[论文解读] PyCSP3: Modeling Combinatorial Constrained Problems in Python

Christophe Lecoutre, Nicolas Szczepanski|arXiv (Cornell University)|Sep 1, 2020

Constraint Satisfaction and Optimization参考文献 35被引用 8

一句话总结

PyCSP3 是一个基于 Python 的约束建模库，允许用户使用简洁、高级的语法声明性地指定组合约束满足问题和优化问题（CSP 和 COP）。它通过将 Python 模型和 JSON 数据编译为标准化的 XCSP3 XML 实例，实现建模与求解的分离，从而可被任何符合 XCSP3 标准的求解器求解，为约束编程研究和应用提供了模块化、可扩展且用户友好的工作流。

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.

研究动机与目标

• 提供一种用于建模组合约束问题的高级、嵌入式 Python 领域特定语言。
• 通过标准化的 XCSP3 中间格式，实现模型规范与求解的解耦。
• 使用统一、可扩展的框架同时支持约束满足问题和优化问题。
• 通过 XCSP3 标准实现与多种约束求解器的无缝集成。
• 通过利用 Python 和主流数据格式，降低研究人员和实践者入门的门槛。

提出的方法

• 使用 Python 库（PyCSP3）进行建模，支持使用直观语法的声明性约束指定。
• 数据以 JSON 格式提供，确保问题实例的结构化、可读性（对人类和机器均友好）。
• 建模阶段被编译为 XCSP3 XML 文件，保留模型结构和语义。
• 随后使用任何兼容的约束求解器（例如 Choco、OR-Tools、Picat、ACE）求解 XCSP3 实例。
• 系统通过 PyCSP3 内置的引导函数支持增量求解和求解器控制。
• 该框架支持超过 25 种标准约束，包括 allDifferent、sum、regular 和 cardinality，并支持自定义约束的可扩展性。

实验结果

研究问题

• RQ1 高级、基于 Python 的接口在多大程度上提升了约束模型的可访问性和可维护性？
• RQ2 通过 XCSP3 标准中间格式实现建模与求解的分离，在多大程度上增强了互操作性和工具链灵活性？
• RQ3 统一的标准化中间格式（XCSP3）是否能有效在不同求解器之间保持模型语义？
• RQ4 JSON 和 XML 的集成在多大程度上提升了约束编程中数据与模型的可移植性？
• RQ5 使用 Python 这类高级语言进行约束建模会带来哪些性能与可用性之间的权衡？

主要发现

• PyCSP3 有效支持超过 60 种组合问题的声明性建模，包括 N-Queens、Sudoku 和 Golomb 尺寸等经典问题。
• 通过 XCSP3 实现建模与求解的分离，使得与多种约束求解器（如 Choco、OR-Tools、Picat）的无缝互操作成为可能。
• 使用 JSON 表示数据、XML 表示问题实例，确保了良好的可读性和鲁棒性，且与原生格式相比开销极小。
• 该框架支持高级功能，如增量求解、求解器控制，以及通过新构造（如 If、Match 和 both/either）实现约束的逻辑组合。
• 版本 2.4 引入了通过临时形式支持任意约束的功能，显著增强了对复杂或非标准约束的表达能力。
• 该库持续维护，可通过 PyPI 和 GitHub 获取，且拥有日益丰富的示例模型和文档生态系统。