NAVAS
NAVAS
Forschungsgruppe
Personen
- Kontaktperson Sarah Alice Gaggl
- Autoren Sarah Alice Gaggl
- 1. Oktober 2020 – 30. September 2024
- finanziert durch BMBF; 1.268.842,48 €
Durch die kontinuierliche Weiterentwicklung in den letzten Jahren können heute eine Vielzahl anspruchsvoller kombinatorischer Suchprobleme von enormer praktischer Relevanz effizient durch Answer Set Programming (ASP) gelöst werden. Dabei kann es je nach Umfang des zu lösenden Problems sehr rasch zu einer “kombinatorischen Explosion” der Menge von Lösungen kommen. Während moderne ASP Solver problemlos mehrere Millionen von Lösungen in kurzer Zeit berechnen können, stellt dies den Anwender vor ein neues Problem: Wie soll der enorme Lösungsraum gehandhabt und zugänglich gemacht werden? Typischer Weise werden die Answer Sets in beliebiger Reihenfolge ausgegeben. Jedoch sind viele dieser Lösungen sehr ähnlich. In der Praxis sind hingegen oft nur Lösungen von Interesse, die sich hinreichend voneinander unterscheiden, die besondere Eigenschaften aufweisen, oder die einer gegebenen Menge von Lösungen ähnlich sind. Derlei Features werden allerdings bis jetzt noch nicht von ASP Solvern unterstützt. Um eine interaktive und transparente Navigation in ASP-Lösungsräumen zu ermöglichen wird sich das Projekt NAVAS mit den folgenden Themen befassen:
- Entwicklung von Methoden zur interaktiven und transparenten Navigation im Lösungsraum der Answer Sets;
- Implementierung der Methoden mit effizienten Algorithmen;
- Evaluation des Prototyps anhand von Anwendungsfällen aus den Bereichen Konfiguration und Argumentation.
Wir sind zuversichtlich, dass ASP-Technologie durch die in NAVAS erzielten Erkenntnisse, Entwicklungen und Implementierungen auch für eine breitere Masse zugänglicher wird. Hierbei sehen wir ein besonderes unmittelbares Potential im Bereich industrieller Anwendungen, etwa zur Produktkonfiguration.
Artikel in Fachzeitschriften
On the Decomposition of ADFs and the Complexity of Naive-based Semantics
Journal of Artificial Intelligence Research, 70:1-64, January 2021
Details Download
