Académique Documents
Professionnel Documents
Culture Documents
Toto LeDesigner
1
Titi SonCopain
Toti Son2Copain
2
3
toto@superbo.com
titi@copains.com
Rsum
La notion substituabilit directionnelle
toti@2copains.com
[13]
ne
peuvent
pas
tre
considres
comme
contraintes
avec
optimisation
(CSOPs).
Donc,
contraintes.
1 Introduction
Les problmes de satisfaction de contraintes (CSPs)
L'algorithme du Branch-and-bound
2 Dnitions et notations
dard, un CSOP
solution.
Dnition 1 Un problme de satisfaction et d'optimisation de contraintes (CSOP) est dni par un quadruplet (X, D, C, Z) tel que :
substituabilit de voisinage. Toutefois, on peut l'utiliser comme un moyen de dcomposition des domaines
contraintes.
Dans le prsent article, nous proposons deux extensions du travail prsent dans [26] :
nous gnralisons davantage la notion de substi-
Dans
cet
article,
nous
nous
limitons
xi et xj , relies
par une contrainte binaire, note Ci,j , sont dites
voisines. La valeur a Di , dnote aussi par (xi , a),
est compatible avec b Dj si (a, b) Rel(Ci,j ).
Dans ce cas, on dit que b est un support de a.
Un
CSOP
est
un
ensemble
de
CSPs
sous-jacent,
du
Branch-and-bound
Dnition 2
X0 = X,
Di Di0 , i : 1, . . . , n,
0
0
C = {Ci,j | Ci,j
C 0 et Rel(Ci,j ) = Rel(Ci,j
)
Di Dj },
Z0 = Z.
Notez que
Dnition 3
d'une variable
xi ,
du graphe d'incon-
(a, b)
{a, b}
(b, a).
ou bien l'arc
du graphe d'incon-
d'une variable
de
d'une valeur
d'une variable
xi
xi
z:
Sn
i=1
Di IR
qui vrie
nante :
~ ((xi , xj ), a) = N
~ (xi , a) Dj
N
IR.
La
substituabilit
(1)
La sub-
xi
consquent,
a.
Par
xi
xj
de la manire sui-
vante :
(3)
et
z(xi , b) z(xi , a)
dnie
~ (xi , b) N
~ (xi , a)
N
alors
et
est
Dnition 4
N (xi , b) N (xi , a)
directionnelle
comme suit :
T D1 . . . Dn
(2)
de la
Rel(Ci,j ) et (a, b) }
peut tre tendue pour tenir compte de la fonction obproprits pour que ceci soit possible. La raison est que
par rapport
Cette dnition
xi
manire suivante :
z(xi , b) z(xi , a)
P
au lieu
a, b Di,k ,
on a
b
ou
b a.
Chaque
Di,k
est
N ((xi , xj ), a) = N (xi , a) Dj
.
Di,k ,
on peut distinguer le
Preuve :
min(Di,k ) = {b Di,k | a Di,k , b a}
(4)
Dans le cas particulier o chaque domaine de valeurs du CSOP est une chaines non vide de valeurs directionnellement substituables, une solution peut tre
trouve en temps polynomial.
0
S P
D =
0
xi X Di Di .
(xi , a)
l'ensemble des
Soient
~ P (xi , a) = N
~ P 0 (xi , a) D
N
(5)
~ P (xi , b) = N
~ P 0 (xi , b) D
N
(6)
De mme
0
P
b et de (3), on dduit
que
~ P 0 (xi , a) D
N
~ P 0 (xi , b) D
N
et
z(xi , a) z(xi , b)
et par
P . On a donc
(xi , a) et (xi , b) deux
0
valeurs quelconques disponibles dans P et P . Puisque
0
P v P , on a
valeurs de
l'ensemble des
~ P (xi , a)
N
Dsignons par
~ P (xi , a) N
~ P (xi , b)
N
Supposons que
et
z(xi , a) z(xi , b)
Ce qui est quivalent
a P
b
Une consquence directe de la proposition 2 est que
P et P 0 telles que P v P 0 ,
0
si Di est une chaine de valeurs DS dans P alors Di est
0
une chaine de valeurs DS dans P .
pour toute paire de CSOPs
3.2 Exemple
Considrons le problme Job-Shop (JSP) classique
dcrit dans la Figure 3.2. Il s'agit de plannier l'excu-
Formellement, on a
XXXX
Proposition 2
Soit P = (X, D, C, Z) et P =
(X, D0 , C 0 , Z) deux CSOPs binaires tel que P v P 0 et
soit , (resp. 0 ) une orientation du graphe d'inconsistance de P (resp. de P 0 ) telles que 0 . Alors,
on a
xi X, a, b Di Di0 ,
P
a P
0 b a b
3.
