[論文レビュー] SUNNY: a Lazy Portfolio Approach for Constraint Solving

Roberto Amadini, Maurizio Gabbrielli+1 more|SPIRE - Sciences Po Institutional REpository|Nov 14, 2013

Logic, Reasoning, and Knowledge被引用数 7

ひとこと要約

SUNNYは、オフライン学習を必要とせず、k-NNを用いてインスタンスの類似度に基づいてソルバを選択する、制約充足問題（CSP）のためのラジカルなポーフォリオ手法を提案する。この手法は、最近傍集合内で最も多くのインスタンスを解けるソルバを優先順位付けすることで動的にソルバをスケジューリングし、シミュレーションおよび実際の実装（sunny-csp）において、CPHydra、3S、SATzillaといった最先端のポーフォリオソルバを上回る性能を達成した。

ABSTRACT

*** To appear in Theory and Practice of Logic Programming (TPLP) *** Within the context of constraint solving, a portfolio approach allows one to exploit the synergy between different solvers in order to create a globally better solver. In this paper we present SUNNY: a simple and flexible algorithm that takes advantage of a portfolio of constraint solvers in order to compute --- without learning an explicit model --- a schedule of them for solving a given Constraint Satisfaction Problem (CSP). Motivated by the performance reached by SUNNY vs. different simulations of other state of the art approaches, we developed sunny-csp, an effective portfolio solver that exploits the underlying SUNNY algorithm in order to solve a given CSP. Empirical tests conducted on exhaustive benchmarks of MiniZinc models show that the actual performance of SUNNY conforms to the predictions. This is encouraging both for improving the power of CSP portfolio solvers and for trying to export them to fields such as Answer Set Programming and Constraint Logic Programming.

研究の動機と目的

• 制約充足問題（CSP）におけるポーフォリオソルバの実用的かつ軽量な使用を可能にするために、SATとCSPのポーフォリオソルバのギャップを埋めること。
• 複雑で計算コストの高いオフライン学習フェーズを必要とする従来のポーフォリオソルバの限界を克服すること。
• 実世界の応用に適した柔軟性、段階的処理、および展開可能性を備えたポーフォリオソルバの開発。
• CSP解決におけるラジカルで類似度に基づくソルバ選択メカニズムの有効性の評価。
• ポーフォリオソルバの適用範囲を、答え集合プログラミング（ASP）や制約論理プログラミング（CLP）といった新興分野へ拡張すること。

提案手法

• SUNNYは、k-Nearest Neighbors（k-NN）アルゴリズムを用いて、新しい未観測CSPインスタンスと類似度が最も高いk個のインスタンスをトレーニングセットから特定する。
• k-NN近傍内でのインスタンスを最大限に解ける最小のソルバ集合からなるサブポーフォリオを構築する。
• 各ソルバの時間割り当ては、そのソルバが近傍内で正しく解いたインスタンス数に比例する。
• 明示的なモデル学習を避けるために、インスタンス類似度と過去のソルバのパフォーマンスにのみ依存する。
• この手法は、11個の組み込みソルバを備えたMiniZinc互換のポーフォリオソルバであるsunny-cspとして実装されている。
• このフレームワークは、並列ポーフォリオやASP・CLPなどの他の分野へも拡張可能に設計されている。

実験結果

リサーチクエスチョン

• RQ1 オフラインモデル学習を必要とせず、ラジカルで類似度に基づくポーフォリオアプローチが、CSP解決において最先端のポーフォリオソルバを上回ることができるか？
• RQ2 k-NNに基づくソルバ選択は、新しいCSPインスタンスに対して最適なソルバを予測するのにどの程度有効か？
• RQ3 SUNNYアルゴリズムは、多様なMiniZincベンチマークにわたってどの程度スケーラブルかつ一般化可能か？
• RQ4 SUNNYに基づくポーフォリオソルバは、実際の場面で個々の組み込みソルバよりも優れた性能を発揮できるか？
• RQ5 性能と実用的展開可能性の観点から、SUNNYアプローチは、非ラジカルで学習ベースのポーフォリオ手法と比べてどの程度優れているか？

主な発見

• SUNNYは、シミュレーションベースの性能比較において、CPHydra、3S、SATzillaを含む、すべての評価対象の最先端ポーフォリオソルバを上回った。
• 実際の実装であるsunny-cspは、包括的なMiniZincベンチマークにおいて、その11個の組み込みソルバすべてを顕著に上回った。
• 実証的結果により、sunny-cspのパフォーマンスがSUNNYシミュレーションからの予測と密接に一致することが確認された。
• この手法は、学習のオーバーヘッドがなくシンプルであるため、非競争的で実世界の環境への展開の可能性が非常に高い。
• 答え集合プログラミング（ASP）や制約論理プログラミング（CLP）といった他の分野へも適応可能であり、最適化問題においても初期の結果が明るい。
• 将来的な拡張が可能であり、オンライン学習、動的知識ベースの更新、並列ポーフォリオ実行などの拡張が想定できる。