{
  "id": "logic-programming",
  "title": "逻辑编程",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "逻辑编程通过逻辑关系和规则表达计算，并利用推理求得查询的答案。",
  "category": "computer-science",
  "subcategory": "software",
  "type": "concept",
  "aliases": [
    "逻辑程序设计"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/logic-programming/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/logic-programming/",
      "json": "https://aiwiki.page/en/logic-programming.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "逻辑编程是一种编程范式：程序通过逻辑语句描述关系，而计算则是推导这些语句的逻辑后果，或寻找满足查询条件的值。程序并不规定一系列状态变化，而是陈述事实和规则，由执行系统据此构造答案。其中最广为人知的语言是 Prolog，但这一领域还包括演绎数据库语言、约束逻辑编程和答案集编程。\n\n这一范式将逻辑学与可执行的知识表示相结合，对人工智能、数据库查询、自动推理、语言处理和程序分析等领域都产生了影响。它的核心吸引力在于，简洁的关系式规约可以支持多种使用方式：同一个关系既可以检验给定的解，也可以构造解，还可以枚举其他可能的解。这种灵活性取决于语言的推理规则、搜索策略，以及对否定和算术等特性的处理方式。\n\n因此，逻辑编程既是对计算的一种数学描述，也是一系列实用的实现技术。要理解逻辑编程，就必须区分程序的含义与特定系统搜索答案的方式。对于二者之间的关系，这一领域的不同分支采取了不同的处理方式，尤其是在程序涉及递归、不完整信息、约束或多个可能的模型时。"
    },
    {
      "heading": "历史起源与发展",
      "text": "逻辑编程起源于20世纪60年代至70年代初的自动定理证明研究。一个决定性的前提是 J. 艾伦·鲁滨逊于1965年提出的归结原理，它为子句形式的公式提供了一种通用推理方法。归结与系统性的变量代换相结合，使演绎推理的相当一部分得以机械化。迈向编程的关键概念转变在于：不再仅仅把逻辑描述视为有待证明其性质的对象，而是将其视为本身就能指导计算的东西。\n\n罗伯特·科瓦尔斯基和阿兰·科尔梅罗埃在这一转变中发挥了核心作用。科瓦尔斯基为受限形式的逻辑子句提出了过程性解释，而科尔梅罗埃在马赛的团队于20世纪70年代初开发了 Prolog，菲利普·鲁塞尔也是主要贡献者之一。早期工作与自然语言处理密切相关：语法关系和符号结构可以自然地表示为逻辑谓词。对规则作过程性解读——通过求解前提来确立结论——使演绎逻辑的一个片段成为可用的编程表示法。\n\n科瓦尔斯基1974年的论文《作为编程语言的谓词逻辑》阐明了这种联系，而他在1979年提出的“算法 = 逻辑 + 控制”则强调了一个影响深远的区分。逻辑部分规定了刻画问题的各种关系；控制部分决定尝试哪些推导，以及按什么顺序尝试。在实际系统中，这种分离并非绝对，但它说明了为何逻辑上等价的程序在执行时可能表现得截然不同。调换两个条件的顺序，可以在保持规则含义不变的同时，改变程序的终止性或内存使用情况。\n\nProlog 的实现技术在20世纪70年代和80年代迅速发展。戴维·H. D. 沃伦先是开展编译方面的研究，随后于1983年描述了沃伦抽象机，由此确立了一种影响深远的执行架构。日本的第五代计算机系统项目于1982年启动、1992年结束，使逻辑编程受到国际关注，并推动了并行推理和并发逻辑语言的研究。这些努力并未使逻辑编程成为占主导地位的通用编程范式，但在体系结构、语言和符号计算方面催生了大量研究成果。\n\n此后，这一领域逐渐走向多元化，而非沿着单一语言的脉络发展。演绎数据库侧重于有限的关系型数据和高效的不动点求值。约束逻辑编程集成了专门的数学求解器。回答集编程采用面向模型的方式处理缺省推理和备选解。与此同时，Prolog 系统逐步加入了模块、外部语言接口、表格化求值，以及构建大型软件所需的其他功能。这些发展在改变底层执行模型的同时，保留了依据逻辑描述进行计算的思想。"
