[논문 리뷰] Abstract Answer Set Solvers with Learning

Yuliya Lierler|arXiv (Cornell University)|2010. 01. 06.

Logic, Reasoning, and Knowledge참고 문헌 20인용 수 4

한 줄 요약

이 논문은 그래프 기반 전이 시스템을 사용하여 백점프, 학습, 기록 지우기, 재시작 기능을 통합한 고급 답변 집합 솔버를 모델링하기 위한 추상적 프레임워크를 제안한다. Nieuwenhuis 등(2006)의 추상 DPLL 프레임워크를 ASP에 확장함으로써, 저자들은 smodelscc, cmodels 및 자체 솔버인 sup의 알고리즘을 형식적으로 공식화하여 엄밀한 정당성 증명과 체계적 비교를 가능하게 한다. 이 프레임워크를 통해 sup와 같은 효율적이고 형식적으로 검증된 솔버의 개발이 가능해졌으며, 이는 벤치마크 문제에서 경쟁 솔버들을 능가하는 성능을 보였다.

ABSTRACT

Nieuwenhuis, Oliveras, and Tinelli (2006) showed how to describe enhancements of the Davis-Putnam-Logemann-Loveland algorithm using transition systems, instead of pseudocode. We design a similar framework for several algorithms that generate answer sets for logic programs: Smodels, Smodels-cc, Asp-Sat with Learning (Cmodels), and a newly designed and implemented algorithm Sup. This approach to describing answer set solvers makes it easier to prove their correctness, to compare them, and to design new systems.

연구 동기 및 목표

• 백점프, 학습, 기록 지우기, 재시작을 지원하는 복잡한 답변 집합 솔버를 기술하기 위한 통합된 추상적 프레임워크를 개발하는 것.
• 솔버 알고리즘을 기술하기 위한 의사코드의 수학적으로 엄밀한 대안을 제공하여 정당성 증명과 비교 가능성 향상.
• 해결 기반 추론을 사용하여 ASP 솔버의 충돌 기반 백점프 및 절취 학습 메커니즘을 형식화하는 것.
• 프레임워크의 유용성을 입증하기 위해 sup 솔버를 특정화하고 형식적으로 검증하며, cmodels 및 smodelscc와 같은 기존 시스템과 비교하는 것.
• 추상 전이 그래프에서의 경로 선택을 통해 솔버 행동의 체계적 분석을 가능하게 하는 것.

제안 방법

• Nieuwenhuis 등(2006)의 추상 DPLL 프레임워크를 확장하여, 계산 상태와 전이로 이루어진 방향 그래프로서 ASP 솔버를 모델링하는 것.
• 절취 전략을 고정하지 않고도 백점프와 학습을 전이로 포괄하는 일반적인 추상 프레임워크를 도입하는 것.
• 모델 생성 및 테스트를 위한 추론 규칙을 정의하며, 충돌 기반 학습과 백점프를 지원하기 위한 향상된 규칙을 포함하는 것.
• 해결을 기반으로 한 두 가지 알고리즘—Decision 및 FirstUIP 백점프 절취를 계산하기 위한 BackjumpClause 및 BackjumpClauseFirstUIP—을 제안하는 것.
• 프레임워크를 사용하여 smodelscc 및 sup 솔버를 형식적으로 기술하고 검증하며, 간선 우선순위 할당을 통해 차이점을 부각하는 것.
• 생성-테스트 그래프에 학습 및 백점프 기능을 추가하여 SAT 기반의 cmodels 시스템을 모델링하는 것.

실험 결과

연구 질문

• RQ1 어떻게 그래프 기반 전이 시스템을 사용하여 답변 집합 솔버의 고급 기능인 백점프와 학습을 형식적으로 추상화할 수 있는가?
• RQ2 추상 프레임워크는 ASP 솔버의 정당성 증명과 체계적 비교를 어떻게 가능하게 하는가?
• RQ3 해결 기반 방법을 사용하여 충돌 기반 백점프 절취(예: Decision 및 FirstUIP)를 어떻게 계산할 수 있는가?
• RQ4 이 프레임워크는 sup 솔버의 설계 및 검증을 어떻게 지원하는가?
• RQ5 솔버 전략의 차이(예: smodelscc 대비 sup)는 추상 그래프 모델에서 어떻게 나타나는가?

주요 결과

• 추상 프레임워크는 smodelscc, cmodels, sup와 같은 복잡한 ASP 솔버를 성공적으로 모델링하여 형식적 정당성 분석과 비교를 가능하게 하였다.
• 프레임워크는 sup 솔버의 설계 및 구현을 촉진하였으며, 이는 벤치마크 문제에서 뛰어난 성능을 보였다.
• Sup는 tight 및 nontight 문제 모두에서 cmodels, smodels, smodelscc, clasp를 능가하는 성능을 보였으며, 대부분의 인스턴스에서 경쟁적인 런타임을 기록하였다.
• 프레임워크를 통해 해결 기반 추론을 바탕으로 한 백점프 절취 계산 알고리즘, 즉 BackjumpClause 및 BackjumpClauseFirstUIP의 형식적 유도가 가능해졌다.
• 그래프 기반 모델은 간선 우선순위 할당의 차이를 통해 솔버 전략의 차이를 명확히 포착하여 알고리즘 비교를 단순화하였다.
• 프레임워크는 sup의 정당성 검증 및 학습, 백점프, 재시작 메커니즘 간의 상호작용 이해에 있어 핵심적인 역할을 하였다.