核心概念
LTLf 式の最小の不満足コアを効率的に列挙する新しい手法を提案する。この手法は、Answer Set Programming (ASP) の最小の不満足部分集合 (MUS) の列挙を利用することで実現される。
摘要
本論文は、線形時間論理の有限トレース (LTLf) 式の最小の不満足コア (MUC) を効率的に列挙する新しい手法を提案している。
主な内容は以下の通り:
-
LTLf 式を ASP プログラムにエンコーディングする手法を提案する。この ASP プログラムの最小の不満足部分集合 (MUS) は、元の LTLf 式の MUC に一対一で対応する。
-
MUS の列挙アルゴリズムを利用して、LTLf 式の MUC を列挙するアルゴリズムを提案する。これにより、LTLf 式の MUC を効率的に列挙できる。
-
提案手法の性能を評価するため、既存の手法と比較実験を行う。実験結果から、提案手法は既存手法と比べて競争力があり、MUC の列挙も効率的に行えることが示された。
本手法は、LTLf 式の不整合性を分析し、その原因を特定する上で有用である。特に、複数の MUC を列挙できることで、不整合の根本原因をより深く理解できるようになる。
統計資料
LTLf 式の最小の不満足コア (MUC) を列挙する際、提案手法は既存手法と比べて競争力がある。
提案手法は、MUC の列挙を効率的に行うことができる。
引述
"LTLf は AI、プロセスマイニング、モデルチェックなどの分野で広く使用されている形式主義である。LTLf の主要な推論タスクは満足可能性チェックであるが、説明可能 AI への最近の注目により、不整合式の分析にも関心が高まっている。"
"本論文では、LTLf 式の最小の不満足コア (MUC) を列挙する新しい手法を提案する。主なアイデアは、LTLf 式を Answer Set Programming (ASP) 仕様にエンコーディングし、ASP プログラムの最小の不満足部分集合 (MUS) が元の LTLf 式の MUC に直接対応するようにすることである。"