    },
    {
      "heading": "逻辑基础与程序含义",
      "text": "逻辑编程的经典基础是一阶逻辑的一种受限形式。项表示对象，可以是变量、常量，也可以是 person(alice) 和 successor(N) 这样的复合表达式。原子公式将谓词应用于项，例如 parent(alice, bob)。谓词描述的是关系，不一定是根据一组固定输入计算出单一输出。子句将原子公式组合成推理系统可以使用的陈述。\n\n一种尤为重要的形式是确定型 Horn 子句，其中恰好有一个正文字。它通常写作\n\n\\[H \\leftarrow B_1,\\ldots,B_n.\\]\n\n其逻辑含义是：只要所有 \\(B_i\\) 都成立，\\(H\\) 就成立。变量隐含地受作用域覆盖整个子句的全称量词约束。事实是没有子句体的特殊情形。确定程序是一组这样的子句，而查询则询问某个目标合取是否可由该程序推出。以下程序使用 Prolog 记法定义了祖先关系：\n\nparent(alice, bob).\nparent(bob, carol).\n\nancestor(X, Y) :- parent(X, Y).\nancestor(X, Y) :- parent(X, Z), ancestor(Z, Y).\n\n查询 ancestor(alice, Who) 的答案有 Who = bob 和 Who = carol。第二条规则通过关系本身表达了递归：一个人是另一个人的祖先，当且仅当其为后者的父母，或其子女中有人是后者的祖先。程序中没有显式循环，也没有向 Who 依次赋值的指令。\n\n精确的模型论解释使用 Herbrand 宇宙，即由程序中的常量和函数符号所能构造出的所有基项；必要时会补入一个常量。Herbrand 基包含该宇宙上的所有基原子公式。一个解释指定其中哪些原子公式为真。按照集合包含关系排序，每个确定程序都有一个最小 Herbrand 模型，其中恰好包含该程序的所有基原子逻辑后承。“最小”这一点很重要，因为这些子句通常也允许模型包含额外的、没有依据的真命题。\n\n同一含义也可以通过直接后承算子 \\(T_P\\) 从操作角度刻画。给定解释 \\(I\\)，\\(T_P(I)\\) 包含所有满足以下条件的规则基实例的头部：其体部的原子公式全部属于 \\(I\\)。从没有任何事实的状态开始，反复应用该算子，便得到\n\n\\[M_P=\\bigcup_{n\\geq 0}T_P^n(\\varnothing).\\]\n\n对于确定程序，这个最小不动点与最小 Herbrand 模型一致。这种等价性将逻辑真、规则的迭代应用以及查询求解联系起来。但这并不意味着每一种实际求值策略都会终止，也不意味着每一种语言特性都能保留这种简单的语义。"
    },
    {
      "heading": "合一、归结与答案搜索",
      "text": "合一是将逻辑变量与计算联系起来的核心操作。它寻找一个使两个符号表达式相同的替换。例如，将 parent(X, bob) 与 parent(alice, Y) 合一，会得到替换 \\(X=\\texttt{alice}\\)、\\(Y=\\texttt{bob}\\)。与命令式语言中的赋值不同，这一操作是对称的：任一表达式中都可以包含未知量。成功的合一可以同时绑定多个变量，也可以施加影响后续目标的相等约束。\n\n当使用有限的一阶项时，可解的合一问题具有最一般合一子。其他合一子都可以通过对它进一步实例化而得到。一项必要的保障措施是出现检查：变量不能与包含该变量自身的有限项等同。因此，\\(X=f(X)\\) 在有限项范围内无解。为了提高效率，许多 Prolog 实现在常规合一中省略了出现检查；有些实现则支持循环树，也称有理树。因此，在考察某个实现与一阶逻辑的关系时，必须明确它所使用的项域。\n\n确定程序通常通过 SLD 归结执行；这一名称指针对确定子句、带有选择函数的线性归结。执行从一个目标开始：先选取一个原子，再选择一条头部可与该原子合一的程序子句，然后在所得替换下，用该子句的主体替换这个原子。反复执行这些步骤，便可逐步归约目标。到达空目标即表示成功，而累积得到的替换在限制为仅涉及原始查询变量后，就构成一个计算答案。\n\n一个查询可能有多个可选子句，由此形成一棵搜索树。当所选路径失败，或需要另一个答案时，回溯法便会探索其他选择。沿着已放弃路径引入的绑定必须撤销。