[논문 리뷰] Rewriting Constraint Models with Metamodels

Raphaël Chenouard, Laurent Granvilliers외 1명|arXiv (Cornell University)|2010. 02. 16.

Constraint Satisfaction and Optimization참고 문헌 21인용 수 4

한 줄 요약

이 논문은 핵심 제약 모델링 구조를 포괄하는 언어에 종속되지 않는 피벗 메타모델을 사용하여 제약 모델을 재작성하는 모델 기반 프레임워크를 제안한다. 모델 변환을 특정 언어에서 분리함으로써, 다양한 제약 프로그래밍 언어와 솔버 간에 구조를 유지하면서도 영리하고 재사용 가능한 재작성 전략을 가능하게 하며, 반복 구조를 유지할 경우 평탄화된 모델보다 해소 효율성이 향상됨을 실험적으로 입증한다.

ABSTRACT

An important challenge in constraint programming is to rewrite constraint models into executable programs calculat- ing the solutions. This phase of constraint processing may require translations between constraint programming lan- guages, transformations of constraint representations, model optimizations, and tuning of solving strategies. In this paper, we introduce a pivot metamodel describing the common fea- tures of constraint models including different kinds of con- straints, statements like conditionals and loops, and other first-class elements like object classes and predicates. This metamodel is general enough to cope with the constructions of many languages, from object-oriented modeling languages to logic languages, but it is independent from them. The rewriting operations manipulate metamodel instances apart from languages. As a consequence, the rewriting operations apply whatever languages are selected and they are able to manage model semantic information. A bridge is created between the metamodel space and languages using parsing techniques. Tools from the software engineering world can be useful to implement this framework.

연구 동기 및 목표

• 다양한 모델링 언어 간에 고수준 제약 모델을 효율적인 솔버 전용 코드로 매핑하는 데 도전하는 것.
• 이전의 일대다 또는 평탄화된 모델 변환 방식이 원래 모델의 구조를 상실하는 한계를 극복하는 것.
• 원본 또는 대상 언어에 종속되지 않은 재사용 가능하고 모듈화된, 의미 기반의 모델 변환을 가능하게 하는 것.
• 생성된 코드에 고수준 모델링 구조(예: 반복문, 객체)를 유지하여 가독성과 성능을 향상시키는 것.
• 통합된 메타모델 추상화를 통해 새로운 제약 모델링 언어의 확장 가능한 통합을 지원하는 것.

제안 방법

• 제약, 조건문, 반복문, 클래스, 조건자 등 공통된 제약 모델링 구조를 추상화하는 일반 목적의 피벗 메타모델 정의.
• 구문과 의미를 분리하기 위해 파싱 기법을 사용하여 소스 제약 모델을 피벗 메타모델 인스턴스로 변환.
• 피벗 메타모델 인스턴스에서 모델 재작성 작업(예: 제약 재구성, 구조 최적화)을 수행하며, 원본 또는 대상 언어에 종속되지 않도록 한다.
• 변환된 피벗 모델에서 목표 솔버 코드를 생성하며, 반복문과 같은 고수준 구조를 유지하고 불필요한 평탄화를 방지한다.
• 기존 모델 엔지니어링 도구(예: ATL, Kermeta)를 활용하여 메타모델 기반 규칙 기반 변환을 구현한다.
• 의미론적 또는 성능상 유리할 경우에만 반복 전개 또는 제약 유형 변환과 같은 변환을 적용한다.

실험 결과

연구 질문

• RQ1 다양한 CP 언어에서 다양한 제약 모델링 구조를 표현할 수 있는 통합적이고 언어에 종속되지 않는 메타모델을 어떻게 설계할 수 있는가?
• RQ2 솔버 전용 코드로의 변환 과정에서 원래 제약 모델의 구조적 의미를 얼마나 잘 유지할 수 있는가?
• RQ3 반복 전개가 제약 해소에 어떤 영향을 미치며, 구조 유지 변환은 효율성을 어떻게 향상시킬 수 있는가?
• RQ4 피벗 메타모델 기반 프레임워크는 다수의 소스 및 대상 제약 프로그래밍 언어 간에 영리하고 모듈화되며 확장 가능한 변환을 지원할 수 있는가?
• RQ5 다양한 모델링 언어의 구문 표현에 종속되지 않고 의미 기반의 모델 변환을 어떻게 구현할 수 있는가?

주요 결과

• 생성된 모델에서 반복 구조를 유지하면 성능 향상이著명하다: 28-퀸 문제는 반복 구조를 유지한 경우 80.73초에 해결되었고, 반복 전개한 경우 87.73초였다.
• 20-퀸 문제에서는 반복 전개 시 해소 시간이 7.8% 증가했다(5.02초 대비 4.63초), 이는 전개로 인한 전파 오버헤드 증가를 시사한다.
• 이전의 Flat s-COMMA와 달리, 프레임워크는 평탄화된 전개 표현을 피함으로써 모델의 가독성과 구조 유지에 성공했다.
• 피벗 메타모델의 사용은 모듈화되고 재사용 가능한 변환을 가능하게 하여, 새로운 언어 및 솔버의 통합에 드는 노력 감소를 이끌었다.
• 실험 결과는 복잡한 제어 구조를 가진 문제에서, 평탄화 기반 접근보다 구조 유지 변환이 해소 효율성이 뛰어나다는 것을 확인했다.
• 이 방법은 모델링 언어와 솔버 간에 다대다 매핑을 지원하여, 이전의 일대다 또는 수작업 번역 시스템보다 더 큰 유연성을 제공한다.