[논문 리뷰] A Comparison of Logic Programming Approaches for Representation and Solving of Constraint Satisfaction Problems

Nikolay Pelov, Emmanuel De Mot외 1명|ArXiv.org|2000. 03. 08.

Logic, Reasoning, and Knowledge참고 문헌 26인용 수 6

한 줄 요약

이 논문은 제약 만족 문제(CSPs)를 표현하고 해결하기 위해 논리 프로그래밍 접근 방식—정확한/CLP, 추론, 안정 모델 의미론—을 비교한다. 그래프 색칠하기와 n-퀸 문제를 사용하여 기술성과 성능을 평가한 결과, CLP가 가장 빠르며, smodels와 같은 안정 모델 시스템은 잘 스케일링되며, 메타해석 비용이 있음에도 불구하고 추론 시스템은 낮은 오버헤드를 보였다.

ABSTRACT

Many logic programming based approaches can be used to describe and solve combinatorial search problems. On the one hand there are definite programs and constraint logic programs that compute a solution as an answer substitution to a query containing the variables of the constraint satisfaction problem. On the other hand there are approaches based on stable model semantics, abduction, and first-order logic model generation that compute solutions as models of some theory. This paper compares these different approaches from point of view of knowledge representation (how declarative are the programs) and from point of view of performance (how good are they at solving typical problems).

연구 동기 및 목표

• 제약 만족 문제(CSPs)를 표현하기 위한 다양한 논리 프로그래밍 패러다임의 기술적 표현력 평가.
• 표준 CSP 벤치마크에서 CLP, 추론, 안정 모델 의미론, 모델 생성 시스템의 성능 비교.
• 문제 크기가 증가함에 따라 각 접근 방식이 메모리 사용과 런타임 측면에서 얼마나 잘 스케일링되는지 평가.
• 비단조화 추론 프레임워크인 추론과 안정 모델이 기존 CLP에 비해 실용적인 이점을 제공하는지 조사.
• 안정 모델 계산에 제약 만족 기법을 효과적으로 통합하여 CSP에서의 성능 향상 가능성 탐색.

제안 방법

• 변수의 도메인을 나타내는 도메인 술어와 제약 조건을 나타내는 제약 술어를 사용하여 CSP를 정확한 논리 프로그램으로 표현.
• 변수-값 매핑을 추론하여 문제를 추론 논리 프로그램으로 변환하고, 해를 추론된 원소 집합으로 간주.
• 안정 모델 의미론 하에서 CSP를 논리 프로그램으로 인코딩하여, 해가 프로그램의 안정 모델과 대응되도록 함.
• SEM과 같은 시스템을 통해 모델 생성을 수행하고, 함수 기호의 해석으로서 해를 해석.
• 모든 시스템 간 공정한 비교를 위해 일관된 추상 문법을 사용하여 문법 특화 편향을 방지.
• 정확한/CLP에서는 SLDNF 해석을, 추론 시스템에서는 메타해석을, 안정 모델 계산에서는 하향식 기반 기반화를 사용.

실험 결과

연구 질문

• RQ1 CLP, 추론, 안정 모델 의미론, 모델 생성 시스템 등 다양한 논리 프로그래밍 패러다임이 CSP에 대해 기술적 표현력 측면에서 어떻게 비교되는가?
• RQ2 표준 CSP 문제에서 CLP와 비단조화 논리 프로그래밍 접근 방식(추론, 안정 모델) 간 성능 차이는 어떠한가?
• RQ3 각 시스템이 문제 크기가 증가함에 따라 메모리 사용과 런타임 측면에서 어떻게 스케일링되는가?
• RQ4 추론 또는 안정 모델 시스템의 오버헤드가 CLP에 비해 실용성에 얼마나 영향을 미치는가?
• RQ5 제약 만족 기법이 안정 모델 계산에 효과적으로 통합되어 CSP에서의 성능 향상에 기여할 수 있는가?

주요 결과

• 제약 논리 프로그래밍(CLP)이 가장 빠른 시스템으로, 대규모 그래프 색칠 문제에서 다른 시스템보다 거의 두 자리 수 정도 빠르게 작동한다.
• 안정 모델 의미론 기반의 smodels는 두 번째로 뛰어난 성능을 보이며, 간결한 프로그램 표현과 효율적인 기반화 덕분에 잘 스케일링된다.
• SLDNFAC(추론 시스템)은 smodels와 비슷한 낮은 오버헤드를 보이며, 문제 크기가 커짐에 따라 성능 저하가 서서히 증가한다.
• 모델 생성기인 SEM은 이론의 전체 기반화를 수행하기 때문에 대규모 문제에서 급격히 성능이 떨어지고 메모리가 부족해진다.
• ACLP는 SLDNFA보다 훨씬 열 劣하고 더 빠르게 성능이 저하되어, 추론을 통한 CSP 처리에서 비효율성을 보여준다.
• 이 연구는 안정 모델 의미론과 추론이 CLP보다 더 기술적인 문제 표현을 가능하게 하며, CLP는 절차적이고 덜 기술적인 방식을 취한다는 점을 확인한다.