从逻辑上说，这一过程具有非确定性——可能有多种有效的推导——但具体实现必须为这些推导规定顺序。通常，Prolog 执行时选择最左侧的目标，并采用深度优先搜索，按子句在程序文本中的顺序逐一尝试。\n\n这种搜索方式凸显了证明系统的完备性与执行行为之间的重要区别。对于确定程序，SLD 归结是可靠的；只要以适当的方式探索各种选择，它也是完备的。然而，某一次具体的深度优先遍历仍可能永远停留在一条无限分支上，始终无法到达其他分支上已有的答案。例如，如果将一条递归展开的规则放在一个可终止的基本情形之前，就可能导致有用的结果始终无法产生。\n\n其他求值策略可以解决这一问题的不同方面。广度优先搜索可以避免始终困在某一条无限分支上，但可能需要大量内存。表格化求值会保存遇到的子目标及其答案，使重复调用能够复用已有结果，并使某些递归循环能够通过不动点计算求值。这些技术都无法消除一般情况下的不可判定性；它们各自改变的，是哪些具有实际意义的程序类别能够得到有效执行。"
    },
    {
      "heading": "Prolog 作为实用编程语言",
      "text": "Prolog 为逻辑编程提供了一套简洁且广为人知的语法。以大写字母或下划线开头的名称通常表示变量，小写标识符则表示原子。谓词由名称和元数共同标识，例如 parent/2。列表采用 [a, b, c] 这样的记法，其中 [H|T] 将首个元素与列表的其余部分分开。这些约定使符号数据结构可以直接用于模式匹配和合一。\n\n列表拼接是一个典型的关系式编程示例：\n\nappend([], Ys, Ys).\nappend([X|Xs], Ys, [X|Zs]) :-\n    append(Xs, Ys, Zs).\n\n查询 append([a, b], [c], Z) 会构造出 Z = [a, b, c]。查询 append(X, Y, [a, b]) 则会枚举拆分最后一个列表的各种方式。这体现了关系定义的复用性：一个定义本身并不局限于某一种输入、输出参数位置的分配方式。不过，某些查询模式可能无法终止，或生成无穷多的答案，因此，关系性并不保证在每个方向上都能同样高效地执行。\n\n实用的 Prolog 还包含一些操作，其行为无法用纯粹的确定子句来刻画。常规算术运算就体现了这种区别。在 X is 2 + 3 中，右侧表达式先被求值，再将结果与 X 合一；这一操作并不是一般意义上的算术关系。像 5 is X + 3 这样的调用通常会引发实例化错误，而不是求解 X。输入输出、数据库更新以及对外部软件的调用还会引入其他效应。\n\n剪枝算子写作 !，用于显式限制回溯。粗略地说，它会固定自进入当前谓词调用以来所作的选择，剪去部分备选路径。剪枝可以消除冗余搜索，但也可能改变哪些逻辑答案仍可被求得。按照惯例，“绿色剪枝”是在保留预期答案集的同时提高执行效率；“红色剪枝”则通过排除原本可能得到的答案，成为程序含义的一部分。这种分类取决于预期的规格说明和调用模式，而不只是语法。\n\n执行效率依赖于专门的运行时机制。沃伦抽象机使用专门的结构来存储项、环境和选择点，并用撤销记录保存需要回退的绑定。子句索引可以避免尝试那些头部无法与调用匹配的子句。末调用优化可以减少适用的递归计算中的栈增长。现代系统还可能采用即时索引、表格化求值、本机代码编译，或提供与其他语言所编写代码交互的接口。\n\nISO Prolog 核心标准 ISO/IEC 13211-1 于 1995 年发布。它为语法、核心操作和执行行为确立了共同基础，但各实现仍在模块、约束库、并发和部署功能等方面存在差异。因此，Prolog 既有一个标准化的语言核心，也是一个由能力各异的系统组成的生态。"
    },
    {
      "heading": "否定、信息缺失与其他语义",
      "text": "在经典逻辑中，否定的含义很明确，但在可执行的规则系统中，处理否定则需要更加谨慎。只包含正面事实的数据库通常不会明确指出其他哪些陈述为假。如果无法推导出 flies(tweety)，可能意味着它在预期应用中为假，也可能是信息缺失，或者搜索过程尚未结束。逻辑编程通过假设和语义来区分这些情况，而不把它们自动视为等价。\n\n一种常见机制是失败即否定。从执行角度看，如果尝试证明相应的正目标在有限步骤内失败，否定目标就成功。在 Prolog 中，这通常写作 \\+ Goal。它并不构造该命题之否定的经典逻辑证明。如果正目标的计算陷入循环，否定目标的计算也可能陷入循环。此外，普通的失败即否定通常不会枚举使开放公式为假的变量替换。