Translating finite-domain integer constraint models to CP/SMT/ILP/PB/SAT solvers with CPMpy
Dit artikel presenteert CPMpy, een modulair open-source framework dat hoogwaardige finite-domain integer constraint-modellen vertaalt naar diverse lager-niveau oplossingsformalismen (CP, SMT, ILP, PB en SAT) om een eenvoudige vergelijking van verschillende oplossingstechnologieën mogelijk te maken zonder dat handmatige hermodellering vereist is.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In het uitgestrekte landschap van kunstmatige intelligentie bestaat er een hardnekkige uitdaging die bekend staat als de model-en-oplossen-benadering. Stel je een persoon voor die een complexe gebeurtenis probeert te organiseren, zoals een conferentie met honderden sprekers, kamers en tijdsloten. Die persoon schrijft geen stapsgewijs computerprogramma om de planning uit te werken. In plaats daarvan schrijft hij een reeks regels op: "Spreker A kan niet in Kamer B zijn," "Kamer C moet vóór 2 uur 's middags gebruikt worden," en "Spreker D moet na Spreker E spreken." Deze lijst met regels wordt een constraint model genoemd. Het is een hoogwaardige beschrijving van het probleem, geschreven in een taal die mensen kunnen begrijpen. De taak van de computer is dan om deze regels te nemen en een oplossing te vinden die aan ze allemaal voldoet.
De moeilijkheid ontstaat omdat er niet één enkel computerprogramma is dat het beste is in het oplossen van elk type regel. Sommige programma's zijn uitstekend in het afhandelen van logische "als-dan"-statements, terwijl andere beter zijn in rekenkundige berekeningen of het beheren van grote lijsten met mogelijkheden. Onderzoekers hebben veel verschillende soorten van deze oplossende programma's gebouwd, elk met zijn eigen sterktes en zwaktes. Er bestaat echter een grote hindernis: een probleem dat geschreven is voor het ene type solver, kan vaak niet begrepen worden door een ander. Om een andere solver te gebruiken, moet een menselijke expert meestal de volledige set regels handmatig herschrijven naar een nieuw formaat, een tijdrovend en foutgevoelig proces dat de mogelijkheid beperkt om te vergelijken welk hulpmiddel het beste werkt voor een specifieiactie.
Een team van onderzoekers aan de KU Leuven en andere instellingen heeft een oplossing ontwikkeld voor dit vertaalprobleem. Ze hebben een softwarebibliotheek genaamd CPMpy ontwikkeld die fungeert als een universele vertaler voor deze constraint modellen. Hun werk richt zich op het nemen van een hoogwaardige beschrijving van een probleem, geschreven met standaard wiskundige en logische regels, en het automatisch converteren ervan naar de specifieke taal die vereist is door vijf verschillende families van oplostechnologieën. Deze technologieën variëren van constraint programming solvers, die gespecialiseerd zijn in complexe logische puzzels, tot integer linear programming solvers, die uitblinken in optimalisatieproblemen, en zelfs tot SAT solvers, die ontworpen zijn om de waarheid van logische beweringen te controleren. De onderzoekers hebben niet alleen een vertaler gebouwd; ze hebben een modulaire pijplijn gebouwd waarbij elke stap in het conversieproces een afzonderlijke, herbruikbare component is. Dit maakt het systeem in staat om complexe functies die een specifieke solver niet kan afhandelen, weg te strippen en te vervangen door eenvoudigere, equivalente regels die de solver wel kan begrijpen.
De kern van hun methode is een "waterval" van transformaties. Wanneer een model het systeem binnenkomt, ondergaat het eerst een veiligheidscontrole om te garanderen dat alle wiskundige operaties, zoals deling, gedefinieerd zijn voor alle mogelijke waarden. Als een deling door nul mogelijk is, voegt het systeem een bewaker toe om dit te voorkomen. Vervolgens verwijdert het systeem eventuele "niet"-operatoren die diep begraven kunnen zitten in complexe expressies, door ze naar beneden te duwen totdat ze alleen nog maar van toepassing zijn op eenvoudige variabelen. Dit vereenvoudigt de logische structuur. Het systeem breekt vervolgens "globale constraints" af, wat krachtige, hoogwaardige regels zijn zoals "al deze mensen moeten verschillende schema's hebben", in basisbouwstenen die eenvoudiger solvers kunnen verwerken.
