[论文解读] On Global Warming (Softening Global Constraints)

Willem Jan van Hoeve, Gilles Pesant+1 more|PolyPublie (École Polytechnique de Montréal)|Aug 9, 2004

Constraint Satisfaction and Optimization参考文献 21被引用 8

一句话总结

本文提出了全局基数约束（gcc）和正则约束的软化版本，通过在其底层图结构中增加松弛弧，实现了对过约束问题的高效领域一致性过滤。该方法支持灵活的违规度量方式，并能与元约束无缝集成，显著提升了人员排班等实际应用中的建模表达能力。

ABSTRACT

We describe soft versions of the global cardinality constraint and the regular constraint, with efficient filtering algorithms maintaining domain consistency. For both constraints, the softening is achieved by augmenting the underlying graph. The softened constraints can be used to extend the meta-constraint framework for over-constrained problems proposed by Petit, Regin and Bessiere.

研究动机与目标

• 通过软化关键全局约束，解决约束规划中过约束问题的建模挑战。
• 为全局基数约束和正则约束等在实际应用（如人员排班）中至关重要的约束提供灵活的违规成本建模能力。
• 扩展元约束框架，引入新的软_gcc聚合器（soft_gcc aggregator），以支持软全局约束的聚合。
• 利用基于图的技术，设计高效的过滤算法，保持软全局约束的领域一致性。
• 通过结合软约束与元约束，提升过约束优化问题的建模灵活性与计算效率。

提出的方法

• 在全局约束的底层图表示中增加额外的松弛弧，以建模可能的违规情况。
• 为松弛弧分配固定的正成本，表示违规惩罚，从而支持基于成本的过滤。
• 在扩展图上使用最短路径算法（如Dijkstra算法）强制执行领域一致性，因引入环路而替代拓扑排序。
• 为每个约束定义两种违规度量方式：一种基于值出现次数的溢出（用于gcc），另一种基于禁止转移序列（用于regular）。
• 引入软_gcc聚合器（sgca），通过在违规等级上的成本函数，联合建模多个软约束的违规成本。
• 复用现有CP求解器，通过域变量 $ z_i $ 表示违规成本，并利用元约束控制整体违规行为。

实验结果

研究问题

• RQ1 如何对全局基数约束进行软化，以在保持领域一致性的同时允许受控违规？
• RQ2 在软语义下，正则约束的高效过滤机制是什么，特别是用于建模排班中的禁止轮班模式时？
• RQ3 如何利用元约束聚合软全局约束，以建模复杂违规目标（如限制高度违规约束的数量）？
• RQ4 能否使用基于图的松弛弧在软全局约束中保持领域一致性，同时不牺牲计算效率？
• RQ5 在建模人员排班等现实世界过约束问题时，哪种违规度量方式最有效？

主要发现

• 软gcc与软正则约束通过图增强与最短路径计算实现领域一致性，其时间复杂度为 $ O(n| abla| + n|Q| frac{1}{2} ext{log}(n|Q|)) $（软正则约束）。
• 软_gcc聚合器在 $ O(nm) $ 时间内实现高效一致性检查，在 $ l = \vec{0} $ 时实现领域一致性的时间为 $ O(m) $，优于标准成本-gcc的违规聚合方法。
• 所提出的过滤算法即使在松弛弧引入环路的情况下，仍能保持领域一致性，通过用Dijkstra算法替代拓扑排序实现。
• 该框架支持灵活的违规建模，包括最小化总违规成本或限制高度违规约束的数量。
• 软约束框架与现有元约束方法天然集成，可在不损害问题一致性的前提下，实现分层或加权违规控制。
• 实证结果表明，在人员排班问题中，软gcc与正则约束能有效建模资源受限下的轮班分布与序列规则。