[論文レビュー] Techniques for Solving Sudoku Puzzles

Eric C. Chi, Kenneth Lange|arXiv (Cornell University)|Mar 11, 2012

graph theory and CDMA systems被引用数 5

ひとこと要約

本稿では、スウドクを解くための3つのアルゴリズム—バックトラッキング、シミュレーテッド・アニーリング、交互射影—を評価し、標準的な9×9パズルではバックトラッキングが最も信頼性が高く効率的であることを示している。一方、難易度の高い問題では、交互射影法が困難なインスタンスにおいて収束が速いため、有望である。研究では、組合せ最適化における正確な手法と近似手法の間のトレードオフを強調している。

ABSTRACT

Solving Sudoku puzzles is one of the most popular pastimes in the world. Puzzles range in difficulty from easy to very challenging; the hardest puzzles tend to have the most empty cells. The current paper explains and compares three algorithms for solving Sudoku puzzles. Backtracking, simulated annealing, and alternating projections are generic methods for attacking combinatorial optimization problems. Our results favor backtracking. It infallibly solves a Sudoku puzzle or deduces that a unique solution does not exist. However, backtracking does not scale well in high-dimensional combinatorial optimization. Hence, it is useful to expose students in the mathematical sciences to the other two solution techniques in a concrete setting. Simulated annealing shares a common structure with MCMC (Markov chain Monte Carlo) and enjoys wide applicability. The method of alternating projections solves the feasibility problem in convex programming. Converting a discrete optimization problem into a continuous optimization problem opens up the possibility of handling combinatorial problems of much higher dimensionality.

研究の動機と目的

• スウドクパズルを解くための3つの汎用アルゴリズム—バックトラッキング、シミュレーテッド・アニーリング、および交互射影法—を評価・比較すること。
• スウドクをテストケースとして用いて、正確な手法と近似手法のスケーラビリティおよびパフォーマンスの違いを評価すること。
• 数学的科学分野における計算的問題解決の教育的ツールとして、これらのアルゴリズムが果たす役割を示すこと。
• 連続最適化手法（例：交互射影法）が離散的組合せ最適化問題（例：スウドク）にどのように応用できるかを検討すること。
• 問題の難易度および計算制約に応じたアルゴリズム選択に関する知見を提供すること。

提案手法

• バックトラッキングは、空欄のマスに数字を割り当てることで部分解を体系的に探索し、制約伝播とリストの基数順序付けを用いて早期に無効な分岐を pruning する。
• シミュレーテッド・アニーリングは、減少する温度スケジュールに従う確率的探索を用い、局所的最小値から脱出する。これはマルコフ連鎖モンテカルロ（MCMC）の類似プロセスとしてモデル化される。
• 交互射影法は、離散的スウドク問題を凸集合上の可解性問題に再定式化し、行、列、および3×3のサブグリッド制約に交互に射影することで解に収束する。
• これらのアルゴリズムは、C言語（バックトラッキング）、Fortran 95（シミュレーテッド・アニーリングおよび交互射影法）で実装され、標準的および難易度の高いベンチマークセットを含む多様なパズルでテストされた。
• パフォーマンスは、難易度の異なるパズルにおける実行時間統計と成功確率を用いて評価された。特に「Top 95」難易度の高いベンチマークセットが使用された。
• スウドクの制約は、行、列、および3×3のサブグリッド内での一意性要件を満たす整数割り当てとしてエンコードされ、NP完全な充足可能性問題を形成する。

実験結果

リサーチクエスチョン

• RQ1 バックトラッキング、シミュレーテッド・アニーリング、および交互射影法は、標準的および難易度の高いスウドクパズルを解く際、成功確率および実行時間の観点でどのように比較されるか？
• RQ2 なぜシミュレーテッド・アニーリングは最も難しいパズルで失敗するのか？また、局所的最小値はそのパフォーマンス低下にどのように寄与しているのか？
• RQ3 近似手法である交互射影法は、非常に難しいスウドクインスタンスにおいてもバックトラッキングを上回る性能を示せるのか？
• RQ4 連続最適化手法（例：交互射影法）は、スウドクのような離散的組合せ最適化問題にどの程度応用可能なのか？
• RQ5 スウドクにおけるアルゴリズムのパフォーマンスから得られる知見は、高次元の組合せ最適化分野への広範な応用にどの程度役立つのか？

主な発見

• バックトラッキングは、テストされたすべての9×9スウドクパズル（「Top 95」難易度ベンチマークセットを含む）を正しく解き、平均実行時間0.159秒、最大0.525秒を記録した。
• シミュレーテッド・アニーリングは、最も難しいペンシルアンドペーパー・パズルのほとんどを解いたが、実行時間に大きなばらつきがあり、最大7.204秒、平均1.104秒を記録した。
• 交互射影法は標準的パズルでは中程度のパフォーマンスを示したが、最も難しいベンチマークで優れた性能を示し、一部のインスタンスではバックトラッキングよりも速く解を求めていた。これは、実行時間の散布図において破線より下にある点として示された。
• 「Top 95」パズルでは、典型的な局所的最小値にシミュレーテッド・アニーリングが閉じ込められ、1ステップの交換ですら制約違反を増加させることがあり、これがその失敗の理由を説明している。
• 交互射影法は、一部の非常に難しいパズルにおいて、バックトラッキングよりも速く正しい解を発見した。これは、高次元の組合せ最適化問題への応用の可能性を示唆している。
• 本研究は、バックトラッキングがスウドクに対して最も信頼性が高い方法であることを確認したが、近似手法（例：交互射影法）は、より大きなまたはより複雑なインスタンスにおいてはよりスケーラブルである可能性がある。