[논문 리뷰] ACE, a generic constraint solver

Christophe Lecoutre|arXiv (Cornell University)|2023. 01. 06.

Constraint Satisfaction and Optimization인용 수 4

한 줄 요약

ACE는 정수 및 부울 변수를 위한 오픈소스이자 자바 기반의 제약사항 해결기로, XCSP 3 형식을 통해 최신 기술의 표 테이블 제약사항, 전역 제약사항 및 단일 기준 최적화를 지원합니다. 표 테이블 제약사항에 대해 VA, STR, CT와 같은 효율적인 필터링 알고리즘을 적용하며, Wdeg, WdegOnDom 등의 고급 검색 히وري스틱을 통합하고, 분기 및 바운드 및 이진 탐색 전략을 통해 최적화를 지원하여 스케줄링, 바이오인포매틱스 및 데이터 마이닝 분야에서 복잡한 조합 최적화 문제를 해결하는 데 적합합니다.

ABSTRACT

Constraint Programming (CP) is a useful technology for modeling and solving combinatorial constrained problems. On the one hand, on can use a library like PyCSP3 for easily modeling problems arising in various application fields (e.g., scheduling, planning, data-mining, cryptography, bio-informatics, organic chemistry, etc.). Problem instances can then be directly generated from specific models and data. On the other hand, for solving instances (notably, represented in XCSP3 format), one can use a constraint solver like ACE, which is presented in this paper. ACE is an open-source constraint solver, developed in Java, which focuses on integer variables (including 0/1-Boolean variables), state-of-the-art table constraints, popular global constraints, search heuristics and (mono-criterion) optimization.

연구 동기 및 목표

• 정수 및 부울 변수에 특화된 경량이며 유지보수 용이성과 효율성을 갖춘 제약사항 해결기를 개발하기 위해.
• 표준화된 인터페이스 내에서 표 테이블 및 전역 제약사항에 대한 최신 기술의 필터링 기법을 지원하기 위해.
• 제약사항 만족 및 최적화 문제에서 검색 히وري스틱 및 최적화 전략에 대한 확장성 있고 모듈러한 지원을 제공하기 위해.
• PyCSP 3와 같은 모델링 도구와의 상호운용성을 확보하기 위해 XCSP 3 표준과의 호환성을 보장하기 위해.
• 스케줄링, 데이터 마이닝 및 바이오인포매틱스와 같은 분야에서 실제 조합 최적화 문제를 효과적으로 해결할 수 있도록 하기 위해.

제안 방법

• ACE는 변수, 제약사항, 검색, 최적화 등의 책임을 분리하는 13개의 핵심 패키지로 구성된 모듈러 아키텍처를 구현합니다.
• 정수 및 기호 변수는 도메인 순서를 유지하기 위해 배열과 비트 벡터를 기반으로 하는 순서 있는 이중 연결 리스트로 표현됩니다.
• 표 테이블 제약사항은 전용 프로파게이터를 통해 필터링됩니다: 유효-허용(Valid-Allowed, VA), 단순 표 테이블 축소(Simple Tabular Reduction, STR), 압축-테이블(Compact-Table, CT)으로, 별표형 및 하이브리드 변형도 포함됩니다.
• 일반화된 제약사항은 기본 기반 필터링과 덜 일반적인 형태에 대해 일반화된 필터링 기법(G)AC3 rm을 통해 처리됩니다.
• AllDifferent, Cumulative, Count와 같은 전역 제약사항은 효율적인 전파 알고리즘을 사용해 내장된 방식으로 지원됩니다.
• 검색은 확장 가능한 히وري스틱을 통해 이뤄지며, 변수 순서(예: Dom, WdegOnDom) 및 값 순서(예: Rand, Bivs)가 있으며, -wt와 같은 옵션을 통해 구성 가능한 변형이 가능합니다.

실험 결과

연구 질문

• RQ1 현대 제약사항 기능을 지원하면서도 경량성과 효율성을 동시에 확보할 수 있는 제약사항 해결기 설계 방법은 무엇인가요?
• RQ2 일반적인 해결기에서 표 테이블 제약사항에 대해 가장 뛰어난 성능을 보이는 필터링 알고리즘은 무엇인가요?
• RQ3 다양한 검색 히وري스틱은 조합 최적화 문제 해결의 효율성에 어떤 영향을 미치나요?
• RQ4 모듈러하고 오픈소스인 제약사항 해결기는 단일 기준 최적화 및 XCSP 3와의 통합을 효과적으로 지원할 수 있는가요?
• RQ5 불가능한 부분 상태(IPS) 및 노고드(Nogood) 추론은 검색 성능 향상에 어떤 역할을 하나요?

주요 결과

• ACE는 XCSP 3 -core에서 정의한 모든 핵심 제약사항, 즉 AllDifferent, Cumulative, Count를 효율적인 전파 메커니즘으로 지원합니다.
• Wdeg 및 WdegOnDom 등의 고급 검색 히وري스틱을 다수의 변형(VAR, UNIT, CACD, CHS)과 함께 구현하였으며, 기본적으로 CACD가 선택됩니다.
• 표 테이블 제약사항은 VA, STR, CT 프로파게이터를 통해 효율적으로 필터링되며, 별표형 및 하이브리드 테이블 표현 방식도 지원합니다.
• 최적화는 감소하는 바운드 업데이트(분기 및 바운드), 증가하는 바운드 업데이트(램프업), 이진 탐색 전략의 세 가지 전략을 통해 지원됩니다.
• 노고드 및 IPS 추론은 NogoodReasoner와 IpsReasoner를 통해 구현되어 재시작 시 학습을 통해 검색 효율성을 향상시킵니다.
• ACE는 PyCSP 3 및 XCSP 3와 호환되어 실제 응용 분야에서 모델링 및 해결의 엔드 투 엔드 파이프라인을 가능하게 합니다.