[논문 리뷰] PyCSP3: Modeling Combinatorial Constrained Problems in Python

Christophe Lecoutre, Nicolas Szczepanski|arXiv (Cornell University)|2020. 09. 01.

Constraint Satisfaction and Optimization참고 문헌 35인용 수 8

한 줄 요약

PyCSP3는 청결하고 고수준의 문법을 사용하여 조합 최적화 문제(CSP 및 COP)를 선언적으로 기술할 수 있는 파이썬 기반 제약 모델링 라이브러리입니다. 이는 파이썬 모델과 JSON 데이터를 표준화된 XCSP3 XML 인스턴스로 컴파일하여 모델링과 해결을 분리함으로써, 어떤 XCSP3 호환 솔버라도 사용할 수 있도록 하여 제약 프로그래밍 연구 및 응용 분야에서 모듈식이고 확장 가능하며 사용자 友好的한 워크플로우를 제공합니다.

ABSTRACT

In this document, we introduce PyCSP$3$, a Python library that allows us to write models of combinatorial constrained problems in a declarative manner. Currently, with PyCSP$3$, you can write models of constraint satisfaction and optimization problems. More specifically, you can build CSP (Constraint Satisfaction Problem) and COP (Constraint Optimization Problem) models. Importantly, there is a complete separation between the modeling and solving phases: you write a model, you compile it (while providing some data) in order to generate an XCSP$3$ instance (file), and you solve that problem instance by means of a constraint solver. You can also directly pilot the solving procedure in PyCSP$3$, possibly conducting an incremental solving strategy. In this document, you will find all that you need to know about PyCSP$3$, with more than 50 illustrative models.

연구 동기 및 목표

• 조합 제약 문제를 위한 고수준의 파이썬 내장 도메인 특화 언어를 제공함으로써 모델링의 접근성과 유지보수성을 향상시키는 것.
• 표준화된 XCSP3 중간 형식을 통해 모델 명세와 해결을 분리함으로써 모델링과 해결의 분리 구현.
• 통합적이고 확장 가능한 프레임워크를 통해 제약 만족 문제와 최적화 문제를 동시에 지원하는 것.
• XCSP3 표준을 통해 여러 제약 솔버와의 원활한 통합을 가능하게 하는 것.
• 파이썬과 일반적인 데이터 형식을 활용하여 연구자와 실무자들이 접근하기 쉬운 장벽을 낮추는 것.

제안 방법

• 선언적 제약 명세를 직관적인 문법으로 지원하는 파이썬 라이브러리(PyCSP3)를 사용하여 모델링을 수행합니다.
• 구조화되고 인간 및 기계가 읽을 수 있는 문제 인스턴스를 제공하기 위해 데이터는 JSON 형식으로 제공됩니다.
• 모델링 단계가 모델 구조와 의미를 유지하면서 XCSP3 XML 파일로 컴파일됩니다.
• 컴파일된 XCSP3 인스턴스는 Choco, OR-Tools, Picat, ACE 등 어떤 호환 가능한 제약 솔버라도 사용하여 해결할 수 있습니다.
• PyCSP3 내장 피LOT 기능을 통해 증분 해결 및 솔버 제어를 지원합니다.
• allDifferent, sum, regular, cardinality 등 25개 이상의 표준 제약을 지원하며, 사용자 정의 제약을 위한 확장성도 제공합니다.

실험 결과

연구 질문

• RQ1 고수준의 파이썬 기반 인터페이스가 제약 모델의 접근성과 유지보수성에 어떻게 기여할 수 있는가?
• RQ2 모델링과 해결을 분리함으로써 상호운용성과 툴체인의 유연성이 얼마나 향상되는가?
• RQ3 통합된 표준 중간 형식(XCSP3)이 다양한 솔버 간에 모델 의미를 효과적으로 유지할 수 있는가?
• RQ4 JSON과 XML의 통합이 제약 프로그래밍에서 데이터 및 모델의 이식성에 어떻게 기여하는가?
• RQ5 고수준 언어인 파이썬을 사용한 제약 모델링에서 발생하는 성능 및 사용성의 상충 관계는 어떠한가?

주요 결과

• PyCSP3는 N-퀸, 스도쿠, 골롬 척도와 같은 고전 문제를 포함해 60개 이상의 조합 문제에 대해 선언적 모델링을 성공적으로 지원합니다.
• XCSP3를 통한 모델링과 해결의 분리로 Choco, OR-Tools, Picat 등 여러 제약 솔버와의 원활한 상호운용성이 가능해졌습니다.
• 데이터는 JSON, 문제 인스턴스는 XML 형식을 사용함으로써 가독성과 견고성이 확보되었으며, 네이티브 형식 대비 최소한의 오버헤드를 유발합니다.
• 증분 해결, 솔버 제어, If, Match, both/either 등의 새로운 구문을 통해 논리적 조합 제약를 지원하는 고급 기능을 제공합니다.
• 버전 2.4에서 임의의 제약을 위한 애드혹 형식을 도입하여 복잡하거나 비표준 제약에 대한 표현력을 향상시켰습니다.
• 라이브러리는 활발히 유지보수 중이며, PyPI와 GitHub를 통해 제공되며, 점점 증가하는 예제 모델 및 문서 생태계를 구축하고 있습니다.