1 / 29

Constraint Networks 2.2~2.3

Constraint Networks 2.2~2.3. ５月７日 上田研究室 M2 　西村　光弘. 2.2 Numeric and Boolean Constraints. 2.1.2 （ P27 ）で取り扱った関係の記述を、より簡潔 で扱いやすいように記述する ↓ 　算術制約やブーリアン制約を用いる 算術制約：より簡潔な表現 ブーリアン制約：禁止されるタプルを表現. 2.2.1 Numeric Constraint. 算術式で制約を簡潔に表現する 例： 4-queens problem 全ての２つの変数ｘ i とｘｊ（図の縦列） ∀ i,j に対し、

phelan-orr
Download Presentation

Constraint Networks 2.2~2.3

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Constraint Networks 2.2~2.3 ５月７日 上田研究室 M2　西村　光弘

  2. 2.2 Numeric and Boolean Constraints 2.1.2（P27）で取り扱った関係の記述を、より簡潔 で扱いやすいように記述する ↓ 　算術制約やブーリアン制約を用いる 算術制約：より簡潔な表現 ブーリアン制約：禁止されるタプルを表現

  3. 2.2.1 Numeric Constraint • 算術式で制約を簡潔に表現する 例：4-queens problem 全ての２つの変数ｘiとｘｊ（図の縦列） ∀i,jに対し、 横列が同じでない → xi≠ｘｊ 斜めの場所にない → ｌxi – xjｌ≠ｌi - jｌ Rij = {(xi, xj) ｌ xi ∈ Di, xj ∈ Dj, xi≠ｘｊ and ｌxi – xjｌ≠ｌi - jｌ}

  4. Numeric Constraint もう一つの例　+ α • 変数領域を整数の有限部分集合にする • ２つの変数の間の２項制約を線形不等式の結合で表す 　　（3xi + 2xj ＜ 3 ）∧（-4xi + 5xj ＜ 1） Crypto-arithmetic Puzzles 上記の線形制約を用いて 簡単に定式化できる “integer liner program” 同じ文字は同じ数字が 隠されている 数字は０～９ SEND ＋MORE MONEY

  5. 2.2.2 Boolean Constraints • 制約問題の変数が２値である場合、関係を記述するのによくBoolean制約を使う 例：Alex, Bill, Chrisをpartyに招待する場合 A＝命題“Alexはpartyに来る”（B,Cも同様）とする わかっていること ・Alexが来るならBillも来る ・Chrisが来るならAlexも来る → (A → B) ∧ (C → A) ↓同じ意味 (￢A∨B) ∧ (￢C∨A)

  6. 例：Alex, Bill, Chrisをpartyに招待するChrisが来るとしたらBillは来る？ • 命題論理 命題理論φ = C ∧ (A→B) ∧ (C→A) • Chrisが来るとしたら、Billが来るかどうか →Billが来ないと仮定して矛盾が生じるかどうかを見る つまり、φ∧￢Bを解いて満たされるかをチェック 　　　　　　　　　　　　↓ この場合は矛盾が示されるので、“Billは来る”

  7. CNF (conjunction normal form) • CNF＝論理積標準形 • 命題変数・・・P,Q,Rで表す。 取りうる値は｛true, false｝or｛1, 0｝ • Clause(節)・・・命題変数と選言記号（disjunction）を用いてα、βなどで表す α＝（P∨Q∨R）　 （P∨Q∨R∨T）→（α∨T）と略記 （α∨Q）∨（β∨￢Q）→（α∨β） • CNF・・・clauseの集合をφで表す φ＝｛α1,・・・,αt ｝

  8. CNFとSAT（propositional satisfiability problem） • CNFは、変数が命題（true or false）であるような制約ネットワークでよく見られる 補足説明 CNF theory φ＝（A∨B）∧（C∨￢B）→変数３つ、制約（clause）２つ 制約A∨Bは関係RAB＝[(1,0),(0,1),(1,1)]を表す • SATは命題充足可能性問題 • CNF理論がmodelを持つかどうかを決定すること model＝どのclauseの規則も破らないように、変数に真値を割り当てたもの • 関連する制約問題で矛盾しないかどうかを決定すること

  9. Primal constraint graph • 命題理論φの構造をinteraction graphで描画・・・G（φ） • 無向グラフ • ノードは各命題変数 • エッジは同clauseにある変数の各ペア B C A D Figure2.8 E G(φ)＝｛（￢C）,（A∨B∨C）,（￢A∨B∨E）,（￢B∨C∨D）｝

