Neue Methode für metrisches Answer Set Programming: Skalierbare Zeitpräzision

arXiv – cs.AI Original ≈1 Min. Lesezeit
Anzeige

In einer kürzlich veröffentlichten Arbeit auf arXiv (2601.20735v1) stellen Wissenschaftler einen innovativen Ansatz vor, der das Metric Answer Set Programming (ASP) auf ein neues Level hebt. Durch die Integration quantitativer zeitlicher Einschränkungen wie Dauern und Fristen wird ASP deutlich leistungsfähiger.

Ein zentrales Problem bei der Anwendung von ASP mit feinkörnigen Zeitangaben ist die sogenannte Grounding‑Flut: je genauer die Zeitpunkte definiert werden, desto größer wird die Menge an Instanzen, die erzeugt werden muss. Dies führt zu erheblichen Skalierungsproblemen.

Die Autoren umgehen dieses Hindernis, indem sie ASP um sogenannte Difference Constraints erweitern – eine vereinfachte Form linearer Restriktionen. Diese erlauben es, zeitbezogene Aspekte extern zu behandeln und somit die Grundstruktur von ASP von der Zeitgranularität zu entkoppeln.

Das Ergebnis ist ein Ansatz, der unabhängig von der gewählten Zeitskala bleibt. Damit wird die Effizienz von ASP in zeitkritischen Anwendungen erheblich gesteigert, ohne dass die Genauigkeit der zeitlichen Angaben beeinträchtigt wird.

Ähnliche Artikel