最先进的答案集求解者忽略了在解决一个问题实例时所学知识的归纳和再利用。我们建议采用一种新的方法，将学到的非商品进行归纳，以供重复使用，从而加速解决未来的问题实例。我们的解决方案将著名的ASP求解技术与基于演绎逻辑的机器学习相结合。通过将学习到的非地面约束添加到原始程序中，可以提高求解性能。我们通过实际例子展示了我们方法的效果，表明我们的方法需要低计算成本来学习约束，这些约束在我们的测试用例中产生了显著的性能优势。这些好处可以从接地和解决系统以及惰性接地系统中看到。然而，在某些情况下，由于额外的约束条件，地面与地面解决系统会产生额外的接地开销。通过冲突最小化，可以减少非最小学习约束。如我们的实验所示，这可以显著减少接地和解决问题的工作量。