[论文解读] Diagnostic reasoning with A-Prolog

Marcello Balduccini, Michael Gelfond|ArXiv.org|Dec 18, 2003

Logic, Reasoning, and Knowledge参考文献 20被引用 5

一句话总结

本文提出了一种基于A-Prolog的架构，用于智能体在动态环境中对物理系统进行诊断推理，通过稳定模型语义建模症状、候选诊断和实际诊断。该方法将故障检测、测试和维修等诊断任务简化为逻辑程序答案集的计算，实现了在特定假设下的自动化、逻辑上可靠的诊断，并提供了正确性和完备性的形式化保证。

ABSTRACT

In this paper we suggest an architecture for a software agent which operates a physical device and is capable of making observations and of testing and repairing the device's components. We present simplified definitions of the notions of symptom, candidate diagnosis, and diagnosis which are based on the theory of action language ${\cal AL}$. The definitions allow one to give a simple account of the agent's behavior in which many of the agent's tasks are reduced to computing stable models of logic programs.

研究动机与目标

• 开发一种形式化、基于逻辑的架构，用于软件智能体在动态环境中监控、测试和修复物理设备。
• 使用动作语言AL和答案集编程（ASP）对诊断推理——症状、候选诊断和实际诊断——进行建模。
• 将故障识别和维修规划等诊断任务简化为逻辑程序稳定模型（答案集）的计算。
• 提供一个形式化框架，确保在完全知识和确定性动作假设下，诊断结果的正确性和完备性。
• 使智能体能够通过最小化且可解释的逻辑编码，推理预期行为与实际观测行为之间的差异。

提出的方法

• 智能体的知识库分为三部分：系统描述（动作语言AL）、观测和动作的历史记录，以及一组目标。
• 症状被定义为预期行为与观测行为之间的不一致，以知识库中的逻辑公式进行建模。
• 候选诊断通过编码系统行为、观测结果和约束条件的逻辑程序的稳定模型计算得出。
• 通过使用确保与观测数据和系统动态一致的约束，对候选诊断进行过滤以得出诊断结果。
• 诊断过程被形式化为一个循环：观测 → 解释差异 → 计算答案集 → 选择诊断 → 规划修复。
• 该方法利用分裂集定理和答案集语义，将复杂的诊断推理分解为可处理的逻辑推理任务。

实验结果

研究问题

• RQ1 如何使用逻辑编程和稳定模型语义，形式化建模智能体中的诊断推理？
• RQ2 答案集计算在从观测到的系统故障中识别有效诊断的过程中起什么作用？
• RQ3 如何定义症状、候选诊断和实际诊断，以支持自动化推理和验证？
• RQ4 在所提出的框架下，诊断结果的正确性和完备性可提供哪些保证？
• RQ5 如何通过基于逻辑的规划，将测试和修复动作整合到诊断循环中？

主要发现

• 所提出的方法将诊断推理任务简化为A-Prolog程序稳定模型的计算，实现了自动化且逻辑上可靠的诊断。
• 该框架确保所生成的每个诊断均与观测结果一致，并且在系统描述下逻辑上有效。
• 用于查找诊断的算法Find_Diag被证明会终止，并且在存在诊断时能正确识别出诊断结果。
• 只有当诊断集合中的所有组件均为故障时，诊断才有效，且解决方案必须与观测数据和系统动态一致。
• 该方法通过答案集计算，实现了系统建模、观测处理和诊断推理之间的清晰分离。
• 该框架在形式上是可靠的：若返回一个诊断，则可保证其为对观测症状的正确解释。