[논문 리뷰] Experimental Evaluation of Branching Schemes for the CSP

Thanasis Balafoutis, Anastasia Paparrizou외 1명|arXiv (Cornell University)|2010. 09. 02.

Constraint Satisfaction and Optimization참고 문헌 16인용 수 6

한 줄 요약

이 논문은 제약 충족 문제(CSPs)를 위한 일반적이고 군집 기반의 세트 분기 방법을 제안한다. 이 방법은 값 순서 정책 히وري스틱 점수와 기계 학습 기반 군집화를 사용하여 도메인 값을 그룹화한다. 실험적으로 이 방법은 표준 2방향 분기 및 기타 방법보다 뛰어나며, 특히 밀도가 높은 문제 유형에서 뛰어난 성능을 보였다. 통계 분석을 통해 이 방법은 벤치마크 전반에서 최고의 성능을 보이며, 유의미한 우월성을 입증하였다.

ABSTRACT

The search strategy of a CP solver is determined by the variable and value ordering heuristics it employs and by the branching scheme it follows. Although the effects of variable and value ordering heuristics on search effort have been widely studied, the effects of different branching schemes have received less attention. In this paper we study this effect through an experimental evaluation that includes standard branching schemes such as 2-way, d-way, and dichotomic domain splitting, as well as variations of set branching where branching is performed on sets of values. We also propose and evaluate a generic approach to set branching where the partition of a domain into sets is created using the scores assigned to values by a value ordering heuristic, and a clustering algorithm from machine learning. Experimental results demonstrate that although exponential differences between branching schemes, as predicted in theory between 2-way and d-way branching, are not very common, still the choice of branching scheme can make quite a difference on certain classes of problems. Set branching methods are very competitive with 2-way branching and outperform it on some problem classes. A statistical analysis of the results reveals that our generic clustering-based set branching method is the best among the methods compared.

연구 동기 및 목표

• 변수/값 순서 정책 히وري스틱스에 비해 덜 다뤄진 분기 전략의 영향을 체계적으로 평가하는 것.
• 값들이 집합으로 묶이고 그 집합으로 분기되는 세트 분기 방법이 표준 2방향 및 d방향 분기보다 뛰어나게 작용할 수 있는지 조사하는 것.
• 값 순서 정책 히وري스틱스 점수와 군집 알고리즘을 활용하여 문제에 특화된 튜닝 없이도 재사용 가능한 일반적인 세트 분기 접근법을 개발하는 것.
• 쌍체 t-검정을 활용하여 다양한 분기 전략 간 성능 차이의 통계적 유의성과 강건성을 평가하는 것.

제안 방법

• 값 순서 정책 히وري스틱스 점수를 사용하여 도메인 값 간 유사도 측정치로 활용한다.
• 기계 학습에서 사용하는 x-means 군집 알고리즘을 적용하여 변수 도메인을 값의 집합으로 분할한다.
• 개별 값이 아닌 군집으로 분기하는 일반적인 세트 분기 프레임워크를 구현한다.
• 군집 수에 따라 세트 분기 프레임워크 내에서 2방향 또는 d방향 분기 방식을 지원한다.
• 모든 값의 점수가 유사할 경우(예: 유일한 군집이 생성될 경우) d방향 또는 2방향 분기로 전환한다.
• 성능 차이의 통계적 유의성을 평가하기 위해 쌍체 t-검정을 사용한다.

실험 결과

연구 질문

• RQ1 2방향, d방향, 도메인 분할, 세트 분기와 같은 다양한 분기 전략이 CSP 검색 성능에서 어떻게 비교되는가?
• RQ2 특히 군집화를 사용하는 세트 분기 방법이 다양한 문제 유형에서 표준 2방향 분기보다 뛰어나게 작용할 수 있는가?
• RQ3 문제에 특화된 튜닝 없이도 히وري스틱스 기반 군집화를 활용한 일반적인 세트 분기 접근법이 일관된 성능 향상을 가져올 수 있는가?
• RQ4 2방향 분기와 제안된 군집 기반 세트 분기 방법 간 성능 차이의 통계적 유의성은 무엇인가?

주요 결과

• 제안된 군집 기반 세트 분기 방법은 평가된 모든 전략 중에서 가장 뛰어난 종합 성능을 보였으며, 쌍체 t-검정에서 통계적으로 유의미한 우위를 확보하였다.
• 세트 분기 방법은 모든 문제 유형에서 d방향 분기보다 뛰어났으며, 특히 밀도가 높은 인스턴스에서 2방향 분기와 경쟁하거나 승리하였다.
• 도메인 분할과 d방향 분기는 항상 2방향 분기보다 효율이 떨어졌으며, 도메인 분할은 평균 CPU 시간 감소량이 -241초(95% 신뢰구간: -357 ~ -125)를 기록하였다.
• 2방향 군집 세트 분기 방법은 2방향 티즈 세트 분기보다 평균 성능 향상(32.4초)이 높았고, 결과의 변동성이 낮았다.
• 68%의 인스턴스에서 군집 기반 세트 분기 방법은 2방향 분기 대비 1.5배 이상의 속도 향상을 달성했으며, 특히 밀도가 높은 문제 유형에서 뚜렷한 향상이 관찰되었다.
• x-means가 생성한 군집 수는 일반적으로 낮았으며(2~3개), 유일한 군집이 생성된 경우 메서드는 유연하게 d방향 또는 2방향 분기로 전환하였다.