基于AC与LmaxRPC的自适应约束传播求解算法.docVIP

基于AC与LmaxRPC的自适应约束传播求解算法 　　摘 要：在现有自适应约束求解方法基础上，提出一种新的自适应约束传播求解算法ADAPTACLmaxRPC.该算法能根据约束的不同特性，在传播能力强但开销高的LmaxRPC与传播能力弱却开销低的AC之间自适应地切换进行约束传播.多个Benchmark实例类上的测试实验数据表明，ADAPTACLmaxRPC算法有效地平衡了求解效率和算法开销之间的矛盾，大幅度提高了约束求解的效率. 　　关键词：人工智能；约束程序；约束满足问题；自适应约束求解；约束传播 　　中图分类号：TP31 文献标识码：A 　　Adaptive Constraint Propagation Solving 　　Based on AC and LmaxRPC 　　WANG Haiyan1，2，3，OUYANG Dantong1，2，ZHANG Yonggang1，2，YANG Mingming 1，2 　　（1.College of Computer Science and Technology， Jilin Univ， Changchun，Jilin 130012， China； 　　2.Key Laboratory of Symbolic Computation and Knowledge Engineering for Ministry of Education， Jilin Univ， 　　Changchun，Jilin 130012， China； 3. College of Computer， Jilin Normal Univ， Siping，Jilin 136000， China） 　　Abstract：On the basis of the current adaptive constraint solving algorithms， this paper proposed a new adaptive constraint propagation solving algorithm ADAPTACLmaxRPC， which adaptively switches between enforcing a strong and expensive local consistency LmaxRPC and a weak but more cheaper one AC according to the activity of individual constraints. Test data from several Benchmark instances shows that ADAPTACLmaxRPC balances the contradiction between the constraint solving efficiency and algorithm cost effectively， and it improves the efficiency of constraint solving substantially. 　　Key words：artificial intelligence； constraint programming； constraint satisfaction problem； adaptive constraint solving； constraint propagation 　　近年来，由于具有浓厚产业背景和重大商业价值，约束程序（Constraint Programming，CP）研究得到蓬勃发展，并已成为问题建模及求解如资源分配、调度问题、时序推理、规划和图着色等领域困难组合问题的典范.约束满足问题（Constraint Satisfaction Problem，CSP）[1] 是约束程序的核心，自提出以来受到了广泛关注.国内外有很多学者致力于这方面的研究，主要的工作有约束程序理论、设计与应用的研究、约束归纳逻辑程序设计等方面，以及CSP求解研究等[2].其中，CSP的求解一直是人工智能领域研究的热点，具有重要的理论研究和实际应用价值. 　　CSP的主要推理技术是约束传播，它对约束程序的成功与否起着至关重要的作用，是影响约束求解算法效率和适应性的关键因素.因此，多种约束传播技术应运而生[3]，包括早期的FC，广泛使用的GAC，以及maxRPC，SAC等.虽然约束传播技术选择丰富，但简单的约束求解器通常在整个搜索过程中对所有的约束都使用同一个标准方法.由于不同约束的删除能力各不相同，同一种约束传播技术很难适用于所有约束.比如，如果为很少或不删除值的约束选用了一种过滤能力很强的约束传播方法，必然会导致不必要的CP