\n\n因此，变量实例化至关重要。假设一个程序包含 occupied(a)，却没有关于 occupied(b) 的事实。查询 \\+ occupied(b) 可能成功，而 \\+ occupied(X) 则会失败，因为存在某个 X 值使正目标成功。它不会返回 X = b。因此，生成目标与否定测试的执行顺序可能改变可观察到的结果。有些系统会推迟执行不安全的否定调用，或采用构造性否定，旨在更系统地处理这类情况。\n\n在语义层面，封闭世界假设允许在指定范围内将尚未确立的事实视为假。这通常适用于完整的库存清单或受控数据库，但不适用于不受范围限制的现实世界知识。基思·克拉克于 1978 年提出的程序完备化方法，将一种颇具影响力的解释形式化：把某个谓词的规则理解为给出了该谓词成立的全部条件。完备化阐明了许多基于失败进行推理的用法，不过，对递归程序仍需格外谨慎。\n\n否定会带来非单调推理：加入一个事实，可能使此前因无法证明该事实而得出的结论失效。分层程序通过将谓词划分为不同层次来控制这种行为，使否定依赖只指向较低的层次。涉及否定的递归依赖则需要更一般的处理方法。当程序不足以支持确定的答案时，良基语义允许采用未定义真值；对于适当的程序，它能支持唯一的部分解释。\n\n回答集编程采用迈克尔·格尔方德和弗拉基米尔·利夫希茨于 1988 年提出的稳定模型语义。对于一个不含变量的正规程序和一个候选解释，其约化程序通过以下步骤得到：先删除那些因候选解释而导致否定前提不成立的规则，再删除剩余的否定文字。稳定模型就是所得正程序的最小模型。有些程序有多个稳定模型，分别代表不同的解；另一些程序则没有稳定模型。这样，否定便成为一种严谨的模型构造方法的组成部分，而不只是程序执行中的一项测试。"
    },
    {
      "heading": "Datalog、演绎数据库与不动点求值",
      "text": "Datalog语言是一种与数据库和自底向上推理密切相关的规则语言。经典的正 Datalog 不允许使用函数符号，通常还要求规则满足范围限制：规则头中的变量也必须出现在规则体中。当输入数据库和常量集合均为有限集时，可能的基事实集合也是有限的。因此，反复应用规则最终会达到不动点；不受限制的逻辑程序则不同，其中的复合项可能生成一个无限的论域。\n\n一个标准示例是计算有向图中的可达关系：\n\nreachable(X, Y) :- edge(X, Y).\nreachable(X, Y) :- edge(X, Z), reachable(Z, Y).\n\n存储的 edge 关系是外延关系，而 reachable 是由规则定义的内涵关系。如果图中存在从 a 到 b 以及从 b 到 c 的边，这些规则就能推导出从 a 可以到达 c。递归能够表达任意有限长度的路径，而无须指定连接操作次数的上限。\n\n这种用法将逻辑编程与关系数据库直接联系起来。规则体类似于关系条件的合取，而共享变量则表达连接。与简单的非递归查询不同，递归定义可以描述传递闭包。SQL结构化查询语言中的递归公用表表达式提供了类似的能力，不过 SQL 系统在重复项、空值、聚合以及求值规则的处理上与经典 Datalog 有所不同。因此，两者之间的对应关系虽然有用，却并不完全一致。\n\n朴素的自底向上求值会反复将每条规则应用于迄今获得的所有事实。半朴素求值则确保每次新的推导至少使用一个上一轮新获得的事实，从而避免大量重复工作。魔集变换解决的是另一个问题：它通过改写规则，使自底向上求值聚焦于与特定查询相关的信息。索引、连接顺序安排和去重等技术，则进一步将演绎求值与传统的数据库优化联系起来。\n\nDatalog 良好的终止性质并不意味着每个查询的计算成本都很低。对于一个固定的正 Datalog 程序，随着数据库规模增长，求值的数据复杂度为多项式级，但多项式的次数和常数因子仍可能产生很大影响。当程序本身也是输入的一部分时，组合复杂度就会高得多；一般的经典 Datalog 求值问题是 EXPTIME 完全的。引入算术、无限制的项构造或其他特性的扩展，可能使基于有限论域的论证完全失效。\n\nDatalog 尤其适合需要在有限图中反复传播信息的分析，例如指向分析、数据流分析、网络可达性分析和依赖跟踪。在这些场景中，将输入关系与推理规则分离，可以使分析更易于检查和修改。此时，主要的工程挑战转变为控制中间关系的规模和连接操作的成本，而不是管理显式的递归调用序列。"
    },
    {
      "heading": "约束逻辑编程与数学搜索",
