中文摘要：

如何高效地计算静态/动态辩论推理系统的语义是当前人工智能研究领域的一个重点和难点。本项目在现有工作的基础上，采用"分而治之"和"有效利用上次计算结果"的策略，借助于图论中有向图的"强连通分量"和"节点可达关系"的概念，建立一个基于划分的辩论推理系统语义计算理论体系，具体包括基于强连通分量的静态辩论框架划分方法、基于节点可达关系的动态辩论框架划分方法、"受限子框架"及其语义理论、静态/动态辩论框架的语义合成理论等。在此基础上，利用回答集编程理论和现有的回答集求解器，构建相应的实现方法和系统原型，并通过程序测试来评估系统的性能。通过基于划分的方法，对于静态辩论框架，可以实现语义的局部计算与递归合成；对于动态辩论框架，只需重新计算受影响部分（受限子框架）的语义，从而可以解决静态/动态辩论系统语义计算的低效问题，促进辩论系统在Agent非单调推理、决策、协商、法律推理、医学推理等不同领域的应用。

结论摘要：

如何高效地计算静态/动态辩论推理系统的语义是当前人工智能研究领域的一个重点和难点。本项目在已有工作的基础上，采用“分而治之”和“有效利用上次计算结果”的策略，借助于图论中有向图的“强连通分量”和“节点可达关系”的概念，建立了一个基于划分的辩论推理系统语义计算理论体系，具体包括基于强连通分量的静态辩论框架划分方法、基于节点可达关系的动态辩论框架划分方法、“受限子框架”及其语义理论、静态/动态辩论框架的语义合成理论等。在此基础上，利用回答集编程理论和现有的回答集求解器，构建了相应的实现方法和系统原型，并通过程序测试评估了系统的性能。通过基于划分的方法，对于静态辩论框架，可以实现语义的局部计算与递归合成；对于动态辩论框架，只需重新计算受影响部分（受限子框架）的语义，从而可以解决静态/动态辩论系统语义计算的低效问题，促进辩论系统在Agent 非单调推理、决策、协商、法律推理、医学推理等不同领域的应用。通过本项目的研究，我们在《Artificial Intelligence》、《Annals of Mathematics and Artificial Intelligence》、《Journal of Logic and Computation》、《IfCoLog Journal of Logics and their Applications》、《软件学报》、《模式识别与人工智能》等国际重要期刊/国内一级期刊上发表论文7篇（被SCI/EI收录6篇）；在IJCAI、ICTAI、LORI、TAFA等人工智能领域Top国际会议及重要国际会议上发表论文5篇（被EI收录4篇）；出版英文专著1本、中文专著1本。培养研究生4名。举办国际会议3次（另有1次正在进行中）。参加国内外学术会议9次。与意大利布雷西亚大学Pietro Baroni教授、Massimiliano Giacomin副教授、卢森堡大学Leendert van der Torre教授等国外知名学者合作，在人工智能领域Top期刊《Artificial Intelligence》、Top会议IJCAI以及其他会议上发表论文4篇。