Ważony problem spełnienia ograniczeń
W badaniach nad sztuczną inteligencją i operacjami ważony problem spełnienia ograniczeń ( WCSP ) jest uogólnieniem problemu spełnienia ograniczeń (CSP), w którym niektóre ograniczenia mogą zostać naruszone (zgodnie ze stopniem naruszenia) i w którym preferencje wśród rozwiązań można wyrazić. Uogólnienie to umożliwia przedstawienie większej liczby rzeczywistych problemów, w szczególności tych, które są nadmiernie ograniczone (nie można znaleźć rozwiązania bez naruszenia przynajmniej jednego ograniczenia) lub takich, w których chcemy znaleźć rozwiązanie o minimalnym koszcie (zgodnie z funkcja kosztu ) wśród wielu możliwych rozwiązań.
Definicja formalna
Sieć z ograniczeniami ważonymi (WCN), znana również jako sieć funkcji kosztu (CFN), jest trójką { \ dyskretnych zmiennych skończonym zbiorem miękkich ograniczeń i albo naturalną liczbą całkowitą, albo .
ograniczenie zestaw zmiennych, zwany jego zakresem, i jest definiowany jako funkcja do gdzie zbiorem możliwych instancji . Kiedy podana jest instancja koszt , tj. , mówi się, że jest to zabronione. W przeciwnym razie jest to dozwolone z odpowiednim kosztem (0 jest całkowicie zadowalające).
), koszty są łączone z określonym operatorem zdefiniowanym jako: . Częściowa odwrotność zdefiniowana : if } i jeśli , .
Bez utraty ogólności, istnienie ograniczenia zerowego również obecność ograniczenia jednoargumentowego dla każdej zmiennej zakłada się
pełnej instancji jest ograniczoną sumą kosztu dla w l wszystkie miękkie ograniczenia , w tym koszt zerowy koszty jednoargumentowe dla zmiennych w .
Biorąc pod uwagę WCN/CFN, typowym (NP-trudnym) zadaniem WCSP jest znalezienie kompletnej instancji przy minimalnym koszcie. Można zdefiniować inne zadania w pokrewnej dziedzinie modelu graficznego .
Rozdzielczość binarnych/potrójnych WCSP
Podejście z operacjami transferu kosztów
Konsystencja węzła (NC) i spójność łuku (AC), wprowadzone dla problemu spełnienia ograniczeń (CSP), zostały później zbadane w kontekście WCSP. Ponadto zaproponowano kilka konsystencji dotyczących najlepszej postaci spójności łuku: spójność pełnego łuku kierunkowego (FDAC) , spójność łuku kierunkowego egzystencjalnego (EDAC) , spójność łuku wirtualnego (VAC) i spójność optymalnego łuku miękkiego (OSAC) .
Algorytmy wymuszające takie właściwości są oparte na transformacjach zachowujących równoważność (EPT), które pozwalają na bezpieczne przemieszczanie kosztów pomiędzy ograniczeniami. Trzy podstawowe operacje przeniesienia kosztów to:
- Projekt: transfer kosztów z ograniczeń do ograniczeń jednoargumentowych
- ProjectUnary : transfer kosztów z ograniczenia jednoargumentowego do ograniczenia zerowego
- Rozszerz: przeniesienie kosztów z jednoargumentowego ograniczenia do ograniczenia
Celem transformacji zachowujących równoważność jest skoncentrowanie kosztów na ograniczeniu zerowym instancji i wartości z kosztem dodanym do , który do jest większy lub równy kosztowi zabronionemu lub kosztowi najlepszego dotychczas znalezionego rozwiązania. Metoda rozgałęzień i ograniczeń jest zwykle używana do rozwiązywania WCSP, z dolną granicą granicą .
Podejście bez operacji przenoszenia kosztów
Alternatywą dla algorytmów transferu kosztów jest algorytm PFC-MRDAC , który jest klasycznym algorytmem rozgałęzienia i ograniczeń, który oblicza dolną granicę drzewa wyszukiwania, co odpowiada niedoszacowaniu kosztu dowolne rozwiązanie, które można uzyskać z tego węzła. Koszt najlepszego znalezionego rozwiązania wynosi . Kiedy , drzewo wyszukiwania z tego węzła jest przycinane.
Inne nowsze podejście opiera się na superreparametryzacji, która pozwala rozluźnić problem w celu obliczenia ściślejszych granic.
Rozwiązanie n-arnych WCSP
Wykazano, że algorytmy transferu kosztów są szczególnie skuteczne w rozwiązywaniu rzeczywistych problemów, gdy miękkie ograniczenia są binarne lub trójskładnikowe (maksymalna liczba ograniczeń w problemie jest równa 2 lub 3). W przypadku miękkich więzów o dużej arytmetyce transfer kosztów staje się poważnym problemem, ponieważ należy kontrolować ryzyko eksplozji kombinatorycznej .
Zaproponowano algorytm o nazwie Generalized Arc Consistency ( i ich koszty. Algorytm ten łączy w sobie dwie techniki, a mianowicie prostą redukcję tabelaryczną ( STR ) i przeniesienie kosztów. Wartości, które nie są już spójne w odniesieniu do GAC, są identyfikowane i obliczane są minimalne koszty wartości. Jest to szczególnie przydatne do wydajnego wykonywania operacji projekcji, które są wymagane do ustanowienia GAC.
Zbadano również funkcje kosztu globalnego z dedykowaną semantyką (np. SoftAllDifferent, SoftAmong) i policzasową złożonością.
Solvery
- https://www.ics.uci.edu/~dechter/software.html
- https://miat.inrae.fr/toulbar2 (na podstawie operacji przeniesienia kosztów)
Wzorce
Wiele rzeczywistych testów porównawczych WCSP jest dostępnych na http://genoweb.toulouse.inra.fr/~degivry/evalgm i https://forgemia.inra.fr/thomas.schiex/cost-function-library (starsza wersja na http ://costfunction.org/en/benchmark ). Więcej testów porównawczych MaxCSP jest dostępnych na http://www.cril.univ-artois.fr/~lecoutre/#/benchmarks (przestarzała witryna, zobacz też http://xcsp.org/series ).