[论文解读] Unweighted Stochastic Local Search can be Effective for Random CSP Benchmarks

Christopher D. Rosin|arXiv (Cornell University)|Nov 27, 2014

Constraint Satisfaction and Optimization参考文献 14被引用 11

一句话总结

本文提出ULSA，一种针对相变附近随机二元约束满足问题（CSP）的简单、无权重随机局部搜索算法。与以往采用动态权重自适应的最先进方法不同，ULSA仅依赖于随机、无权重的移动，便实现了卓越性能——在某些基准测试中速度超过100倍，且在极具挑战性的frb100-40基准上，成功找到满足99个变量（共100个）的部分解，创下新纪录。

ABSTRACT

We present ULSA, a novel stochastic local search algorithm for random binary constraint satisfaction problems (CSP). ULSA is many times faster than the prior state of the art on a widely-studied suite of random CSP benchmarks. Unlike the best previous methods for these benchmarks, ULSA is a simple unweighted method that does not require dynamic adaptation of weights or penalties. ULSA obtains new record best solutions satisfying 99 of 100 variables in the challenging frb100-40 benchmark instance.

研究动机与目标

• 开发一种针对相变附近随机二元CSP的简单、无参数随机局部搜索算法。
• 挑战在硬随机CSP基准上实现高性能必须依赖动态权重自适应的假设。
• 在广泛使用的BHOSLIB基准套件上实现更快收敛速度和更优的部分解质量。
• 证明在强制可满足的Model RB实例上，无权重搜索可在速度和解质量方面超越加权方法。
• 在frb100-40基准上创下新纪录，该问题长期被视为CSP与MIS求解中的重大挑战。

提出的方法

• ULSA采用随机局部搜索策略，通过无任何加权或惩罚机制的随机变量翻转来实现。
• 通过无权重选择方式迭代选择并翻转变量，避免冲突传播，实现局部搜索。
• 算法依赖重启机制以逃离局部最优，不依赖长期状态或自适应参数。
• 基于冲突数量评估解，通过随机、无权重的移动最小化该数量。
• 该方法应用于CSP的最大独立集（MIS）形式化，其中每个变量的取值变为顶点，冲突变为边。
• ULSA对每次运行设置固定的迭代次数上限，并记录找到的最佳部分解，包括冲突极少的解。

实验结果

研究问题

• RQ1 无权重随机局部搜索算法能否在相变附近的硬随机二元CSP上超越加权方法？
• RQ2 在BHOSLIB基准套件上，是否必须采用动态权重自适应才能实现高性能？
• RQ3 能否通过一种简单、无参数的算法在frb100-40实例上实现新纪录结果，该问题长期被视为挑战？
• RQ4 ULSA的运行时分布与NuMVC等加权求解器相比，在解的求解时间和一致性方面有何差异？
• RQ5 无权重搜索在硬CSP实例上能在多大程度上实现接近最优的部分解（例如，99/100个变量）？

主要发现

• ULSA在所有测试的Model RB实例上至少实现7倍于以往最先进方法的速度提升，部分实例更达100倍以上。
• ULSA在frb100-40基准上创下新纪录，成功找到满足99个变量（共100个）的部分解，此结果此前从未实现过。
• 平均达到99个变量满足的解所需时间为29.3小时（单线程），多线程执行可将预期时间缩短至一天以内。
• 在5600万次独立运行（每次300万次迭代）中，仅有五次运行找到仅含一个冲突的部分解，其中三次为等价解。
• ULSA的解时间分布可被指数分布良好拟合，表明在初始稳定后，单位时间内获得解的概率保持恒定。
• 尽管未采用动态权重自适应，ULSA在速度上始终优于NuMVC，并在最具挑战性的实例上实现了更优的部分解质量。