当前，回答集程序设计已经成为人工智能领域知识表示和推理的重要工具。它是一种描述性的问题解决框架，非常适用于对涉及常识推理的问题进行建模，并自动求解。动态逻辑程序是回答集程序的一种重要形式。Alferes等人提出了动态逻辑程序，动态逻辑程序能很好的处理知识库更新问题，但它不能描述和处理具有偏好的知识更新问题。因此，本文在动态逻辑程序的基础上，提出了一种新的扩展的动态逻辑程序语言，并且给出了其最优回答集语义。本文提出的新程序通过对规则头部使用有序析取的方法，使其能够描述和处理具有偏好的知识更新问题。这种新的程序语法更加丰富，进一步增强了知识的描述和推理能力，应用范围更加广泛，但并未增加其计算复杂度。同时，本文以电影信息个性化推荐为例，说明了新语言在产品信息个性化推荐中的应用。本文阐述的产品信息个性化推荐主要是解决用户需求的约束条件问题。但由于用户对领域知识的匮乏，需求的多变性等，可能出现不合理的情况，此时程序将无法给出合理的推荐解。针对此问题，本文进一步地提出了一种加权定量的产品信息个性化推荐解优化方法。该方法通过对用户需求规则加权，能够在用户需求不合理的情况下，求解得出能够最大程度满足用户需求的推荐解，作为对用户的反馈。