[論文レビュー] Rewriting Constraint Models with Metamodels

Raphaël Chenouard, Laurent Granvilliers+1 more|arXiv (Cornell University)|Feb 16, 2010

Constraint Satisfaction and Optimization参考文献 21被引用数 4

ひとこと要約

本論文は、コアな制約モデリング構成要素を捉える言語に依存しないピボットメタモデルを用いて、制約モデルの再書き換えのためのモデル駆動フレームワークを提案する。モデル変換を特定の言語から分離することで、多様な制約プログラミング言語およびソルバーシステム間で柔軟で再利用可能かつ構造を保全する再書き換えが可能となり、ループ構造を保持した場合に平坦化された展開モデルよりも解決効率が向上するという実験的結果が得られた。

ABSTRACT

An important challenge in constraint programming is to rewrite constraint models into executable programs calculat- ing the solutions. This phase of constraint processing may require translations between constraint programming lan- guages, transformations of constraint representations, model optimizations, and tuning of solving strategies. In this paper, we introduce a pivot metamodel describing the common fea- tures of constraint models including different kinds of con- straints, statements like conditionals and loops, and other first-class elements like object classes and predicates. This metamodel is general enough to cope with the constructions of many languages, from object-oriented modeling languages to logic languages, but it is independent from them. The rewriting operations manipulate metamodel instances apart from languages. As a consequence, the rewriting operations apply whatever languages are selected and they are able to manage model semantic information. A bridge is created between the metamodel space and languages using parsing techniques. Tools from the software engineering world can be useful to implement this framework.

研究の動機と目的

• 多様なモデリング言語間で、高レベルの制約モデルを効率的なソルバ固有のコードにマッピングする課題に対処すること。
• 従来の1対多または平坦化されたモデル変換が元のモデル構造を損なうという制限を克服すること。
• ソース言語やターゲット言語に依存しない、再利用可能でモジュラーかつ意味論に配慮したモデル変換を可能にすること。
• 生成コードに高レベルのモデリング構成要素（例：ループ、オブジェクト）を保持することで、可読性とパフォーマンスを向上させること。
• 統一されたメタモデル抽象化を通じて、新しい制約モデリング言語の拡張可能な統合を可能にすること。

提案手法

• 制約、条件分岐、ループ、クラス、述語などを含む、共通する制約モデリング構成要素を抽象化する汎用的なピボットメタモデルを定義する。
• 構文から意味論を分離するために、パース技術を用いてソース制約モデルをピボットメタモデルのインスタンスに変換する。
• モデル変換操作（例：制約の再構成、構造最適化）を、ソース言語やターゲット言語に依存せずにピボットメタモデルインスタンス上で実行する。
• 変換後のピボットモデルからターゲットソルバコードを生成し、ループなどの高レベル構造を保持し、不要な平坦化を回避する。
• 既存のモデル工学ツール（例：ATL、Kermeta）を活用して、メタモデル上のルールベースの変換を実装する。
• 意味論的およびパフォーマンス上の利点がある場合にのみ、ループ展開や制約タイプ変換などの変換を適用する。

実験結果

リサーチクエスチョン

• RQ1 複数のCP言語にまたがる多様な制約モデリング構成要素を表現するための、統一的かつ言語に依存しないメタモデルをどのように設計できるか？
• RQ2 ソルバ固有のコードへの変換過程で、制約モデルの元の構造的意味論をどの程度保全できるか？
• RQ3 ループ展開は制約解決にどのような影響を及ぼすか？また、構造を保全する変換は効率性をどのように向上させ得るか？
• RQ4 ピボットメタモデルベースのフレームワークは、複数のソース言語およびターゲット制約プログラミング言語間で、柔軟でモジュラーかつ拡張可能な変換をサポートできるか？
• RQ5 異なるモデリング言語における構文的表現に依存せずに、意味論に配慮したモデル変換をどのように実装できるか？

主な発見

• 生成モデルにおけるループ構造の保持は、顕著なパフォーマンス向上をもたらす：28-クイーン問題では、構造化されたループを使用した場合に80.73秒で解決されたが、ループを展開した場合に87.73秒かかった。
• 20-クイーン問題では、ループを展開した場合に解決時間が7.8%増加した（5.02秒 vs. 4.63秒）、これは展開による伝播オーバーヘッドの増加を示している。
• 本フレームワークは、平坦化された展開表現を避けることで、可読性と構造の維持に成功しており、Flat s-COMMAなどの従来のアプローチとは異なり、モデルの構造的整合性を保っている。
• ピボットメタモデルの使用により、変換のモularityと再利用性が向上し、新しい言語やソルバの統合に要する作業量が削減された。
• 実験的結果から、構造を保全する変換は、平坦化に基づくアプローチよりも解決効率が優れていることが確認された。特に、複雑な制御構造を持つ問題において顕著であった。
• 本アプローチは、モデリング言語とソルバ間のmany-to-manyマッピングをサポートしており、従来の1対多や手動でコードを生成するシステムに比べ、より高い柔軟性を実現している。