[论文解读] Combinatorial Search With Picat

Neng‐Fa Zhou|arXiv (Cornell University)|May 11, 2014

Logic, Reasoning, and Knowledge参考文献 27被引用 5

一句话总结

本文提出 Picat，一种基于逻辑的多范式编程语言，专为组合搜索设计，整合了约束规划（CP）、SAT、MIP 求解器、用于动态规划的查表机制以及一个规划器模块。Picat 的规划器基于项共享和资源受限的查表搜索，其在标准基准测试中的表现优于最先进的 ASP 和 PDDL 规划器，在 Ricochet Robots 任务上实现了高达 3 倍的加速，并在使用启发式方法的情况下，所有 30 个实例均在 2.2 秒内求解完成。

ABSTRACT

Picat, a new member of the logic programming family, follows a different doctrine than Prolog in offering the core logic programming concepts: arrays and maps as built-in data types; implicit pattern matching with explicit unification and explicit non-determinism; functions for deterministic computations; and loops for convenient scripting and modeling purposes. Picat provides facilities for solving combinatorial search problems, including a common interface with CP, SAT, and MIP solvers, tabling for dynamic programming, and a module for planning. Picat's planner module, which is implemented by the use of tabling, has produced surprising and encouraging results. Thanks to term-sharing and resource-bounded tabled search, Picat overwhelmingly outperforms the cutting-edge ASP and PDDL planners on the planning benchmarks used in recent ASP competitions.

研究动机与目标

• 设计一种通用的逻辑编程语言，结合 Python 的表达能力与 OPL 和 MiniZinc 的建模能力，以解决组合问题。
• 通过引入显式非确定性与一等数据结构，克服 Prolog 中的局限性，如默认回溯的不确定性以及缺乏原生数组和循环机制。
• 通过统一接口调用 CP、SAT 和 MIP 求解器，实现高性能求解组合问题，并通过查表机制支持动态规划。
• 开发一个规划器模块，利用查表和项共享高效求解状态空间搜索问题，尤其适用于规划领域。
• 通过高效的表示与搜索技术，在真实世界基准测试中证明 Picat 可超越领先的 ASP 和 PDDL 规划器。

提出的方法

• Picat 使用模式匹配而非合一来选择规则，实现更快的、完全索引化的规则求解，相较于 Prolog 具有更好的可扩展性。
• 通过支持回溯规则实现显式非确定性，消除了对剪枝操作符（cut）的依赖，提升了代码的清晰度与正确性。
• 该语言提供用于确定性计算的函数、数组、映射和循环结构，使组合问题的建模更加简洁且易于阅读。
• Picat 提供统一接口调用 CP、SAT 和 MIP 求解器，支持在不同求解器之间无缝切换，并支持混合整数与基于约束的建模。
• 规划器模块使用查表缓存并重用状态结果，结合项共享与哈希合并技术，降低内存使用并加速相等性检查。
• 采用资源受限的查表搜索以剪枝无产出的搜索路径，同时可通过资源检查集成启发式方法，高效引导搜索过程。

实验结果

研究问题

• RQ1 能否设计一种逻辑编程语言，使其兼具函数式与命令式编程的表达能力，以及约束与优化语言的建模能力？
• RQ2 项共享与高效数据表示在规划问题的状态空间搜索中如何提升性能？
• RQ3 查表与资源受限搜索在组合规划基准测试中，相较于传统 ASP 和 PDDL 规划器，其性能优势在多大程度上得以体现？
• RQ4 统一接口调用 CP、SAT 和 MIP 求解器，是否能实现灵活且高性能的约束满足问题建模？
• RQ5 启发式集成与对称性破缺表示在复杂规划领域中，对加速搜索的效率如何？

主要发现

• 在 Ricochet Robots 基准测试中，Picat 的规划器平均比 ASP’13 竞赛冠军 Potassco 快 5.3 倍，所有 30 个实例在 9.3 秒内求解完成，且未使用启发式方法。
• 通过引入简单启发式方法，Picat 将 Ricochet Robots 的平均求解时间缩短至 2.2 秒，证明了资源感知搜索剪枝的有效性。
• Picat 成功求解了 Ricochet Robots 基准测试中的全部 30 个实例，而 Potassco 平均每个实例耗时 49.5 秒，展现出显著的性能优势。
• 规划器中使用项共享与哈希合并技术，有效降低内存使用并加速相等性检查，从而实现对共享状态组件的高效重用。
• 通过使用有序列表表示状态并结合结构化共享，打破对称性，促进高效的状态缓存，为性能提升做出贡献。
• Picat 的规划器不仅在 Ricochet Robots 上表现优异，在 Nomystery、Sokoban 和 Solitaire 等其他基准测试中也持续超越最先进的 ASP 和 PDDL 规划器。