9 Issues in constraint programming

9.1 Modeling

Q: 举例说明不同的modeling
A: 举例：是否引入辅助变量。
举例：不同的语法表示同样语义（如all_different）
举例：增加新标识符（“新语法”）表示相同语义，并引入对应新规则。
Q: 一些总体原则

Q: 为什么需要Global constraints？
A: Global constaints语法复杂。但可能有些定制手段，方便传播。
比如all_different，（任务安排）的cumulative，sortedness等（可以用跟排序有关的算法）

Q: 简要阐述“two-level architecture”
A: 提示：回忆\(\mathcal C, \mathcal D\mathcal E\)，一个是约束集合，一个是变量集合。
除了要维护变量集合，还要维护约束集合（新加入时用指定求解器传播，传播失败则回溯……等等）
Q: 如何解决constraint variables相比一般变量需要更复杂的结构和专门处理？
A: logic programming中logic variable
或专门定义类（C++）等

Q: local consistency相关（一般）算法在具体问题可能效率低，但是这些local consistency notions（）
A: 可以启发（特殊）算法设计，帮助证明正确性等等。

Q: 和纯理论相比，在实际中有哪些加速constraint solvers效率的方法？
A: 采用更底层的手段写，而不是“调包写”（即：手动优化，造出一个“黑箱”优化器给上层用）
考虑incrementality（对于基于“偏序集”迭代的那些方法可以机械地modify. 对于complete solvers往往“一题一法”）
Q: 归纳和子句有何关系？
A: 往往一个子句表示“归纳起点”，一个子句表示归纳过程。
Q: 举例说明简化约束语法的方法。
A: 如设法减少用到的函项、谓词、变量数量。
通过某些“规范化”的形式表示（例如针对线性方程）

Q: versioning和回溯有什么关系？这对你的工作有什么启发？
A: 做好版本管理，github分支等，出问题就回溯（血泪教训）
Q: best-first和limited discrepancy联合起来有何意义，具体如何执行？
A: 总体上讲和best-first思想相近：“先看那些最好，最好不行就稍微偏一点点再看……”
具体可能类似于\(000,(100,010,001)\)这种“对角线”感觉。
Q: local-search和上题有何联系？
A: 上面的有点像特定点("best")开始的local-search（只不过wave相比move来说，一次包含更多proposal）
Q: 如何逃脱爬山算法中的局部极值？
A: 比如重新定义邻居（升维），强行逃，重启等。
例：皇后问题中，“调换行”或“单独改一个皇后的行数”都是可能的“邻居”定义。
例：“强行逃”：禁忌搜索。可“强行逃”，通过维护“禁忌”防止循环。
例：模拟退火
Q: 基于神经网络的方法中，改变边权会改变什么？
A: 各个节点（根据边权）更新的流程。
注：这里的神经网络意思和现在流行的那些深度学习不太一样。但是共同点是每个node都根据权作简单处理。
Q: 进化算法有什么不足？
A: 没有保证，玄学，收敛慢，发散……

Q: 无解，但要找到一个相对来说比较好的解。这种相对好有什么常见标准？
A: 比如部分约束可“放松”。比如给约束“赋权”（有些可放松有些不可放松相当于有些权1有些权无穷）
比如约束是否满足变成“模糊”的（满足度，\([0,1]\)）
比如所有约束排序，前面的重要，先保证（“字典序”定义“优劣”）
比如把违反了的约束作为元素进行代数运算（这就比较一般化了，范围很广）
Q: 为了防止“短视”抹去解，应该怎么调整传播方式？
A: 改consistency定义（如arc consistency counts）

发表于 2021-11-23 00:21 minor_second 阅读(100) 评论(0) 编辑收藏举报