[论文解读] Generalized Constraint Satisfaction Problems

Alex Scott, Gregory B. Sorkin|arXiv (Cornell University)|Apr 20, 2006

Constraint Satisfaction and Optimization参考文献 5被引用 3

一句话总结

本文提出了广义约束满足问题（GCSPs），其中评分函数为多项式取值而非实数取值，通过划分函数恒等式实现高效的指数时间、多项式空间算法。该方法将现有CSP技术扩展至计数解或均匀随机采样，并引入一个额外变量，解决了此前难以处理的问题，如最大割分问题（Max Bisection）和伊辛模型划分函数。

ABSTRACT

Abstract. A number of recent authors have given exponential-time algorithms for optimization problems such as Max Cut and Max Independent Set, or for the more general class of Constraint Satisfaction Problems (CSPs). In this paper, we introduce the class of Generalized Constraint Satisfaction Problems (GCSPs), where the score functions are polynomial-valued rather than realvalued functions. We show that certain reductions used for solving CSPs can be extended to identities for the “partition function ” of a GCSP, leading to relatively efficient exponential-time (polynomial-space) algorithms for solving a GCSP. This also enables us (at the cost of only a polynomial factor in time) to modify existing algorithms for optimizing CSPs into algorithms that count solutions or sample uniformly at random. Using an extra variable allows us to solve Max Bisection or calculate the partition function of the Ising Model, problems that were previously inaccessible with this approach. 1.

研究动机与目标

• 将传统的约束满足问题（CSPs）推广为具有多项式取值评分函数的广义CSPs（GCSPs）。
• 利用划分函数恒等式，为GCSPs设计高效的指数时间、多项式空间算法。
• 仅以多项式时间开销，将现有CSP优化算法适配用于解计数与均匀采样。
• 通过该框架解决此前无法处理的问题，如最大割分问题与伊辛模型划分函数。
• 证明引入一个额外变量可使该方法扩展至标准CSPs之外的新问题类别。

提出的方法

• 通过将实数取值的评分函数替换为多项式取值，定义GCSPs。
• 推导GCSP划分函数的恒等式，这些恒等式推广了标准CSP中使用的恒等式。
• 利用这些恒等式设计用于求解GCSPs的指数时间、多项式空间算法。
• 通过将评分视为多项式，修改现有的CSP优化算法，以实现解计数或均匀随机采样。
• 引入一个辅助变量，用于对最大割分问题与伊辛模型等约束进行编码。
• 利用多项式结构，在新框架下高效表示并计算划分函数。

实验结果

研究问题

• RQ1 能否使用多项式取值的评分函数来推广标准CSPs，同时保持算法效率？
• RQ2 标准CSP的划分函数恒等式如何推广至具有多项式评分的GCSPs？
• RQ3 现有CSP优化算法在多大程度上可被适配用于GCSPs中的解计数或均匀采样？
• RQ4 该框架能否处理此前使用此方法难以实现的问题，如最大割分问题与伊辛模型划分函数？
• RQ5 额外变量在将该方法适用范围扩展至新问题类别的过程中起到何种作用？

主要发现

• 本文成功通过将实数取值评分替换为多项式取值函数，将CSPs推广为GCSPs。
• 推导出GCSPs的划分函数恒等式，从而实现高效的指数时间、多项式空间算法。
• 现有CSP优化算法可被适配用于解计数或均匀随机采样，仅引入多项式时间开销。
• 通过引入辅助变量，该方法可扩展至最大割分问题与伊辛模型划分函数等复杂问题。
• 该框架在保持计算效率的同时，将可解问题的范围扩展至标准CSPs之外。
• 结果表明，多项式表示可在相同的渐近时间界限内实现新的算法能力。