Abstract-Band - Fakultät für Informatik, TU Wien - Technische ...

Tri Kurniawan Wijaya
Top Down Evaluation Techniques for Modular Nonmonotonic Logic Programs
Studium: Masterstudium DDP Computational Logic (Erasmus-Mundus)
Betreuer: O.Univ.Prof. Dr. Thomas Eiter
Answer Set Programming (ASP) ist ein sehr nützliches Werkzeug für die
Wissensrepräsentation und zum Lösen von deklarativen Problemstellungen.
In letzter Zeit werden Modularitätsaspekte in ASP zunehmend interessant, bei
dem es darum geht, (Sub-)Programme zu einem (kombinierten)
Logikprogramm zusammenzusetzen. Modularität erlaubt nicht nur das
gegebene Problem in seine Teilproblem zu zerlegen, sondern erleichtert auch
die Wiederverwendbarkeit von logischen Programmen und bietet bessere
Unterstützung für große Softwareprojekte. Zu den gegenwärtigen Ansätzen
in diesem Bereich zählen Modular Nonmonotonic Logic Programs (MLP),
welche einige Stärken aufweisen: Sie erlauben wechselseitige rekursive
Aufrufe und nutzen Prädikatensymbole als Modul-Input, wodurch
dynamischere Kodierungen der Probleme entstehen. MLPs sind sehr
ausdrucksstark und haben eine hohe computationale Komplexität, deswegen
ist es sehr anspruchsvoll, eine praktikable Implementierung für diesen
Formalismus zu erstellen. In dieser Arbeit entwickeln wir TD-MLP, einen
konkreten Algorithmus zur Berechnung von Modellen für MLPs. TD-MLP
basiert auf Top-down-Auswertungstechniken, die nur relevante Modulaufrufe
berücksichtigen. Wir integrieren eine Optimierungstechnik, die Modulinstanzen
separiert und damit redundante Berechnungen vermieden werden. Wir
haben diese Optimierungstechnik implementiert und Experimente auf
Benchmark Instanzen zeigen vielversprechende Resultate. Darüber hinaus
evaluieren wir auch unterschiedliche Kodierungen für Probleme, um
modularen und mit einfachen logischen Programmen zu vergleichen.
Experimente zeigen, dass in einigen Fällen die modulare Kodierung die
gewöhnlichen Programme übertreffen können.
Arbeitsbereich Database and Artificial Intelligence
62
Martin Kronegger
Efficent Planning with QBF-Solvers
Studium: Masterstudium Computational Intelligence
Betreuer: Univ.Prof. Dr. Reinhard Pichler
Für alltägliche Probleme haben wir gute Lösungsmethoden entwickelt. Wird
das Problem komplexer, so erkennen wir, wie schwer dessen Planung ist.
Automatisches Planen mithilfe von Computerunterstützung soll genau da
ansetzen, wo durchschnittliche Personen keine guten Lösungen mehr finden.
Planen ist eine der klassischen Gebiete der Künstlichen Intelligenz.
Prominente Anwendungsgebiete reichen vom Remote Agent in der Deep