[論文レビュー] The Exact Closest String Problem as a Constraint Satisfaction Problem

Tom Kelsey, Lars Kotthoff|arXiv (Cornell University)|May 1, 2010

Constraint Satisfaction and Optimization参考文献 24被引用数 9

ひとこと要約

本稿では、正確な最寄り文字列問題に対する制約充足問題（CSP）の定式化を初めて提示し、記号出現に基づく探索ヒューリスティクスが最適距離以上でのインスタンス解決において数個のオーダーの高速化を達成することを示している。分散CSPおよびCSP-数値ハイブリッドアルゴリズムを導入し、ウェブ規模のインfra構造上でのスケーラブルなすべての最寄り文字列の解法を実現し、耐障害性を備えた計算を可能にするとともに、超線形な高速化の可能性を秘めている。

ABSTRACT

We report (to our knowledge) the first evaluation of Constraint Satisfaction as a computational framework for solving closest string problems. We show that careful consideration of symbol occurrences can provide search heuristics that provide several orders of magnitude speedup at and above the optimal distance. We also report (to our knowledge) the first analysis and evaluation -- using any technique -- of the computational difficulties involved in the identification of all closest strings for a given input set. We describe algorithms for web-scale distributed solution of closest string problems, both purely based on AI backtrack search and also hybrid numeric-AI methods.

研究の動機と目的

• 制約充足問題（CSP）が正確な最寄り文字列問題を解くための計算フレームワークとして有効であるかを評価すること。
• 最適距離以上でのCSP解法を著しく高速化する、記号出現に基づく探索ヒューリスティクスの特定および実装。
• 与えられた入力集合に対してすべての最寄り文字列を特定する際の計算複雑性を分析すること。
• ウェブ規模のインfra構造上で、最寄り文字列問題を解くためのスケーラブルで耐障害性のある分散アルゴリズムの設計および展開。
• CSP探索と数値最適化技術を組み合わせたハイブリッド手法の検討。

提案手法

• 各文字列位置に変数を定義し、アルファベット{A, C, G, T}をドメインとして定め、入力文字列からの最大ハミング距離を保証する制約を設けることで、最寄り文字列問題をCSPとしてモデル化する。
• 記号出現頻度のばらつきが小さい割り当てを優先することで、探索を効率的に導く、記号出現に基づく探索ヒューリスティクスを実装する。
• Minionを用いた分散CSPソルバを設計し、クラウドノード間で探索空間を分割することで、重複計算を回避するとともに、状態回復による障害耐性を確保する。
• 整数プログラミングの分枝限定法を応用した数値的分枝限定法とCSPバックトラック探索を組み合わせることで、両パラダイムの長所を活かしたハイブリッドアルゴリズムを開発する。
• 固定距離$d$に対して線形時間アルゴリズムを前処理として用い、CSPまたはハイブリッド探索の前に探索空間を制限する。
• クラウドインfra構造にシステムを展開し、ウェブ規模で耐障害性があり水平スケーラブルなすべての最寄り文字列の計算を可能にする。

実験結果

リサーチクエスチョン

• RQ1 制約充足問題（CSP）は、特に最適距離以上での状況において、正確な最寄り文字列問題を効果的に解くために適しているだろうか？
• RQ2 CSPソルバにおける記号出現に基づくヒューリスティクスは、最寄り文字列問題において顕著な性能向上をもたらすだろうか？
• RQ3 すべての最寄り文字列を特定する際の計算的課題は何か。それらは効率的に解決できるか？
• RQ4 分散CSP計算は、実際の最寄り文字列問題において超線形の高速化を達成できるだろうか？
• RQ5 ハイブリッドCSP-数値手法は、純粋な離散的または数値的アプローチを上回る性能を発揮できるだろうか？

主な発見

• CSPソルバにおける記号出現に基づく探索ヒューリスティクスは、最適距離以上での最寄り文字列問題の解法において、数個のオーダーの高速化を実現する。
• CSPモデリングは距離の最適性を証明するのにはあまり効果がなく、事前に計算された境界値とハイブリッド手法の使用を促進する。
• 提案された分散CSPソルバはノード障害に対しても耐性があり、重複計算を回避し、クラウドインfra構造上で効果的にスケーリングする。
• ハイブリッドCSP-数値アルゴリズムは、離散的探索と数値最適化の長所を組み合わせ、大規模インスタンスの効率的解法を可能にする。
• 本稿では、分散CSP探索における超線形高速化の可能性を秘めた2つの要因を同定したが、実証的検証は未解決のまま残っている。
• 本研究は、すべての最寄り文字列を特定する計算の難易度についての最初の分析を提供し、任意の位置で共通の記号を持たない文字列を除外することで、著しく効率が向上する可能性を示唆している。