Skip to Main content Skip to Navigation
Conference papers

Hybridation de prouveurs CSP et apprentissage

Résumé : À ce jour, l'algorithme MGAC-$dom/wdeg$, qui maintient l'Arc Consistance Généralisée pendant la recherche d'une solution, est considéré comme étant l'approche générique la plus efficace pour résoudre des Problèmes de Satisfaction de Contraintes (CSP) difficiles et de grande taille. Dans cet article, nous proposons une approche hybride capable de combiner des recherches systématiques et locales indépendantes tout en transférant des informations utiles d'un algorithme à l'autre. Nous proposons différentes interactions, et en particulier l'apprentissage de nogoods, la pondération de contraintes ainsi que des affectations gloutonnes. Sur un grand nombre d'instances de CSP structurés, les résultats expérimentaux montrent que notre approche donne des résultats intéressants en comparaison avec MGAC-$dom/wdeg$.
Document type :
Conference papers
Complete list of metadata

Cited literature [21 references]  Display  Hide  Download

https://hal.inria.fr/inria-00151161
Contributor : Sylvain Soliman <>
Submitted on : Friday, June 1, 2007 - 4:52:51 PM
Last modification on : Thursday, January 11, 2018 - 6:19:28 AM
Long-term archiving on: : Thursday, April 8, 2010 - 5:18:34 PM

File

65.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00151161, version 1

Collections

Citation

Julien Vion. Hybridation de prouveurs CSP et apprentissage. Troisièmes Journées Francophones de Programmationpar Contraintes (JFPC07), Jun 2007, INRIA, Domaine de Voluceau, Rocquencourt, Yvelines France. ⟨inria-00151161⟩

Share

Metrics

Record views

149

Files downloads

168