Terwijl het model de pijplijn afdaalt, wordt het afgeplat. Complexe, geneste expressies worden vervangen door eenvoudige variabelen, en het systeem houdt deze vervangingen bij om duplicaten van variabelen te voorkomen. Deze stap is cruciaal omdat veel solvers geen regels kunnen afhandelen waarbij een regel binnen een andere regel genest is. Voor solvers die alleen lineaire vergelijkingen begrijpen, voert het systeem een proces genaamd linearisatie uit. Het converteert logische regels en ongelijkheden naar rechte vergelijkingen. Ten slotte, voor solvers die alleen werken met waar-of-onwaar variabelen, codeert het systeem elk geheel getal naar een reeks Booleaanse schakelaars. Gedurende dit hele proces is het systeem zorgvuldig in het behouden van de exacte betekenis van het oorspronkelijke probleem. Het zorgt ervoor dat als er een oplossing bestaat voor het oorspronkelijke hoogwaardige model, er ook een oplossing zal bestaan voor het vertaalde laagwaardige model, en vice versa.
Om hun systeem te testen, namen de onderzoekers 250 real-world optimalisatieproblemen uit een belangrijke internationale wedstrijd. Ze haalden deze problemen door hun vertaalpijplijn en voedden de resultaten aan drie verschillende soorten solvers: een toonaangevende integer linear programming solver, een pseudo-boolean solver en een maximum satisfiability solver. Ze maten hoe lang elke solver erover deed om het beste mogelijke antwoord te vinden. De resultaten toonden aan dat het vertaalproces de structuur van de modellen aanzienlijk veranderde. Het aantal regels en variabelen nam vaak drastisch toe naarmate de complexe hoogwaardige regels werden afgebroken tot hun eenvoudigste vormen. Deze expansie was echter noodzakelijk om de problemen begrijpelijk te maken voor de verschillende solvers.
De studie onthulde ook dat de manier waarop een model wordt vertaald, grote gevolgen heeft voor de prestaties. Voor de integer linear programming solver leidde het gebruik van gespecialiseerde manieren om complexe regels af te breken tot snellere oplostijden. Voor de andere solvers was de impact genuanceerder. De onderzoekers ontdekten dat voor sommige solvers een standaard vertaling het beste werkte, terwijl voor andere een agressievere vertaling, die getallen behandelde als eenvoudige waar-of-onwaar schakelaars, superieur was. Ze ontdekten dat een eenheidsbenadering niet werkt; de beste vertaalstrategie hangt volledig af van de specifieke solver die wordt gebruikt. Sterker nog, voor het ene type solver maakte het gebruik van de meest efficiënte vertaling voor een ander type het oplosproces juist trager. Dit onderstreept het belang van een flexibel systeem dat in staat is de vertaling aan te passen aan de doeltool.
De onderzoekers concludeerden dat hun modulaire aanpak succesvol de kloof overbrugt tussen hoogwaardige probleemmodellering en laagwaardige oplostechnologieën. Door de vertaling te automatiseren, stellen ze gebruikers in staat om een probleem één keer te schrijven en het vervolgens te testen tegen meerdere verschillende oplossende engines zonder handmatige herschrijving. Deze capaciteit maakt een directe vergelijking mogelijk van welke technologie het best geschikt is voor een specifieke toepassing. Hoewel het vertaalproces onvermijdelijk de omvang van het model vergroot, weegt het vermogen om de sterktes van verschillende solvers te benutten zwaarder dan deze kosten. Het werk demonstreert dat met de juiste vertaalinstrumenten de diverse wereld van constraint solving toegankelijk en vergelijkbaar kan worden gemaakt, wat onderzoekers en praktijkgebruikers helpt de meest effectieve oplossingen te vinden voor complexe combinatorische problemen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.