答集程序设计是非单调推理、演绎数据库和支持失败即否定的逻辑程序设计的交叉学科。答集程序设计的理念是用逻辑程序对问题进行编码，其中逻辑程序的答集对应于问题的解，然后通过答集求解器计算答集。 本文首先提出了一种基于答集语义的利用关系模型推理Datalog程序的机制，与其他答集求解器不同，该推理机制不但避免了实例化过程，还可以利用现有的关系数据库进行高效推理以及扩展语法。Con-Datalog是在该理论基础上实现的演绎数据库，可以与大多数主流关系数据库对接，具有处理海量数据的能力。 对于更一般的答集程序，本文还提出一种基于神经网络的答集求解算法。首先，运用循环公式把答集程序转换成等价的命题逻辑表达式，并把表达式转换成Hopfield网络的能量函数，其中命题表达式的模型对应于使能量函数最小的平衡点。其次，通过启发式算法对高次能量函数降次，当能量函数降为22次时便可以提交给Hopfield网络计算结果。最后，根据Hopfield网络的输出判断答集是否存在。Hopfield网络的输出是程序的答集，当且仅当网络的输出使能量函数为零。NNASP是基于该理论实现的答集求解器。 随着市场竞争的白热化，商业策略的生命周期也越来越短。为此，我们提出了基于答集程序设计的规则引擎。规则引擎本质上是一个应用程序，它根据用户定义的规则与给定的数据进行推理，从而获得新的知识或者执行相应的操作。规则引擎是与应用程序相对独立的软件模块，能够在保证应用程序本身稳定的同时，提供灵活修改业务逻辑的能力。这种方法可以成功应用在基于角色的访问控制系统中，验证了规则引擎的重要性和可行性。