[论文解读] DLV - A System for Declarative Problem Solving
DLV 是一个实现不相容逻辑、强否定和默认否定、完整性约束、算术内建函数以及多种前端接口的声明式问题求解系统。它高效处理复杂的知识表示任务，包括诊断、规划和演绎数据库，性能可扩展至大规模问题（例如 100 万个字面量），并在优化后对困难基准测试的执行时间低于 1 秒。
DLV is an efficient logic programming and non-monotonic reasoning (LPNMR) system with advanced knowledge representation mechanisms and interfaces to classic relational database systems. Its core language is disjunctive datalog (function-free disjunctive logic programming) under the Answer Set Semantics with integrity constraints, both default and strong (or explicit) negation, and queries. Integer arithmetics and various built-in predicates are also supported. In addition DLV has several frontends, namely brave and cautious reasoning, abductive diagnosis, consistency-based diagnosis, a subset of SQL3, planning with action languages, and logic programming with inheritance.
研究动机与目标
- 实现一个实用且高效的系统，用于在答案集语义下进行非单调推理和逻辑编程。
- 支持高级知识表示特性，如不相容规则、强否定和默认否定、完整性约束以及算术内建函数。
- 为应用特定的推理任务（如诊断、规划和 SQL3 集成）提供用户友好的前端接口。
- 实现在大规模知识库上的可扩展推理，证明其在真实世界应用中的可行性。
- 作为集成基于逻辑的推理至人工智能和数据库系统的基础引擎。
提出的方法
- 系统基于不含函数项的不相容 Datalog 核心语言构建，支持正文字和负文字、默认否定（通过 'not' 表示）以及强否定。
- 通过 Gelfond-Lifschitz 约化实现答案集语义：若集合 X 是其约化 P^X 的极小模型，则 X 为一个答案集，其中 P^X 通过移除其负体与 X 有交集的规则形成。
- 通过规则的基底实例化计算答案集，确保在该语义下的完备性和正确性。
- 前端扩展了核心系统，支持特定推理模式：勇敢/谨慎推理、归纳与一致性诊断、SQL3 子集、动作语言规划以及基于继承的逻辑编程。
- 系统使用标准 GNU 工具（GCC、flex、bison）以实现跨类 Unix 平台的可移植性，并支持多种二进制分发版本。
- 通过优化算法和启发式方法提升性能，使得在困难基准测试上的执行时间随时间显著改善。
实验结果
研究问题
- RQ1能否构建一个实用系统，支持带否定和约束的完整不相容逻辑程序的答案集语义？
- RQ2该系统在处理诊断和规划等复杂真实世界推理问题时，效率如何？
- RQ3该系统在拥有数百万条规则和字面量的大规模知识库上，可扩展性如何？
- RQ4该系统能否有效用作演绎数据库和人工智能应用的后端引擎？
- RQ5通过算法和启发式优化，可实现多大的性能提升？
主要发现
- DLV 成功实现了带强否定和默认否定、完整性约束以及算术内建函数的完整不相容 Datalog 的答案集语义。
- 系统可处理最多包含 100 万个字面量和 100 万个规则的问题，展示了在大规模知识库上的可扩展性。
- 在 3COL 和 STRATCOMP 等困难基准测试中，执行时间从超过 1000 秒缩短至 1 秒以内，表明性能有显著提升。
- HPATH 和 PRIME 问题分别在 1999 年底以 0.3 秒和 0.8 秒内求解，表明其在 NP 和 Σ₂ᴾ 困难问题上的高效性。
- DLV 在同类基准测试中优于其他系统，并已在 CERN 接受评估，用于大规模演绎数据库工作负载。
- 系统采用模块化设计并支持多种前端接口，使用户无需深入掌握逻辑编程语法即可解决特定领域问题。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。