[论文解读] Rewriting Constraint Models with Metamodels

Raphaël Chenouard, Laurent Granvilliers+1 more|arXiv (Cornell University)|Feb 16, 2010

Constraint Satisfaction and Optimization参考文献 21被引用 4

一句话总结

本文提出一种基于模型的框架，通过语言无关的中间元模型来重写约束模型，该中间元模型捕获了核心约束建模构造。通过将模型转换与特定语言解耦，该方法实现了在多种约束编程语言和求解器之间灵活、可重用且保持结构的重写，实证结果表明，在保持循环结构而非扁平展开模型的情况下，求解效率得到提升。

ABSTRACT

An important challenge in constraint programming is to rewrite constraint models into executable programs calculat- ing the solutions. This phase of constraint processing may require translations between constraint programming lan- guages, transformations of constraint representations, model optimizations, and tuning of solving strategies. In this paper, we introduce a pivot metamodel describing the common fea- tures of constraint models including different kinds of con- straints, statements like conditionals and loops, and other first-class elements like object classes and predicates. This metamodel is general enough to cope with the constructions of many languages, from object-oriented modeling languages to logic languages, but it is independent from them. The rewriting operations manipulate metamodel instances apart from languages. As a consequence, the rewriting operations apply whatever languages are selected and they are able to manage model semantic information. A bridge is created between the metamodel space and languages using parsing techniques. Tools from the software engineering world can be useful to implement this framework.

研究动机与目标

• 解决在多种建模语言之间将高层约束模型映射到高效求解器特定代码的挑战。
• 克服以往一对一或多对一或扁平化模型转换所导致的原始模型结构丢失的局限性。
• 实现与源语言或目标语言无关的可重用、模块化且语义感知的模型转换。
• 在生成代码中保留高层建模构造（例如循环、对象），以提升可读性与性能。
• 通过统一的元模型抽象，支持新约束建模语言的可扩展集成。

提出的方法

• 定义一个通用的中间元模型，抽象出常见约束建模构造，包括约束、条件语句、循环、类和谓词。
• 使用解析技术将源约束模型转换为中间元模型的实例，实现语法与语义的解耦。
• 在中间元模型实例上执行模型重写操作（例如约束重构、结构优化），与源语言或目标语言无关。
• 从转换后的中间模型生成目标求解器代码，保留高层结构（如循环），避免不必要的扁平化。
• 利用现有的模型工程工具（例如 ATL、Kermeta）在元模型上实现基于规则的转换。
• 仅在语义和性能上具有优势时，才应用如循环展开或约束类型转换等转换。

实验结果

研究问题

• RQ1 如何设计一个统一的、语言无关的元模型，以表示多种CP语言中的多样化约束建模构造？
• RQ2 在转换为求解器特定代码时，模型重写在多大程度上能保持原始约束模型的结构语义？
• RQ3 循环展开对约束求解有何性能影响？结构保持的转换如何提升效率？
• RQ4 基于中间元模型的框架能否支持在多种源语言和目标约束编程语言之间灵活、模块化且可扩展的转换？
• RQ5 如何实现与不同建模语言的语法表示无关的语义感知模型转换？

主要发现

• 在生成模型中保留循环结构可带来显著的性能提升：28皇后问题在保留结构循环的情况下耗时80.73秒，而展开循环后耗时87.73秒。
• 20皇后问题在循环展开后求解时间增加了7.8%（5.02秒 vs. 4.63秒），表明展开会增加传播开销。
• 该框架通过避免使用扁平化、展开的表示方式，成功保持了模型的可读性与结构，优于以往方法如 Flat s-COMMA。
• 使用中间元模型可实现模块化与可重用的转换，显著降低新语言和求解器的集成工作量。
• 实证结果证实，结构保持的转换在求解效率方面优于基于扁平化的方案，尤其在具有复杂控制结构的问题上表现更优。
• 该方法支持建模语言与求解器之间的多对多映射，相比以往的一对多或手写翻译系统，灵活性更高。