基于不同启发式策略约束满足问题求解研究.docVIP

基于不同启发式策略约束满足问题求解研究 　　摘要:约束满足问题是人工智能的重要研究方向。约束传播技术和启发式策略是影响约束求解算法效率的关键。对于大规模和大型具有结构化特征的问题,设计并运用有效的值序、变量序启发式策略将大大缩减搜索空间,极大提高问题求解效率。文中对现在流行的静态启发式、动态启发式和冲突驱动的启发式等不同类别的启发式采用标准库问题实例进行适应性求解测试,并对各种启发式策略进行性能评估。 　　关键词:人工智能;约束满足问题;弧相容;启发式策略 　　中图分类号:TP18 文献标识码:A 文章编号:1674-7712 (2012) 12-0123-03 　　一、引言 　　近年来,作为人工智能领域最活跃的研究分支之一,约束程序(Constraint Programming,CP)研究方向得到蓬勃发展。约束程序研究的核心问题是约束满足问题(Constraint Satisfaction Problem,CSP)。目前,该领域出现了以约束传播技术和针对大规模应用问题的启发式策略为代表的研究新热点。 　　相容性技术是约束传播的代表技术,它在加速求解效率和压缩求解空间上发挥着不可估量的巨大作用0。目前主流技术是弧相容性和路径相容性技术。弧相容技术是相容性技术中应用最为广泛的。1977年,Mackworth提出了著名的实现弧相容性的算法AC30。为得到最优的时间复杂度,Mohr和Henderson提出AC40,但以较大的空间复杂度为代价。此后Bessière相继提出算法AC60,AC70和AC20010。 　　对于变量启发式,早期主要是静态变量启发式(SVO),代表是最小宽度(min width)和最大度(max degree)启发式0;2001年Bessiere提出带选择函数的动态变量启发式的一般框架0;2004年Boussemart等提出了冲突驱动的变量启发式策略0;2007年,2008年Grims和Wallace共同提出了将值删除作为基本传播事件及与加权约束相结合冲突驱动的变量启发式00。但对于多种启发式策略的全面性能评估和对于问题的适应性研究,以及各种启发式策略混合应用方面还有很大的研究空间。 　　二、约束满足问题 　　约束满足问题(Constraint Satisfaction Problem)常表示成一个三元组 。其中X是变量的有限集合,表示成 ; = 是变量值域的集合,其中 是变量 的值域; 是一个有限约束集合。约束满足问题的求解是为变量集 中的每个变量从其有限论域中寻找???个值,使得约束集 中的所有约束被满足。 　　通常可将约束满足问题用约束图的形式表示。图1为地图着色问题实例的约束图。其中,数字表示二元约束满足问题的变量;字母表示变量的论域;变量之间的直线代表二元约束关系,含义为这两个变量不能取相同的值。 　　三、弧相容技术 　　为了提高效率,常在约束满足问题的求解过程中应用约束传播技术或相容性技术。弧相容技术是相容性技术中最为著名的。对于二元约束图中的弧 ,称它是弧相容的(Arc Consistency),当且仅当对于变量 的论域中的每一个值 ,在变量 的论域中都存在一个值 ,使得 满足 上的一元约束,并且 满足 和 上的二元约束 。一个CSP是弧相容的,当且仅当它的约束图中每一条弧都是弧相容的0。 　　1977年Mackworth提出了著名的弧相容算法AC-30。AC-3长久以来被广泛应用。下面我们给出AC-3的算法框架: 　　Algorithm 3.1 AC-3( ) 　　while do 　　if revise( ) then 　　if then return false 　　else 　　return true 　　Algorithm 3.2 revise( ):boolean 　　flag=false 　　for each a do 　　if not such that then 　　delete from 　　flag=true 　　end if 　　end for 　　return flag 　　AC-3算法的时间复杂度下界为 ,最坏情况下的时间复杂度为 ,其空间复杂度为 。其中 是约束的个数, 是变量域的规模, 是变量的个数。 　　四、启发式策略 　　启发式策略作为一种展望策略,引导或者决定接下来要实例化哪个变量或将论域中的哪个值赋给变量。对于大规模的约束满足问题的求解,启发式的应用能够有效压缩求解空间,快速得到问题的解或者指出问题无解。我们研究了当前流行的各种变量启发式策略,将其分类为:静态变量启发式、动态变量启发式和冲突驱动的变量启发式。 　　(一)静态变量启发式 　　静态变量启发式策略(SVOs)中,变量在搜索的整个过程中保持不变的排序,仅仅使用问题初始状态的结构化信息。最简单的静