基于视图的传播器推导

在实现约束的传播器时，必须决定其变体：实现min时，是否也应实现max？是否应同时实现单位系数和非单位系数的线性约束？约束变体无处不在：实现它们需要相当大的（甚至令人望而却步的）工作量，并降低可维护性，但相比采用约束分解，能提供更好的性能。本文展示了如何使用视图来推导完美的传播器变体。引入了视图和派生传播器的模型。派生传播器被证明确实是完美的，因为它们继承了正确性、域一致性和边界一致性等基本属性。开发了系统推导传播器的技术，如变换、泛化、特化和类型转换。本文介绍了一种独立于底层约束编程系统的视图实现架构。对在Gecode中实现的视图进行的详细评估表明，派生传播器是高效的，并且视图通常不会带来开销。如果没有视图，Gecode要么需要180 000行而非40 000行的传播器代码，要么会缺少许多高效的传播器变体。与8 000行的视图代码相比，传播器代码的减少带来了1750%的投资回报率。