[论文解读] Origins of Answer-Set Programming - Some Background And Two Personal Accounts

Victor W. Marek, Ilkka Niemelä+1 more|arXiv (Cornell University)|Aug 16, 2011

Logic, Reasoning, and Knowledge参考文献 98被引用 4

一句话总结

本文追溯了答案集编程（ASP）的历史发展，这是一种用于解决复杂搜索问题的声明式编程范式。它详细阐述了非单调推理、稳定模型语义和约束满足原理如何被整合为ASP，其中Marek与Truszczyński（1999）以及Niemelä（1999）作出了关键贡献，由此催生了lparse和smodels等高效工具，使ASP在产品配置和分子生物学等领域的实际应用成为可能。

ABSTRACT

We discuss the evolution of aspects of nonmonotonic reasoning towards the computational paradigm of answer-set programming (ASP). We give a general overview of the roots of ASP and follow up with the personal perspective on research developments that helped verbalize the main principles of ASP and differentiated it from the classical logic programming.

研究动机与目标

• 追溯答案集编程（ASP）在非单调推理与逻辑编程基础上的智力与技术渊源。
• 解释稳定模型语义与答案集语义如何演变为一种连贯的声明式问题求解计算范式。
• 记录关键软件组件——lparse与smodels——的开发过程，这些组件使ASP中的高效知识库生成与模型搜索成为可能。
• 说明ASP的声明式特性与高性能求解器相结合，如何使其适用于知识表示与约束满足的实际应用。
• 强调社区驱动的举措（如ASP求解器竞赛）在加速工具开发与采纳方面所起的作用。

提出的方法

• 本文采用历史叙事与关键研究人员的个人叙述相结合的方法，重建ASP从基础逻辑编程与非单调推理中逐步演进的过程。
• 详细描述了Gelfond与Lifschitz（1988）提出的稳定模型语义作为ASP的语义基础，从而实现非单调推理与默认推理。
• 阐述lparse作为支持扩展语法（如选择规则、基数约束）的逻辑程序知识库生成器的开发，是实现高效知识库生成的关键步骤。
• 介绍smodels求解器的设计与优化，其整合了全序语义与强传播技术，是ASP性能的核心所在。
• 解释程序完成与循环公式如何使SAT求解器能够集成到ASP中，从而高效求解紧致与一般性程序。
• 强调数据库查询优化与SAT求解技术（如被监视文字与冲突驱动的子句学习）对现代ASP求解器（如clasp）设计的影响。

实验结果

研究问题

• RQ1 非单调推理与稳定模型语义如何促成ASP作为独立编程范式的出现？
• RQ2 哪些关键技术革新使ASP系统能够实现高效的知识库生成与模型生成？
• RQ3 SAT求解技术的集成如何提升ASP工具的可扩展性与性能？
• RQ4 社区举措（如求解器竞赛）在推动ASP工具开发中发挥了何种作用？
• RQ5 将逻辑编程扩展为支持选择规则与基数约束等构造，如何提升了建模的表达能力与实用性？

主要发现

• 1999年Marek与Truszczyński以及Niemelä对答案集编程的正式化，标志着一种全新的、完全声明式的搜索问题求解范式的诞生。
• 1990年代末lparse与smodels的开发，首次提供了高效且可扩展的ASP知识库生成与求解堆栈，使实际应用成为可能。
• smodels在命题可满足性方面的性能与当时领先的SAT求解器相当，证明了ASP的计算可行性。
• SAT求解技术（尤其是程序完成与循环公式）的集成，使高效SAT求解器可用于ASP，显著提升了可扩展性。
• clasp求解器中采用的被监视文字、重启机制与冲突子句学习技术，使其在2009年SAT竞赛中赢得一个赛道，成为ASP工具的领先者。
• 在产品配置与分子生物学等领域的应用成功，验证了ASP的实际效用，并进一步推动了工具开发与社区参与。