要約
検索最適化の問題は、科学および工学の分野で数多くあります。
人工知能は、検索最適化問題の解決とモデル化を目的とした検索アルゴリズムと宣言型プログラミング言語の開発に長い間貢献してきました。
自動推論と知識表現は、これらの開発に特に関係する AI のサブフィールドです。
多くの一般的な自動推論パラダイムは、最適化ステートメントをサポートする言語をユーザーに提供します。たとえば、MaxSAT や回答セット プログラミングなどです。
これらのパラダイムは、言語によって、また計算されたソリューションの品質条件を表現する方法によって大きく異なります。
ここでは、パラダイム間の構文上の違いを排除し、パラダイムによって提供される最適化ステートメント間の本質的な類似点と相違点を確認できる、いわゆる重みシステムの統一フレームワークを提案します。
この統一された見通しは、自動化された推論と知識表現における最適化とモジュール性の研究において、明確な形式主義を橋渡しし、並進ソルバーを開発するための技術的手段を提供することで、大幅な簡素化と説明の可能性を秘めています。
要約(オリジナル)
Search-optimization problems are plentiful in scientific and engineering domains. Artificial intelligence has long contributed to the development of search algorithms and declarative programming languages geared towards solving and modeling search-optimization problems. Automated reasoning and knowledge representation are the subfields of AI that are particularly vested in these developments. Many popular automated reasoning paradigms provide users with languages supporting optimization statements: MaxSAT or answer set programming, to name a few. These paradigms vary significantly in their languages and in the ways they express quality conditions on computed solutions. Here we propose a unifying framework of so-called weight systems that eliminates syntactic distinctions between paradigms and allows us to see essential similarities and differences between optimization statements provided by paradigms. This unifying outlook has a significant simplifying and explanatory potential in the studies of optimization and modularity in automated reasoning and knowledge representation providing technical means for bridging distinct formalisms and developing translational solvers.
arxiv情報
| 著者 | Yuliya Lierler |
| 発行日 | 2023-03-01 16:03:12+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google