[논문 리뷰] Dynamic Global Constraints: A First View

Roman Barták|ArXiv.org|2001. 09. 18.

Spacecraft Design and Technology인용 수 3

한 줄 요약

이 논문은 제약 프로그래밍을 위한 동적 글로벌 제약 조건을 소개하며, 해소 과정 중에 새로 추가된 변수에 적응할 수 있도록 한다. 해소 중에 변수가 추가될 때 일관성을 유지하는 데 효과적인 동적 필터링 알고리즘을 제안한다. 이 알고리즘은 O(G)의 공간 복잡도와 변수 추가당 O(G√P)의 시간 복잡도를 가지며, 처음부터 제약 조건을 다시 설정하는 것보다 훨씬 효율적이다.

ABSTRACT

Global constraints proved themselves to be an efficient tool for modelling and solving large-scale real-life combinatorial problems. They encapsulate a set of binary constraints and using global reasoning about this set they filter the domains of involved variables better than arc consistency among the set of binary constraints. Moreover, global constraints exploit semantic information to achieve more efficient filtering than generalised consistency algorithms for n-ary constraints. Continued expansion of constraint programming (CP) to various application areas brings new challenges for design of global constraints. In particular, application of CP to advanced planning and scheduling (APS) requires dynamic additions of new variables and constraints during the process of constraint satisfaction and, thus, it would be helpful if the global constraints could adopt new variables. In the paper, we give a motivation for such dynamic global constraints and we describe a dynamic version of the well-known alldifferent constraint.

연구 동기 및 목표

• 계획 및 스케줄링과 같은 동적 응용 분야에서 해소 과정 중에 새로 생성된 변수를 통합하는 데 도전하는 데 목적이 있다.
• 모든 변수를 사전에 알고 있어야 하는 정적 글로벌 제약 조건의 한계를 극복하는 데 목적이 있다.
• 전체 재처리 없이도 글로벌 제약 조건에 동적으로 변수를 추가할 수 있도록 효율적인 필터링 알고리즘을 설계하는 데 목적이 있다.
• 일반적인 동적 제약 조건 기법에 비해 시간 및 공간 효율성을 향상시키는 데 목적이 있다.

제안 방법

• 해소 중에 점진적으로 변수를 추가할 수 있는 all-different 글로벌 제약 조건의 동적 버전을 제안한다.
• 변수-값 관계를 표현하기 위해 값 그래프 데이터 구조를 사용하며, 새로운 변수가 도착할 때마다 간선을 점진적으로 업데이트한다.
• 최대 매칭 기반의 필터링 알고리즘을 사용하여, 변수가 추가될 때만 새로운 간선을 업데이트한다.
• 제약 조건을 동적으로 비활성화하고 재활성화할 수 있는 메커니즘을 도입하여 데이터 구조의 재사용을 가능하게 한다.
• 그래프 이론적 방법(최대 매칭)을 활용하여 효율적인 도메인 필터링을 달성한다.
• 최대 매칭을 점진적으로 업데이트하고, 변경 사항을 오직 새로운 간선에만 전파시켜 일관성을 유지한다.

실험 결과

연구 질문

• RQ1 제약 조건 해소 중에 동적으로 추가된 변수에 적응할 수 있도록 글로벌 제약 조건을 조정할 수 있는가?
• RQ2 변수가 점진적으로 도입될 때 필터링 효율성을 어떻게 유지할 수 있는가?
• RQ3 동적 변수 추가 상황에서 일관성을 유지하는 데 필요한 시간 및 공간 복잡도는 무엇인가?
• RQ4 실제로 동적 글로벌 제약 조건이 일반적인 동적 제약 조건 기법보다 뛰어나게 성능을 발휘할 수 있는가?
• RQ5 데이터 구조를 처음부터 다시 구축하지 않고도 글로벌 제약 조건의 일관성을 유지할 수 있는가?

주요 결과

• 동적 필터링 알고리즘은 변수 추가당 O(G)의 공간 복잡도와 O(G√P)의 시간 복잡도를 달성한다. 여기서 G는 값의 수이고 P는 변수의 수이다.
• 시간 복잡도 측면에서 일반적인 동적 제약 조건 기법보다 √P 배 빠르게 작동한다.
• 전체 재처리를 피하고 데이터 구조를 재사용함으로써 공간 복잡도를 O(GS)에서 O(G)로 감소시켰다.
• 알고리즘은 오직 새로운 간선에 대한 점진적 업데이트만을 통해 일관성을 유지하며, 전체 재계산을 피한다.
• 검색 과정 중에 변수가 하나씩 추가되더라도 효율적인 도메인 필터링을 지원한다.
• 특히 다수의 변수가 점진적으로 추가될 경우, 처음부터 제약 조건을 다시 설정하는 것보다 더 효율적이다.