[논문 리뷰] A Multicore Tool for Constraint Solving

Roberto Amadini, Maurizio Gabbrielli외 1명|arXiv (Cornell University)|2015. 02. 13.

Constraint Satisfaction and Optimization참고 문헌 24인용 수 8

한 줄 요약

sunny-cp2는 제약 만족 문제(CSP)와 제약 최적화 문제(COP)를 위한 최초의 동적, 병렬, 협업형 다코어 포트폴리오 솔버로, 문제에 따라 실시간으로 솔버를 스케줄링하는 일반화된 SUNNY 알고리즘을 활용한다. 특히 COP에서, 실시간으로 코어를 동적으로 할당하고 솔버 간에 상한값을 공유함으로써 개별 솔버와 오라클 가상 최적 솔버(VBS)를 모두 능가한다.

ABSTRACT

*** To appear in IJCAI 2015 proceedings *** In Constraint Programming (CP), a portfolio solver uses a variety of different solvers for solving a given Constraint Satisfaction / Optimization Problem. In this paper we introduce sunny-cp2: the first parallel CP portfolio solver that enables a dynamic, cooperative, and simultaneous execution of its solvers in a multicore setting. It incorporates state-of-the-art solvers, providing also a usable and configurable framework. Empirical results are very promising. sunny-cp2 can even outperform the performance of the oracle solver which always selects the best solver of the portfolio for a given problem.

연구 동기 및 목표

• 제약 프로그래밍(CP) 분야에서 최적화 문제에 특화된 동적, 병렬, 협업형 포트폴리오 솔버의 부족을 해결하기 위해.
• 다코어 아키텍처에서 적응형 스케줄링을 활용해 효율적이고 실시간으로 솔버 선택 및 실행을 가능하게 하기 위해.
• CSP 및 COP 인스턴스 모두에 대해 최신 CP 솔버를 통합한 사용자 친화적이고 구성 가능한 프레임워크를 제공하기 위해.
• 정적 포트폴리오 접근 방식과 심지어 이론적 VBS(Virtual Best Solver)를 초월하여 COP에서 성능을 향상시키기 위해.

제안 방법

• 문제 p에 대해 유사한 학습 인스턴스를 식별하기 위해 k-최근접 이웃(k-NN)을 사용하여 SUNNY 알고리즘을 다코어 환경에 일반화한다.
• 세 가지 휴리스틱을 적용한다: h_sel(솔버 선택), h_all(솔버의 효과성 비례로 실행 시간 할당), h_sch(기대 속도 순으로 정렬)를 통한 동적 스케줄링.
• 정적 포트폴리오 접근 방식과는 달리, 문제 특성과 가용 코어에 따라 적응하는 동적 실시간 스케줄링 전략을 구현한다.
• 구성 가능한 재시작 메커니즘을 통해 솔버들이 최선의 알려진 상한값을 공유할 수 있도록 하여 COP에서의 협업 실행을 가능하게 한다.
• MiniZinc용 통합형 확장 가능한 프레임워크에 최신 솔버(예: Chuffed, G12/Gurobi, HaifaCSP)를 통합한다.
• 구성 가능한 모듈식 아키텍처를 사용하여 파ameter 조정과 새로운 솔버 및 병렬화 전략의 향후 확장성을 지원한다.

실험 결과

연구 질문

• RQ1 동적, 다코어 포트폴리오 솔버가 CSP 및 COP 인스턴스에서 정적 포트폴리오 솔버와 오라클 VBS를 모두 능가할 수 있는가?
• RQ2 병렬 솔버 간의 협업적 상한값 공유가 최적화 성능 향상에 얼마나 효과적인가?
• RQ3 통합 프레임워크가 병렬, 협업형, 실시간 스케줄링 방식으로 다양한 최신 CP 솔버를 효율적으로 관리할 수 있는가?
• RQ4 문제 유사성 기반 동적 솔버 선택 전략이 고정 또는 순차적 전략 대비 성능 향상에 얼마나 기여하는가?
• RQ5 sunny-cp2는 대규모 이질적 벤치마크에서 다양한 코어 수(c=1,2,4,8)에 대해 어떻게 스케일링되는가?

주요 결과

• sunny-cp2는 후행적으로 각 문제에 대해 최적의 솔버를 선택하는 가상 최적 솔버(VBS)에 매우 가까운 성능을 달성하고, 경우에 따라 이를 뛰어넘는다.
• COP에 대해 c=1,2,4,8 코어로 실행할 때 sunny-cp2는 정적 병렬 포트폴리오인 상위 c개 솔버로 구성된 가상 c-병렬 솔버(VPS_c)를 항상 능가한다.
• ~5,000개의 COP 인스턴스로 구성된 벤치마크에서 sunny-cp2는 모든 개별 솔버와 그 이전 버전인 sunny-cp를 크게 능가한다.
• 동적 실시간 스케줄링 전략은 정적 또는 순차적 접근 방식보다 더 우수한 로드 밸런싱과 더 빠른 수렴을 가능하게 한다.
• COP에서의 협업 재시작 메커니즘은 상한값 전파를 향상시키고 전체 해결 시간을 단축시킨다.
• sunny-cp2는 다양한 문제 유형에 걸쳐 뛰어난 확장성과 강건성을 보이며, 수작업 최적화된 솔버에 대한 실질적인 대안임을 입증한다.