面向精简约束模型组合的探索：以平衡学术课程问题为例
人工智能
2020-09-23 v1
摘要
用附加约束增强基础约束模型可加强求解器的推理能力，从而减少搜索开销。我们关注流线化约束的自动添加，这些约束源自感兴趣问题类的抽象 Essence 规范中出现的类型，以完整性换取潜在非常显著的搜索缩减。将流线化后的 Essence 规范精化为适用于约束求解器输入的约束模型时，除基础 Essence 规范所需的建模选择外，还会产生大量额外的建模选择。以往的自动化流线化方法局限于对每个流线化规范仅评估单一默认模型。本文中，我们探讨在流线化规范情境下模型选择的影响。我们提出一种新的最佳优先搜索方法，通过为每个流线化约束评估一组模型组合来生成帕累托最优的流线化器-模型组合组合，以搜索并探索性能差异、找出最优模型。我们采用多种形式的 racing 来控制训练的计算代价。
引用
@article{arxiv.2009.10152,
title = {Towards Portfolios of Streamlined Constraint Models: A Case Study with the Balanced Academic Curriculum Problem},
author = {Patrick Spracklen and Nguyen Dang and Özgür Akgün and Ian Miguel},
journal= {arXiv preprint arXiv:2009.10152},
year = {2020}
}