  10. 2.2.3 Combinatorial Circuits Diagnosis • Boolean命題言語は回路を表すのによく使われる • 回路の診断作業は制約充足問題として定式化されうる • 定式化の方法 • 変数と各ゲート（AND、OR、XOR）を関連づける • Boolean制約によって、各ゲートのinputとoutputの関係を記述する • 観測されるoutputから、回路の振る舞いが適切か間違いかを確認する

  11. 2.3 Properties of Binary Constraint Networks • 今まで出てきた制約を処理する概念はBinary Networkのために紹介された Binary Networkは役に立つ 　　　　　　　　↓なぜかというと・・・ 後の章にでてくる制約の一般的理論を理解するの に役に立つから • この2.3節ではbinary constraint networkの特徴について書いてある

  12. 2.3.1 Equivalence and Deduction with Constraints • 制約を計算する主な概念はconstraint deduction ↓ 初期の制約集合から、新しい制約集合を 推論すること 例：幾何制約ｘ＞ｙとｙ＞ｚからｘ＞ｚを推論する 推論された新しい制約を加えた集合は、初期の 集合と同等のconstraint networkを生み出す

  13. 例：graph-coloring problem 図の説明 • 各ノードは変数x１、x２、x３ • それぞれ同じdomain｛red, blue｝ • Not-equal制約 • R21=R32=｛（blue, red）,（red, blue）｝ • エッジのないx1とx3の関係はuniversal relation • R13={(red, blue),(blue, red),(red, red),(blue, blue)} • 制約からの解は２つでρ123={(red, blue, red)(blue, red, blue)} • そこから推論されるx１とx３の関係は、新しい制約R’13={(red, red)(blue, blue)}を作る（deduction） • 元の制約集合をR、R’13を加えた制約集合をR’とすると、このRとR’は同値であると言える（equivalence） redundant

  14. 図：graph-coloring x2 x2 red blue red blue R’= R= ≠ ≠ ≠ ≠ red blue red blue red blue red blue x1 x3 x1 x3 ＝ (b) (a) Figure2.10

  15. RedundancyとEquivalenceを一般的に言うと • Redundancy • 制約ネットワークからある制約を取り除いても解の全ての集合が変わらない時の、そのある制約のこと • Equivalence • ２つの制約ネットワークにおいて • 同じ変数の集合の上で制約ネットワークが定義されている • 同じ解の集合を表現できる

  16. 定義2.2 Composition • 制約推論はCompositionを通して達成される • Rxy,Ryz(binary or unary constraint)があるとして、composition Rxy・Ryzから２項関係Rxzを作る Rxz={(a,b)ｌa∈Dx, b∈Dz ∃c∈Dy such that (a,c)∈Rxy and (c,b)∈Ryz} • compositionの計算の定義をjoinとprojectionを使って定式化 Rxz = Rxy・Ryz = π{x,z}(RxyRyz) 例：R’ = π{x1,x3}(R12R23) = {(red,red),(blue,blue)} projection join

  17. 図：join and projection R12 R23 x1 x2 x2 x3 blue red blue red red blue red blue R13 = π{x1,x3}(R12R23) ↓join R12R23 x1 x3 　 → projection x1 x2 x3 blue blue red red blue red blue red blue red

  18. 例2.2 composition 0-1matrix • 2項関係を0-1matrixで表現すると、compositionはBoolean matrixの掛け算になる red blue red blue R23 = R12 = red blue red blue 0 1 0 1 1 0 1 0 red blue 0 1 0 1 1 0 = R12・R23 = R13 = red blue × 1 0 = 1 0 1 0 0 1 0 1

  19. 2.3.2 The Minimal and the Projection Networks 問題提起 どんな関係もbinary constraint networkとして 表現されるか？ ↓答え 多くの場合は表現できない（特別なケースだけ表現できる） 　　　　　　　　　　　　　　　　↓なぜなら 異なる関係の数　＞　異なるbinary constraint networkの数 　　　　　　　　　　　　　　　　↓どうするか Binary projection networkによって関係を近似する

  20. 定義 2.3 projection network 初期の関係 ρ ↓変数の各ペアーでρをprojectionする Projection networkの関係 P(ρ) P(ρ)はnetwork P = (X, D, P)で定義される D={Di}, Di=πi(ρ), P={Pij},Pij=πxi,xj(ρ)

  21. 例2.3 projection network • ρ123={(1,1,2),(1,2,2),(1,2,1)} Projection network P(ρ) P12={(1,1),(1,2)}, P13={(1,2),(1,1)} P23={(1,2),(2,2),(2,1)} P(ρ)からの全ての解はsol(P(ρ)) sol (P(ρ))={(1,1,2),(1,2,2),(1,2,1)} 一般的には このように うまく戻らない 例２．４へ

