鲍姆加特纳;富克斯，亚历山大;塞萨尔·蒂内利 模型演化演算中的引理学习。 （英语） Zbl 1165.03308号 Hermann，Miki（编辑）等人，《编程逻辑、人工智能和推理》。2006年11月13日至17日在柬埔寨金边举行的第13届LPAR国际会议。诉讼程序。柏林：施普林格出版社（ISBN 978-3-540-48281-9/pbk）。计算机科学课堂讲稿4246。人工智能课堂讲稿，572-586（2006）。 概要：模型进化（mathcal{ME}）演算是对DPLL过程的一阶逻辑的适当提升，是命题可满足性的回溯搜索过程。与DPLL一样，（mathcal{ME}）演算基于通过交替约束传播步骤和非确定性决策步骤来增量构建输入公式模型的思想。与基本DPLL相比，在概念上的一个主要改进是引理学习，这是一种生成新公式的机制，可以防止以后搜索组合的决策步骤导致失败。我们为（mathcal{ME}）证明过程介绍了两种引理生成方法，具有不同程度的能力、减少搜索的有效性和计算开销。即使形式上是正确的，这些方法中的每一种都会带来复杂性，这些复杂性在命题层面上并不存在，但需要加以解决，以便学习在实践中对（mathcal{ME}）有效。我们讨论了其中的一些问题，并给出了在我们的\（\mathcal｛ME｝\）证明器Darwin中实现这两个学习过程的性能的初步实验结果。关于整个系列，请参见[Zbl 1135.68002号]. 引用于16文件 MSC公司： 03B35型 证明和逻辑操作的机械化 68吨15 定理证明（演绎、解析等）（MSC2010） 软件：达尔文;E-Darvin公司;梅斯4 PDF格式BibTeX公司 XML格式引用 \textit{P.Baumgartner}等人，Lect。注释计算。科学。4246572--586（2006年；Zbl 1165.03308） 全文： DOI程序