      "text": "约束逻辑编程允许目标在选定的数学域上施加约束，从而推广了普通逻辑编程。执行过程并不立即为每个变量赋予具体值，而是维护一个约束库，记录此后所有解都必须满足的关系。所采用的域可以涉及有限整数、有理数、实值线性表达式或其他结构。1987 年，乔克桑·贾法尔（Joxan Jaffar）和让-路易·拉塞兹（Jean-Louis Lassez）为这种方法提出了一个影响深远的通用框架。\n\n普通合一本身就相当于符号项上的等式求解器。约束逻辑编程将这一思想扩展到更丰富的理论。例如，有限域求解器可以维护 \\(X+Y=10\\)、\\(X>Y\\) 和 \\(X,Y\\in\\{0,\\ldots,10\\}\\)，而不必先确定任何一个变量的值。约束传播会缩小变量的可能取值范围，也可能检测出不一致。如果仍有多种可能的赋值，答案可以由残余约束组成，而不必是一个完全实例化的结果。\n\n有限域上的约束逻辑编程通常记为 CLP(FD)，广泛用于求解组合问题。调度模型可以引入开始时间变量、任务持续时间的上下界、先后次序约束和资源限制。数独模型则为单元格指定有限域，并对行、列和子宫格施加全异约束。这些模型描述了有效解应满足的条件；求解器将传播与搜索相结合，寻找满足这些条件的赋值。\n\n全局约束将针对整组变量的推理封装起来。例如，与仅仅逐一施加所有两两不等约束的实现相比，全异约束能够进行更强的传播。调度约束可以对时间区间和有限的资源容量进行联合推理。因此，约束系统的实用性不仅取决于其表面语法，还取决于其传播器的推理能力和计算开销。两个逻辑等价的模型可能产生截然不同的搜索空间。\n\n搜索仍然十分重要，因为对于困难的组合问题，传播通常是不完备的。标号过程选择要探索的变量及其取值，常用的启发式方法包括优先选择剩余取值域较小的变量。分支定界法可以将搜索与优化目标结合起来，剪除无法改进当前已知最优解的分支。这些过程将这一编程范式与数学优化联系起来，但约束满足与优化仍是不同的任务。\n\n还必须区分求解器所支持的算术与不受限制的数学。有理数线性约束求解器并不因此就能求解任意非线性整数公式。有些系统使用精确有理数运算，另一些则涉及浮点表示及相关的数值问题。有限域模型也承袭了其所编码问题的计算难度。这一范式的贡献在于有条理地结合关系建模、专用推理和可控搜索，而不是提供一种普遍绕过计算复杂性的方法。"
    },
    {
      "heading": "扩展形式及其与其他编程范式的关系",
      "text": "回答集编程将程序员的主要任务从引导目标驱动的计算，转变为描述可接受的完整解。一种常见模式是先生成候选选择，再通过约束排除不允许的组合。以图着色为例，程序可以要求每个顶点恰好分配一种颜色，并禁止相邻顶点使用相同的颜色。现代求解器通常将基化与针对命题表示的复杂搜索相结合，其中包括与布尔可满足性问题相关的冲突驱动技术。优化语句可用于选出更优的回答集。\n\n并发逻辑语言探索了另一个方向。它们不会把每个尚未解决的目标都当作进行深度优先搜索的理由，而是允许目标等待，直到获得足够的信息。共享的逻辑变量可以充当通信通道：一个进程提供某个值，另一个进程则在该值确定后继续执行。带守卫的子句和承诺选择用于控制执行哪项计算，而不一定保留其他选项供回溯使用。这些语言推动了并发计算和数据流执行的研究，尤其是在20世纪80年代。\n\n高阶逻辑语言和带类型的逻辑语言拓展了可表示的内容。例如，Lambda Prolog 使用高阶项和遗传 Harrop 公式，支持对含有绑定变量和局部假设的语法进行推理。这些机制适用于解释器、类型系统以及形式演算的表示。它们与仅仅将 Prolog 目标作为数据，再通过元调用执行的做法有很大区别：逻辑语言本身提供了表达能力更强的抽象与绑定机制。\n\n概率逻辑编程为事实、选择或规则应用赋予不确定性。ProbLog 和 PRISM 等系统将关系式描述与明确定义的概率语义相结合。其中一个关键问题是，不同证明与查询概率之间存在怎样的关系。简单地将各个证明的概率相加，可能会重复计算相互重叠的解释，因此推断必须考虑底层选择之间的依赖关系。有些方法会将解释编译成便于高效计算概率的结构。\n\n逻辑编程与函数式编程也有密切联系。两种范式的纯粹子集通常都避免显式的可变状态，并大量使用递归和符号结构。函数式程序主要描述表达式的求值；逻辑程序则主要描述关系，并搜索满足这些关系的代换。函数逻辑语言将这两种视角结合起来，使用窄化等机制，求解涉及已定义函数和未知参数的方程。\n\n并非所有包含规则的程序都属于同一语义类别。产生式系统往往反复触发规则来修改工作记忆，而确定逻辑程序则支持一种具有最小模型解释的逻辑后承关系。同样，证明助手可能检查显式构造的证明对象，而不是自动搜索关系查询的答案。这些技术共享某些逻辑机制，但必须分别辨明它们各自的保证和执行模型。"
