国科大中科院算法讲义CSP与传播第六版材料.pptVIP

Arc-consistency 够用么? 例子: 三角形图用两种颜色的染色问题，. arc-consistent? consistent? 它不是 path, 或者3-consistent的. Path-consistency Path-consistency Revise-3 复杂度: O(k^3) 最好情况: O(t) 最坏情况: O(tk) PC-1 复杂度: O(n^3) 个三元组, 每一个花费 O(k^3) 步 ? O(n^3 k^3) 最大的迭代次数: O(n^2 k^2) . PC-2 复杂度: 优化的 PC-4: (每一个被删除的对要增加: 2n-1 个三元组, 对的数目: O(n^2 k^2) ? Q的大小是 O(n^3 k^2), 过程耗时 O(k^3)) 例子: path-consistency前后 PC-1需要对每个 arc做2个处理过程 ， PC-2 不用 Path-definition of path-consistency Path-consistency 算法 应用 Revise-3 (O(k^3)) 直到无变化为止 Path-consistency (3-consistency) 添加了binary constraints. PC-1: PC-2: PC-4 optimal: I-consistency 更高级别的 consistency, global-consistency Revise-i 复杂度: 对binary constraints 对任意的 constraints: 4-皇后的例子 I-consistency Path-consistency vs 3-consistency Non-binary constraints 的Arc-consistency :Generalized arc-consistency 复杂度: O(t k), t ：元组的数目. Generalized arc-consistency的例子 x+y+z = 15 和 z = 13 ? x=2, y=2 Global constraints Alldiff 的例子 A = {3,4,5,6} B = {3,4} C= {2,3,4,5} D= {2,3,4} E = {3,4} Alldiff (A,B,C,D,E} Arc-consistency 无用 使用GAC? ? A = {6}, F = {1}…. Alg: bipartite matching kn^1.5 (Lopez-Ortiz, et. Al, IJCAI-03 pp 245 (A fast and simple algorithm for bounds consistency of alldifferent constraint) Bounds consistency Alldiff中的Bounds consistency CSP问题和传播技术 本次课的内容 CSP的相关概念 解决CSP问题的方法 传播技术 AC、GAC算法 现实中约束（Constraint）的例子 会议要在10点之前开始 工资大于六千元 网络的流量不低于50M …… 约束无处不在，由此形成的约束可满足问题也在计算机科学中扮演重要角色 Constraint Satisfaction Problem Constraint Satisfaction Problem：中文一般称为约束可满足问题，简称CSP 一个CSP被看做是一个三元组 V,D,C ，其中： V是变量的集合 D是每个变量的值域 C是一组约束 问题的目标是：求一个对变量的赋值，该赋值满足C中所有的约束 一个CSP问题的例子 课程时间表问题 变量：每个课程对应一个变量，例如语文、数学、外语等 值域：每个变量的值域是可能的上课时间，例如：上午九点、下午三点等 约束：对课程做的一些限制。例如：语文课不能在上午九点上课，两门课不能同时开课等 目标：对于每一门课，求一个上课时间，所形成的上课时间表要满足所有的约束 CSP的描述方式 Extensional方式：一个约束本质上是一些变量的值域的笛卡尔集的子集， Extensional方式是将这些子集的元素详细地写出来。例如变量x、y，他们的值域均为{1、2、3},表示两个变量相等的约束，要写作：1,1,2,2,3,3 Intensional方式：是采用一些符号来描述约束，上面的例子可以用符号：x==y来表示该约束。 二元约束和非二元约束 二元约束：只包含两个变量的约束，例如不等于，大于，小于 非二元约束：包含三个或三个以上变量的约束，例如alldifferent(X1,X2,X3)