Job1
M1M2M3
0
0
0
T1.3
T1.1T1.2
1
2
T1.1T1.2
T1.3
1
1
Job2
M1M2M3
T2.3
T2.1T2.2
T2.3
T2.1T2.2
1
1
Contraintesdeprcdenceentrelesvariables
Conflitsdeprcdenceentrelesvaleurs
Conflitsderessourcesoudemachines
Conflitsderessourcesoudemachines
Aprs
l'application
consistence
sur
le
{0, 1, 2, 3},
d'un
CSOP
cette ide.
BABDS prend comme paramtres le CSOPs
algorithme
modlisant
le
d'arc-
problme,
rsoudre
(X, D, C, Z),
(qui
est
suppos
tre
arc-
I .
T1.1 , T1.2
T1.3
Di,k
T2.3
T2.1 ,
T2.1 , T2.2
et
et
de la valeur 2
Di,k .
d'optimisation Z.
Ensuite, un processus
Restaurer(D)
20 :
21 :
retourner(I
T1.1T1.2
T1.3
1
1
La relation
,
de
a b
T2.3
T2.1T2.2
1
1
on dni la relation
telle que
a b
Di \
sur l'ensemble
Conflitsderessourcesoudemachines
[a]
b a
[a] [b]
Conflitsdeprcdenceentrelesvaleurs
et
a b
a.
ordonn
E,
en
la chaine
Di,k
Fonction 1
BABDS((Z, X, D, C), , Y, I
1 : si Y = alors
2:
retourner( MeilleuresValeurs(D))
3 : sinon
4:
xi Slectionner(Y )
5:
Di DS-Partition(Di , , (X, D, C, Z))
6:
Di,k Selectionner (Di )
7:
Di Di,k
8:
AC(X, D, C)
9:
si / D et h(D) < Z(I) alors
10 :
I BABDS(Y {xi }, (Z, X, D, C), , I )
11 :
si Z(I) < Z(I ) alors
12 :
I I
13 : Restaurer (D)
14 : Di Di - Di,k
15 : AC(X, D, C)
16 : si
/ D et h(D) < Z(I) alors
17 :
I BABDS(Y {xi }, (Z, X, D, C), , I )
18 :
si Z(I) < Z(I ) alors
19 :
I I
Ceci
peut tre accompli en O(nd ) tapes en utilisant l'algorithme dcrit dans [13] ou celui propos dans [26]. On
en dduit les classes d'quivalences
Di /
en
O(d)
1)/2
conits directionnels sont ncessaire. Chaque test d'inclusion peut tre accompli en
O(nd)
puisque chaque
T1.1
) pour
T1.1
T1.1
T1.1
T1.1
{0,1}
{0,1}
{0,1}
{0,1}
{1}
{0}
T1.2
T1.2
T1.2
{1,2}
{1,2}
{1,2}
T1.2
{2}
T1.2
{1}
T1.1
bipartite
T1.3
T1.3
{2,3}
{2,3}
T2.1
T2.1
T2.2
{1}
{2}
T2.3
T2.3
{2}
{3}
cot=4
cot=3.5
T2.1
T2.2
1:
2:
3:
4:
5:
6:
7:
T1.3
{2}
{0}
Fonction 2
T1.3
{3}
d2.3 = 0.5.
3}.
Et Comme
~ (T2.1 ,
N
DT2.1
1)
{1}.
Pour
la
branche
{0}
la
propagation
des
DT2.2 ,
DT1.1 .
Pour
la
branche
DT2.2 =
{1},
la
propagation
DT1.1 sont DS en
T1.1 . Nous avons
DT1.1
{0}
{1}
{2}
de
{3}
Pour
la
branche
{2},
la
propagation
de
= {{0,
1}}.
DT1.2
arcs sortant de
T1.2
DT1.2
DT2.2 .
DT1.1 ,
tches
De mme la partition de
{ {2, 3}} Comme nous
=
3)
2 de
(a (a,b) a0 ) alors
{(a, b)}
M ax{(2 +
du
graphe
d'inconsistence
utilise
4:
5:
6:
7:
sinon
{(b, a)}
Retourer()
5 Resultats d'Experimentation
de l'orientation
est vide. A
a une
b une
{a, b}
xi et
xj dja instancie. L'arte
donnera lieu l'arc (a, b), (qui sera ajout ), uniquement dans le cas o l'orientation (b, a) fait que la
valeur b perde sa comparabilit avec une des valeurs
suivante
Notez que
max
L'algorithme
d'arc-consistence
employ
est
domain/wdeg
AC-
min-
de calcul.