    },
    {
      "heading": "应用、验证与实践局限",
      "text": "逻辑编程尤其适用于以关系、递归结构和多种可能解释为核心的问题。在知识表示与推理中，事实描述实体，规则表达推论、例外或依赖关系。推导出的答案通常可以对应到一系列规则应用步骤。这类解释有助于审查规则库，但可读的推导只能确立相对于已编码事实和假设的推论，并不能独立验证这些事实和假设本身。\n\n语言处理是逻辑编程的早期应用，至今仍是展示关系式方法的清晰范例。定子句文法提供了一套记法，Prolog 系统通常将其转换为使用差分列表的谓词。文法规则可以将词元序列与句法结构关联起来，同时在计算过程中逐步传递尚未消耗的输入。因此，解析与生成可以共用部分文法，不过能否终止以及处理顺序仍取决于规则结构和查询模式。额外的参数可以携带语法一致性特征、语义表示或上下文信息。\n\n程序分析和形式验证是另一个主要应用领域。规则可以表达可达性、数据依赖关系，或对可能程序状态的近似。约束 Horn 子句被广泛用于编码验证条件：求解器寻找足以证明错误状态不可达的归纳关系。这不同于通常的 Prolog 执行，因为其目标可能是在无界状态空间上发现不变式，而不是枚举具体的查询答案。结果既取决于编码的可靠性，也取决于求解器的推理。\n\n规则还可用于配置、规划、调度和访问策略分析。配置问题描述相互兼容的组件及资源限制；规划编码则表示动作、状态转换和目标。面向数据库的规则系统可以推导权限，或揭示网络策略中非预期的访问路径。在这些应用中，应根据问题结构来选择 Prolog 搜索、有限域约束、Datalog 不动点计算或答案集求解，而不是认定某一种引擎在所有情况下都更好。\n\n学习可以作为手写规则的补充。归纳逻辑编程研究如何根据样例和背景知识推断逻辑假设。它能够学习涉及结构化对象的关系规则，而不局限于固定长度的特征向量。它与机器学习及神经符号人工智能的联系包括学习谓词、引导符号搜索，以及将不确定的感知结果与显式约束相结合。学得规则的语义与支撑数据的可靠性仍是两个需要分别考量的问题。\n\n实践中的局限主要集中在搜索、表示和集成方面。简洁的关系可能引发指数级搜索；不加限制的程序可能无法终止；项表示选择不当可能导致过多的内存分配或重复工作。副作用会使回溯变得复杂，因为撤销逻辑绑定时，外部动作不会自动撤销。表格化以更多内存换取重复计算的减少，而接地可能在求解开始之前就使答案集模型的规模变得过大。因此，有效的系统需要依靠论域限制、索引、模式、专用求解器、性能剖析，以及逻辑推理与外部状态之间经过仔细定义的接口。"
    }
  ],
  "links": [
    "programming-paradigm",
    "logic",
    "artificial-intelligence",
    "natural-language-processing",
    "first-order-logic",
    "recursion",
    "depth-first-search",
    "breadth-first-search",
    "data-structure",
    "nonmonotonic-reasoning",
    "database",
    "relational-database",
    "sql",
    "mathematical-optimization",
    "computational-complexity",
    "boolean-satisfiability-problem",
    "concurrent-computing",
    "functional-programming",
    "proof-assistant",
    "knowledge-representation-and-reasoning",
    "formal-verification",
    "machine-learning",
    "neuro-symbolic-artificial-intelligence"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}