으로 확장된 것으로, 강력한 성능을 보이며 계획 수립, 모델 체킹, 제약 만족 문제와 같은 실제 문제에 적용된다. 이 시스템은 lparse를 통한 지도화 및 번역 단계와 smodels를 통한 효율적인 안정 모델 계산을 위한 데일러스-푸타넘 스타일의 백트래킹 검색을 포함하는 이단계 파ip라인 아키텍처를 사용한다.

ABSTRACT

The Smodels system implements the stable model semantics for normal logic programs. It handles a subclass of programs which contain no function symbols and are domain-restricted but supports extensions including built-in functions as well as cardinality and weight constraints. On top of this core engine more involved systems can be built. As an example, we have implemented total and partial stable model computation for disjunctive logic programs. An interesting application method is based on answer set programming, i.e., encoding an application problem as a set of rules so that its solutions are captured by the stable models of the rules. Smodels has been applied to a number of areas including planning, model checking, reachability analysis, product configuration, dynamic constraint satisfaction, and feature interaction.

연구 동기 및 목표

• 안정 모델 의미론을 기반으로 실용적이고 효율적이며 확장 가능한 답변 집합 프로그래밍 시스템을 제공하는 것.
• 표현력 있는 문제 인코딩을 위해 내장 함수, 카디널리티 및 웨이트 제약 조건을 지원하는 도메인 제한된 논리 프로그램을 지원하는 것.
• 수십만 개의 지도된 규칙을 포함하는 실제 응용 분야에서 안정 모델의 확장 가능한 계산을 가능하게 하는 것.
• 구현에 종속되지 않는 선언적 기반을 제공하여 유연한 최적화 및 대규모 시스템에의 통합을 지원하는 것.

제안 방법

• lparse라는 프론트엔드 도구를 사용하여 변수를 포함한 도메인 제한된 논리 프로그램을 지도된 프로그램으로 변환하며, 도메인 술어의 평가를 통해 변수의 범위를 결정한다.
• 지역화된 규칙을 모델 생성에 적합한 기본 규칙으로 번역하며, 안정 모델 의미론을 유지한다.
• smodels에서 데일러스-푸타넘 스타일의 백트래킹 검색 절차를 사용하여 안정 모델을 계산하며, 추론과 진리값 전파를 활용한다.
• 모델에서 만족된 리터럴의 수나 합계에 대한 범위를 강제하는 문법을 통해 카디널리티 및 웨이트 제약 조건을 지원한다.
• 정수 산술 등의 내장 함수를 통합하여 복잡한 제약 조건을 효율적으로 표현한다.
• 확장 가능한 API와 사용자 정의 내장 함수의 동적 로딩을 통해 C/C++ 응용 프로그램에의 통합을 지원한다.

실험 결과

연구 질문

• RQ1 도메인 제한된 논리 프로그램에 대한 안정 모델 의미론은 어떻게 효율적으로 구현할 수 있는가?
• RQ2 답변 집합 프로그래밍 기반의 시스템은 계획 수립 및 모델 체킹과 같은 실제 응용 분야에서 전용 도구를 능가할 수 있는가?
• RQ3 내장 함수와 카디널리티/웨이트 제약 조건은 논리 프로그래밍의 표현력과 효율성을 얼마나 향상시킬 수 있는가?
• RQ4 수십만 개의 지도된 규칙을 포함하는 프로그램에 적용했을 때 이 접근 방식의 확장성은 어느 정도인가?
• RQ5 이 시스템을 대규모 소프트웨어 시스템에 신뢰성 있고 사용 가능한 방식으로 통합하는 데 어떤 메커니즘이 필요한가?

주요 결과

• Smodels는 비틀림이 있는 수십만 개의 지도된 규칙을 포함한 논리 프로그램에 대해 안정 모델을 성공적으로 계산하며, 프로토타입 단계를 넘어선 확장성을 입증한다.
• 검증 응용 분야에서 CPLEX와 같은 상용 정수 프로그래밍 도구보다 뛰어난 성능을 보이며, 복잡한 도메인에서도 경쟁 가능한 성능을 입증한다.
• lparse를 통한 지도화와 smodels를 통한 모델 검색을 통해 제약 조건과 내장 함수를 효율적으로 처리하면서도 정확성을 유지한다.
• 이 시스템은 분할 논리 프로그램에 대한 총합 및 부분 안정 모델 계산과 같은 고급 기능을 지원하여 적용 범위를 넓힌다.
• lparse에서 일반적인 오류(예: 변수와 상수의 오용)에 대한 경고 메시지를 제공하여 사용자 인코딩 오류를 줄이고 사용성을 향상시킨다.
• 이 아키텍처는 API를 통한 임bedding을 가능하게 하여 C/C++ 응용 프로그램에의 통합을 지원하며, 사용자 정의 내장 함수를 동적으로 확장할 수 있다.