[論文レビュー] Decomposition During Search for Propagation-Based Constraint Solvers

Martin Mann, Guido Tack+1 more|ArXiv.org|Dec 14, 2007

Constraint Satisfaction and Optimization参考文献 22被引用数 6

ひとこと要約

本稿では、探索中に動的に部分問題を独立した部分問題に分解することで、重複する探索作業を排除する、新しい制約ソルバー統合手法である検索中の分解（DDS）を提案する。制約伝搬とグローバル制約（特に分解可能な伝搬器を用いて）を活用することで、グラフ彩色やタンパク質構造予測といった困難な#P問題において、平均して探索木サイズを11.3倍と25.3倍に削減し、実行時間の高速化を3〜4倍達成した。

ABSTRACT

We describe decomposition during search (DDS), an integration of And/Or tree search into propagation-based constraint solvers. The presented search algorithm dynamically decomposes sub-problems of a constraint satisfaction problem into independent partial problems, avoiding redundant work. The paper discusses how DDS interacts with key features that make propagation-based solvers successful: constraint propagation, especially for global constraints, and dynamic search heuristics. We have implemented DDS for the Gecode constraint programming library. Two applications, solution counting in graph coloring and protein structure prediction, exemplify the benefits of DDS in practice.

研究の動機と目的

• 制約伝搬に基づくソルバーにおける、全解数え上げ（#P困難問題）の際の重複する探索作業を排除すること。
• 現代の制約プログラミングシステムに、制約伝搬とグローバル制約に依存する動的And/Or木探索を統合すること。
• 特にグローバル制約が存在する状況において、探索中に制約部分問題を効率的に分解できることを可能にすること。
• タンパク質構造予測やグラフ彩色といった実世界の困難な組合せ問題において、DDSの実用的性能向上を示すこと。
• DDSが動的探索ヒューリスティクスおよび制約伝搬とどのように相互作用するか、特に複雑な制約グラフにおいて検証すること。

提案手法

• 探索中に制約グラフ構造に基づいて独立部分問題を特定する、動的分解メカニズムとしての検索中の分解（DDS）を導入する。
• 制約伝搬を活用して分解可能性を検出することで、事前の静的解析なしに独立部分問題を早期に特定可能にする。
• インクリメンタルな制約グラフの維持と動的部分問題分解をサポートする、DDSエンジンをGecode制約プログラミングライブラリにプロトタイプ実装で拡張する。
• 特にAll-differentや二項隣接制約などのグローバル制約の分解可能性を、効果的な分解を可能にする主要な要因として活用する。
• 深さ優先探索とAnd/Or木探索を組み合わせたハイブリッド探索戦略を採用し、独立部分問題を分解して並列に解く。
• 各部分問題内で動的変数順序付けヒューリスティクスを適用することで、適応的探索の利点を保ちつつ、重複探索の最小化を実現する。

実験結果

リサーチクエスチョン

• RQ1 制約伝搬に基づくソルバーにAnd/Or木探索を効果的に統合するには、性能やモularityを損なわずに行うにはどうすればよいか？
• RQ2 制約伝搬は、動的部分問題分解の検出可能性と有効性にどの程度影響を与えるか？
• RQ3 特に効率的な伝搬器を持つグローバル制約は、探索中の分解の適用をどのように促進または制限するか？
• RQ4 DDSを用いることで、グラフ彩色やタンパク質構造予測の解の数え上げといった困難な#P問題で、どの程度の性能向上が達成できるか？
• RQ5 DDSは動的探索ヒューリスティクスとどのように相互作用するか？また、既存の制約ソルバー機能と効果的に組み合わせられるか？

主な発見

• PS-48テストセット（48長さのHP配列）では平均11.3倍、PS-64（64長さの配列）では25.3倍の探索木サイズ削減が、標準的なDFSと比較して達成された。
• PS-48では制約伝搬回数が3.27倍、PS-64では5.43倍削減され、重複作業の顕著な削減が示された。
• 同じ変数選択ヒューリスティクスを使用しても、DDSはDFSに比べて3〜4倍の実行時間高速化を達成しており、実装のオーバーヘッドが最小限であるにもかかわらず、競争力のある性能を示した。
• DDSの性能向上は問題サイズおよび解の degeneracy に比例して増大し、特に困難で高次元の解を有するインスタンスにおいてスケーラビリティが顕著に現れた。
• DDSの成功は、制約グラフの分解可能性に強く依存しており、線形方程式などの一部の制約は分解の機会を本質的に制限する。
• グローバル制約の分解、特にタンパク質構造予測におけるAll-different制約の分解が、効果的なDDS適用の鍵であると特定された。