GHZ de frquence
256Mo.
shop comportant
15
jobs et
15
machines, (donc
225
Fonction 3
1:
2:
3:
pour
instance
noeuds visits
BAB
BABDS
BAB
BABDS
BAB
BABDS
1308
tai15-15-105-0
1227484
121416
7065
651
1308
tai15-15-105-1
18859
563852
90
3847
1326
1325
tai15-15-105-2
2660107
82618
11521
748
1295
1295
tai15-15-105-3
595587
3743
1239
tai15-15-105-4
1183894
5503
1297
tai15-15-105-5
295665
2532
1308
tai15-15-105-6
27073
1477641
105
6056
1297
1296
tai15-15-105-7
51164
376
1282
tai15-15-105-8
1183674
9445
3406
74
1353
1353
tai15-15-105-9
830122
985537
3051
4681
1334
1333
Figure 5 Les rsultats donns par BAB et BABDS simuls sur les instances js-taillard-15-105. Le nomre
des sommets visits, le temps CPU et le cot sont reports. Le temps de simulation a t limit 4 heures pour
chaque problme gn.
noeuds visits
instance
BAB
BABDS
BAB
BABDS
BAB
BABDS
tai15-15-104-0
788570
4526
1296
tai15-15-104-1
65607
460
1313
1283
tai15-15-104-2
9932
88
tai15-15-104-3
116305
457245
646
2716
1228
1227
tai15-15-104-4
314254
2728090
1500
12942
1285
1285
tai15-15-104-5
97275
643
1297
tai15-15-104-6
168007
1136
1284
tai15-15-104-7
441632
2033520
2606
14028
1270
1270
tai15-15-104-8
15875
112535
61
539
1341
1340
tai15-15-104-9
22970
18595
99
79
1321
1321
Figure 6 Les rsultats donns par BAB et BABDS simuls sur les instances js-taillard-15-104. Le nomre
des sommets visits, le temps CPU et le cot sont reports. Le temps de simulation a t limit 4 heures pour
chaque problme gn.
noeuds visits
instance
BAB
BABDS
BAB
BABDS
BABDS
1284
tai15-15-103-0
9889
122
tai15-15-103-1
103439
885
1301
tai15-15-103-2
33057
423
1271
tai15-15-103-3
tai15-15-103-4
tai15-15-103-5
tai15-15-103-6
192459
1274
1273
tai15-15-103-7
623560
2513
1259
tai15-15-103-8
tai15-15-103-9
92320
454
1309
Figure 7 Les rsultats donns par BAB et BABDS simuls sur les instances js-taillard-15-103. Le nomre
des sommets visits, le temps CPU et le cot sont reports. Le temps de simulation a t limit 4 heures pour
chaque problme gn.
6 Travaux Connexes
k -consistance.
7 Conclusion
rfrence, une orientation du graphe d'inconsistance au lieu de l'ordre sur les variables.
de capturer l'interchangeabilit dans une situation limite lorsque l'interchangeabilit voisine choue.
Soft CSPs [3, 11, 30] : les CSPs valus [31], les CSPs
pondrs
mique.
de l'avantage de la substituabilit
Dans [27], les auteurs ont gnralis davantage la dnition d'interchangeabilit aux soft CSPs en introdui-
substituabilit directionnelle
interchangeabilit
NI et de NI lors de la recherche de
Rfrences
[1]
nal on Computing
pondrs.
La notion de substituabilit a t aussi dnie pour
[2]
ORSA Jour-
systems.
317 1991
[3]
Berlin Heidelberg,
[4]
the 10th National Conference on Articial Intelligence, pages 421427. San Jose, California, USA,
Boussemart,
Verlag
2002
F.,
1992
Hemery,
F.,
Lecoutre,
C.,
[18]
constraints. In
Proceedings of ECAI'04,
pages
146150, 2004
[5]
[6]
[19]
2004
Operations Research,
pages 7 : 621-624,
[20]
[9]
[21]
[11]
Articial Intelligence,
pages 154 :
199227, 2004
[12]
[23]
Annals of Mathematics,
51 :
161-166. 1950
[13]
ceedings of AAAI-91,
[14]
[24]
[25]
[26]
Articial Intelligence,
[28]
CPAIOR 2007,
pages 200
SIAM
2, 4 : 225231, 1993
[30]
Proceedings of CP'2000,
Proceedings of
8 : 99118, 1977
CSPs.
[29]
for
Journal on Computing,
solutions
2007
of
[27]
sets
Proceedings
European Conference on Articial In-
plications,
607613. 1995
[17]
Maximal
Pro-
CSP
search. In
[16]
D.
of
therlands, 1994
[15]
Lesaint,
of the 11th
telligence, pages
Benchmarks
Toward
representation
http
://www.cril.univartois.fr/lecoutre/research/benchmarks/benchmarks.html, 2007
C.
XML
instances.
Lecoutre,
2.1.
Proceedings of IJCAI-07,
719, 1966
In
[22]
Proceedings of
methods : A survey.
[10]
AAAI-05,
tems,
1995
Wiley,
1959
[7]
Proceedings of AAAI-04,
[31]
New Trends in
Constraints, Joint ERCIM/Compulog Net Workshop, pages 173187, Springer-Verlag, 2000
using the Cartesian representation
[33]
64 : 278285, 1993
[34]
Proceedings of
Fourth International Workshop on Symmetry and
Constraint Satisfaction Problems (SymCon04),
geability and substitutability. In
Toronto, 2004