  22. 例2.4 定理2.1ρ⊆sol(P(ρ)) Projection network P(ρ) P12={(1,1),(1,2),(2,1),(2,2)} P23={(1,2),(2,2),(1,3)} P13={(1,2),(2,3),(2,2)} 初期の関係ρ x1 x2 x3 1 1 2 1 2 2 sol(P(ρ)) 2 1 3 x1 x2 x3 2 2 2 1 1 2 1 2 2 2 1 2 2 1 3 余分な解が増えた 2 2 2

  23. 定理2.2 ￢∃R’, ρ⊆sol(R’)⊂sol(P(ρ)) • Projection network P(ρ)はρを表現するのに、最も厳しい上限のbinary networkである • 説明は前頁（P21）の図を参照 問題提起 P(ρ)はsol(ρ)を表現するのに最も厳しい 関係記述かどうか？

  24. 定義2.4 “tighter than” network relationship 同じ変数の集合を持つ、２つのbinary network をRとR’として、 R’がRと比べ少なくても同じtightさである ⇔全てのi,jに対し、R’ij⊆Rij 例：資料P14のgraph-coloring図2.10の(a)と(b)が上のRとR’に相当する 説明：意味論的に同等で同じ解が得られるのに、 RよりR’ 　　のほうが条件が厳しい

  25. 定義2.5 intersection on networks • 2つのnetwork RとR’のintersection（R∩R’）はbinary networkである。（明らか） 命題2.1 • ２つの同等なnetwork RとR’があるなら、 • R∩R’はそれらと同等なnetworkである • R∩R’は両方より少なくともtightである

  26. 例2.5 　命題2.1の例題説明 • 資料P１４のgraph-coloring図の関係で、（ｂ）のR２３の≠制約を取り除いたRとR’のintersectionを考える • R : • R12=R23=｛（blue, red）,（red, blue）｝ • R13={(red, blue),(blue, red),(red, red),(blue, blue)} • R’ : • R12=｛（blue, red）,（red, blue）｝ • R13=｛（blue, blue）,（red, red）｝ • R23={(red, blue),(blue, red),(red, red),(blue, blue)} • R∩R’ (minimal network) • R12= R23= ｛（blue, red）,（red, blue）｝ • R13=｛（blue, blue）,（red, red）｝

  27. 定義2.6 minimal network • R 0と同等の全てのnetworkの集合を｛R 1,…, Rl ｝ • ρ＝sol(R 0) • R 0のminimal networkは M(R 0)=M(ρ)=∩R iと定義される • 定理2.3 全てのbinary network R に対し、 ρ＝ sol(R), M(ρ) = P(ρ)が成り立つ 命題2.2 If (a,b)∈Mij then ∃t∈sol(M) such that t[i]=a, t[j]=b l i=1

  28. 2.3.3 Binary-Decomposable Network x y z t x y z • 例2.6 • ρはbinary constraint networkで表現可能 • projectedな関係であるπxyzρはbinary networkで表現不可能 • なぜならπxyzρ⊂sol(P(πxyzρ)) • 定義2.7 関係がbinary-decomposableであるとは、その関係が binary constraintsで表現可能であるということ a a a a a a a ρ = πxyzρ= a b b b a b b b b a c b b a

  29. 図2.11 M13={(2,1),(3,4)} R12={(1,3),(1,4),(2,4),(3,1),(4,1),(4,2)} R13={(1,2),(1,4),(2,1),(2,3),(3,1),(3,4),(4,1),(4,3)} R14={(1,2),(1,3),(2,1),(2,3),(2,4),(3,1),(3,2),(3,4),(4,2),(4,3)} R23={(1,3),(1,4),(2,4),(3,1),(4,1),(4,2)} x1 x2 x3 x4 R34={(1,3),(1,4),(2,4),(3,1),(4,1),(4,2)} ↓ 1 R13={(1,2),(1,4),(2,1),(2,3),(3,1),(3,4),(4,1),(4,3)} 2 R13’={(1,2),(2,1),(3,4),(4,2),(4,3)} 3 R13’’={(1,4),(2,3),(2,1),(3,4),(4,1)} 4 R13’’’={(1,4),(2,1),(3,4),(4,3)} R13’’’’={(2,1),(4,1),(3,2),(2,3),(3,4),(1,4)} ↓ M13= R13∩R13’∩R13’’∩R13’’’∩R13’’’’ = {(2,1),(3,4)}

More Related