[论文解读] Symmetry Breaking Using Value Precedence

Toby Walsh|arXiv (Cornell University)|Mar 6, 2009

Constraint Satisfaction and Optimization参考文献 12被引用 31

一句话总结

本文提出了一种将取值优先约束高效且有效地编码为三元约束的方法，以在取值可互换的问题中打破对称性。该方法证明可在最优的 O(nd) 时间复杂度下实现广义弧一致性（GAC），且在剪枝能力和运行时间方面均优于其他方法，尤其在存在多个可互换取值时表现更优。

ABSTRACT

We present a comprehensive study of the use of value precedence constraints to break value symmetry. We first give a simple encoding of value precedence into ternary constraints that is both efficient and effective at breaking symmetry. We then extend value precedence to deal with a number of generalizations like wreath value and partial interchangeability. We also show that value precedence is closely related to lexicographical ordering. Finally, we consider the interaction between value precedence and symmetry breaking constraints for variable symmetries.

研究动机与目标

• 解决约束满足问题中因取值可互换而导致的取值对称性挑战，从而避免冗余搜索空间。
• 开发一种无需依赖专用传播器的实用且高效的方法，以打破取值对称性。
• 将取值优先性推广至处理多个可互换取值、部分可互换性以及半直积对称性的情形。
• 建立取值优先性与字典序约束之间的正式联系。
• 评估取值优先性与变量对称性破缺约束在混合模型中的相互作用。

提出的方法

• 使用辅助的 0/1 变量 $B_i$ 跟踪在位置 $i$ 之前是否已出现优选取值，将取值优先约束编码为一系列三元约束。
• 定义三元约束 $C(X_i, B_i, B_{i+1})$，其强制满足以下条件：$X_i = v_j \Rightarrow B_{i+1} = 1$，$X_i \neq v_j \Rightarrow B_i = B_{i+1}$，且 $B_i = 0 \Rightarrow X_i \neq v_k$。
• 将 $B_1 = 0$ 设为初始化值，以确保在 $v_j$ 出现之前，不能为 $v_k$ 分配更不优选的取值。
• 利用 Bézier-无环约束图结构，通过在三元约束上局部执行 GAC 算法，确保实现广义弧一致性（GAC）。
• 使用标准约束原原子（如蕴含、等式）在现有约束求解器中高效实现三元约束。
• 通过引入单一全局优先约束，将该方法扩展至处理多个可互换取值，避免相邻取值方法所需的 O(k) 个约束。

实验结果

研究问题

• RQ1 能否仅通过三元约束实现取值优先性的高效编码，而无需专用传播器？
• RQ2 与相邻取值优先约束等现有方法相比，所提出的编码在性能和剪枝有效性方面表现如何？
• RQ3 取值优先性与对称性破缺中的字典序约束之间存在何种关系？
• RQ4 在组合模型中，取值优先性如何与变量对称性破缺约束相互作用？
• RQ5 该方法能否推广以处理部分可互换性及半直积对称性？

主要发现

• 所提出的三元编码在 O(nd) 时间内实现广义弧一致性，效率与 Law 和 Lee 的专用算法相当。
• 对于存在多个可互换取值的问题（例如 k > 4），单一全局优先约束模型在运行时间与剪枝能力方面均优于相邻取值模型，显著减少了回溯次数。
• 在 Schur 数问题 $S(13,5)$ 中，全取值模型在 11.88 秒内找到所有解，仅发生 6,606 次回溯；而相邻模型耗时 20.80 秒，回溯次数达 210,682 次。
• 全取值模型仅使用 243 个约束，而相邻模型需 477 个约束，表明该方法在取值对称性增强时具有更优的可扩展性。
• 该方法在增量求解中表现稳健，因为约束引擎可高效维护一致性，即使在约束被蕴含后被忽略时亦然。
• 本文建立了取值优先性与字典序约束之间的正式联系，表明取值优先性是字典序约束在取值对称性场景下的自然推广。