[论文解读] Activity-Based Search for Black-Box Contraint-Programming Solvers

Laurent Michel, Pascal Van Hentenryck|arXiv (Cornell University)|May 31, 2011

Constraint Satisfaction and Optimization参考文献 8被引用 10

一句话总结

本文提出活动驱动搜索（Abs），一种用于黑盒约束规划求解器的鲁棒变量选择启发式方法，通过在传播过程中动态测量变量活动（即域过滤次数）来引导搜索。与基于影响的搜索（Ibs）和加权度（wdeg）启发式相比，Abs 在复杂问题上表现出更高的鲁棒性和性能，且无需显式跟踪域或约束配置，天然地处理全局约束。

ABSTRACT

Robust search procedures are a central component in the design of black-box constraint-programming solvers. This paper proposes activity-based search, the idea of using the activity of variables during propagation to guide the search. Activity-based search was compared experimentally to impact-based search and the WDEG heuristics. Experimental results on a variety of benchmarks show that activity-based search is more robust than other heuristics and may produce significant improvements in performance.

研究动机与目标

• 解决黑盒约束规划求解器中对鲁棒、通用的搜索启发式方法的需求，以减轻用户负担并提升可用性。
• 克服现有启发式方法（如基于影响的搜索 Ibs 和加权度 wdeg）的局限性，后者需要复杂的域跟踪或在处理全局约束时表现不佳。
• 开发一种高效、可扩展的搜索过程，能自然地与全局约束集成，而无需显式约束配置。
• 在多样化约束满足问题中提升求解器的性能与鲁棒性，尤其是在问题复杂度增加时。

提出的方法

• 将变量活动定义为在约束传播过程中变量域被过滤的次数，每次发生过滤时增加活动值。
• 通过探测过程初始化变量活动，采样变量-值赋值并测量其对域缩减的影响。
• 应用老化机制，通过参数 γ 控制活动值随时间衰减，以防止停滞并优先考虑近期传播行为。
• 使用置信区间参数 δ 控制初始化阶段的探测次数，平衡精度与初始化成本。
• 根据当前活动水平选择分支变量，优先选择活动度最高的变量，以引导搜索进入有希望的区域。
• 将启发式方法集成到黑盒求解器框架中，无需修改约束实现或显式跟踪每个变量/值的影响。

实验结果

研究问题

• RQ1 传播过程中的变量活动能否作为黑盒约束求解器中有效且鲁棒的搜索引导启发式？
• RQ2 在多样化约束问题上，活动驱动搜索与基于影响的搜索和 wdeg 相比，在性能和鲁棒性方面表现如何？
• RQ3 Abs 在多大程度上比 wdeg 更自然地处理全局约束？wdeg 对失败约束中所有变量赋予相等权重。
• RQ4 Abs 对初始化参数（如置信区间 δ 和老化因子 γ）的敏感性如何？
• RQ5 Abs 在困难问题实例中是否表现出发现结构特性（如回溯点或环切集）的迹象？

主要发现

• 活动驱动搜索（Abs）在广泛基准测试中显著优于基于影响的搜索（Ibs）和 wdeg，尤其在问题复杂度增加时表现更优。
• 在 msq-10 基准测试中，使用重启机制的 Abs（R(2)）平均运行时间为 14.87 秒，而 Ibs 为 23.6 秒，wdeg 为 21.3 秒。
• 对于 knap1-4 优化问题，使用重启机制的 Abs 将平均运行时间从 Ibs 的 33.70 秒降低至 14.87 秒，展现出显著的性能提升。
• 初始化参数 δ 的影响可测量：将 δ 从 0.8 降低至 0.05 显著提升了 knap1-4 上的鲁棒性与中位数及平均运行时间的收敛性。
• 老化参数 γ 的结果显示，较慢的老化（γ = 0.999）减少了超时次数并提升了性能，在 msq-10 上 γ = 0.5 时有 9 次超时，而 γ = 0.999 时为 0 次超时。
• 在 radiation #9 的行为分析显示，Abs 在重启机制下 1 秒内即达到最优解，而 Ibs 显著更晚才收敛，表明 Abs 具有更优的搜索引导能力。