[论文解读] On a Partial Decision Method for Dynamic Proofs

Diderik Batens|ArXiv.org|Jul 25, 2002

Logic, Reasoning, and Knowledge参考文献 14被引用 12

一句话总结

本文提出了一种用于自适应逻辑 ACLuN1 命题片段的目标导向证明程序，该程序在缺乏正向检验的情况下，作为最终可 derivability 的决策方法。该方法通过追踪可 defeasible 条件并标记不一致的行，系统地探索 derivability，提供了一个稳定的标准，以确定最终可 derivability，该标准在语义上是 sound 且 complete 的。

ABSTRACT

This paper concerns a goal directed proof procedure for the propositional fragment of the adaptive logic ACLuN1. At the propositional level, it forms an algorithm for final derivability. If extended to the predicative level, it provides a criterion for final derivability. This is essential in view of the absence of a positive test. The procedure may be generalized to all flat adaptive logics.

研究动机与目标

• 为解决非单调推理中后果关系缺乏正向检验的问题，特别是自适应逻辑中的问题。
• 开发一种系统化、算法化的命题层面方法，用于确定自适应逻辑中的最终可 derivability。
• 提供一个稳定、基于语义的最终可 derivability 准则，该准则独立于证明阶段或构造路径。
• 将该程序推广至所有平坦自适应逻辑，以实现在不一致性自适应系统推理中的系统化可 derivability 检查。
• 通过将目标导向证明转换为完整的动态证明，弥合动态证明理论与实际决策之间的鸿沟，以确保一致性和完备性。

提出的方法

• 该方法采用目标导向的证明格式，系统地从前提推导结论，同时追踪可 defeasible 条件（即假设为假的公式集合）。
• 它引入了一种标记机制，以识别在新见解出现后变得无效的行，确保仅保持一致的可 derivability 公式未被标记。
• 该程序使用带条件的标注行，结合推理规则（例如传递性、合取消去），并通过标记定义来确定哪些行属于“已失效”状态。
• 该过程分为三个阶段：第一阶段在特定条件下尝试推导目标公式；第二阶段检查这些条件的一致性；第三阶段在替代假设下验证可 derivability。
• 当无法进行进一步推导时，算法终止，最终可 derivability 由目标公式是否仍可在未标记行上 derivability 来确定。
• 该方法可通过替换与逻辑异常性条件相关的特定规则（例如 ACLuN1 中的 paraconsistent negation），推广至其他平坦自适应逻辑。

实验结果

研究问题

• RQ1 能否开发一种系统化、算法化的程序，用于确定在缺乏正向检验的自适应逻辑中，公式的最终可 derivability？
• RQ2 如何结构化目标导向证明，以确保其相对于语义后果关系的 soundness 和 completeness？
• RQ3 一个公式要成为最终可 derivability，必须满足什么条件？这些条件在动态证明系统中如何被算法化检查？
• RQ4 目标导向方法在多大程度上可推广至所有平坦自适应逻辑？需要进行哪些修改？
• RQ5 该程序如何避免无限循环，并在实际实现中提高效率？

主要发现

• 目标导向证明程序为 ACLuN1 的命题片段提供了最终可 derivability 的决策标准，确保一个公式是最终可 derivability 的充要条件是它是前提的语义后果。
• 该程序通过系统性地检查异常性条件及其子公式依赖关系，成功识别出有限前提集的最小 Dab-后果。
• 该方法在语义上是 sound 且强 complete 的，因为最终可 derivability 与语义后果精确一致。
• 该程序可通过重新排序和替换行，转换为完整的动态证明，从而在确认可 derivability 后支持进一步推理。
• 一个实现该程序的计算机程序已在线提供，其生成的证明与论文中描述的形式结构完全匹配。
• 通过替换与逻辑特定规则（尤其是异常性与 paraconsistent negation 的规则）相关的规则，该方法可扩展至其他平坦自适应逻辑。