本研究では、論理パズルに対して段階的に説明を行う手法を提案しています。各段階は、複数の決定変数に対する割り当てを導き出す制約のセットから構成されますが、多様な説明候補が存在するため、最も理解しやすい説明を特定するためにユーザー定義の目的関数が必要です。良好な目的関数の定義は困難ですが、機械学習コミュニティのインタラクティブな嗜好引き出し手法を利用して、ユーザーの嗜好をペア比較から学習するアプローチの実現可能性を探ります。また、多数の比較が類似の説明を含むことから、新たに提案するMACHOP（マルチアームDAO選択パーセプトロン）という戦略で、非支配制約を統合し、説明の質向上を図ります。実験では、Sudokuや論理グリッドパズルを用いて評価を行い、提案手法が従来の方法よりも高い品質の説明を一貫して生成することを示しました。