Hybridation de techniques d’apprentissage de clauses en programmation par contraintes - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2019

Hybridization of clause learning techniques in constraint programming

Hybridation de techniques d’apprentissage de clauses en programmation par contraintes

Gael Glorian

Résumé

This thesis belongs to the field of constraint programming (CP), one of the most efficient paradigms for solving many problems (of a combinatorial nature) in AI. We have been interested in improving the CSP (constraint satisfaction problem) solving techniques, especially in a hybrid context using the power of SAT (Boolean satisfaction problem) inference engines. We have developed several conflict analysis techniques to extract useful information for resolution, through fine analysis followed by a form of learning. To achieve this goal, we first strengthened the power of nogoods recorded by the resolution system by proposing several rules to combine them. In addition, we integrated a SAT resolution engine into a CP system based on the notion of lazy explanations. The use of a SAT engine is motivated by their high efficiency in producing and manipulating simple forms of nogoods in clausal form. The NACRE software, a generic reasoning engine, is the result of this work; In particular, it was designed to be a hybrid solver, solving constraint satisfaction problems using dedicated or SAT-inspired methods. Our generic (i.e., valid for any problem) approach has proved very effective in practice (NACRE has won 2 gold medals at the XCSP competitions 2018 and 2019). In order to enrich the SAT / CP hybridization, we conducted a study on the quality of clauses produced by the SAT engine. This allowed us to propose new methods for clauses database reduction, minimization, and new search heuristics.
Cette thèse s’inscrit dans le domaine de la programmation par contraintes (CP), un des paradigmes les plus efficaces pour résoudre de nombreux problèmes (de nature combinatoire) en IA. Nous nous sommes intéressés à l’amélioration des techniques de résolution CSP (problème de satisfaction de contraintes), notamment dans un contexte hybride en utilisant la puissance des moteurs d’inférence SAT (problème de satisfaction booléenne). Nous avons ainsi développé plusieurs techniques concernant l’analyse de conflits afin d’extraire des informations utiles pour la résolution, grâce à une analyse fine suivie d’une forme d’apprentissage. Pour atteindre cet objectif, nous avons dans un premier temps renforcé la portée (puissance) des instanciations partielles incohérentes (nogoods) enregistrées par le système de résolution en proposant plusieurs règles permettant de les combiner. De plus, nous avons intégré un moteur de résolution SAT au sein d’un système CP reposant sur la notion d’explications paresseuses. L’utilisation d’un moteur SAT est motivée par leur grande efficacité à produire et à manipuler des formes simples de nogoods sous forme clausale. Le logiciel NACRE, moteur générique de raisonnement, est le résultat de ce travail ; il a notamment été conçu pour être un solveur hybride, résolvant les problèmes de satisfaction de contraintes à l’aide de méthodes dédiées ou inspirées de SAT. Notre approche générique (c’est-à-dire, valide quelque soit le problème traité) s’est avérée très efficace en pratique (NACRE a gagné 2 médailles d’or aux compétitions XCSP 2018 et 2019). Dans l’objectif d’enrichir l’hybridation SAT/CP, nous avons conduit une étude sur la qualité des clauses produites par le moteur SAT. Celle-ci nous permis de proposer de nouvelles méthodes de réduction de base de clauses, de minimisation ainsi que de nouvelles heuristiques de recherche.
Fichier principal
Vignette du fichier
108905_GLORIAN_2019_archivage.pdf (2.09 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

tel-02971371 , version 1 (19-10-2020)

Identifiants

  • HAL Id : tel-02971371 , version 1

Citer

Gael Glorian. Hybridation de techniques d’apprentissage de clauses en programmation par contraintes. Informatique [cs]. Université d'Artois, 2019. Français. ⟨NNT : ⟩. ⟨tel-02971371⟩
89 Consultations
116 Téléchargements

Partager

Gmail Facebook X LinkedIn More