HAL Id: inria-00085808
https://hal.inria.fr/inria-00085808
Submitted on 14 Jul 2006
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Mohand Ou Idir Khemmoudj, Hachemi Bennaceur
To cite this version:
Mohand Ou Idir Khemmoudj, Hachemi Bennaceur. Inférence de cliques pour la résolution de Max-
CSP. Deuxièmes Journées Francophones de Programmation par Contraintes (JFPC06), 2006, Nîmes
- Ecole des Mines d’Alès / France. �inria-00085808�
Inférene de Cliques pour la Résolution de
Max-CSP
∗
Mohand Ou Idir Khemmoudj Hahemi Bennaeur
LIPN-CNRSUMR 7030, 99 Av J-B. Clément
93430Villetaneuse, Frane
{MohandOuIdir.Khemmoudj, Hahemi.Bennaeur}lipn.univ -par is13 .fr
Résumé
Peu de travaux sur les problèmes CSP, Max-CSP
et CSP valués ont été réalisés dans le domaine de
l'OptimisationCombinatoirealorsquee domaineren-
ferme de nombreux outils algorithmiques qui peuvent
servir àlarésolutiondees problèmes. Dansepapier,
nous dérivons une tehnique d'inférene d'ensembles
de liques à partir du Max-CSP que nous exploitons
pourdénir unenouvellemodélisationen Programma-
tion Linéaire (PL) du Max-CSP. Nous montrons que
lesestimationslassiquesdu nombreminimumde on-
traintesviolées(bornesinférieures)baséessurlaonsis-
taned'artellesqueDAC[13 ℄,RDAC[8℄etWAC[1℄peu-
ventêtretraduitespardesrelaxationsdualesLagrangien-
nesduPL.Noustironsaussiprotdeettemodélisation
pourdévelopperdenouvellesbornesinférieures. Dansun
premier temps, an d'avoir uneidéesur la qualitédes
bornes inférieures obtenuesàpartirdu PL,nous avons
évaluélavaleurdelarelaxationontinueduPLàl'aide
dusolveurCPLEX,puisnousavonsdéveloppéuneméth-
odedutypeBranhandBoundintégrantunerelaxation
LagrangienneduPL.Lesrésultatsobtenussonttrèsen-
ourageants etouvrent de nouvellesperspetives à ex-
ploiteraumieuxlesoutilsdelaprogrammationlinéaire
pourontribueràlarésolutiondees problèmes.
Abstrat
FewworksonproblemsCSP,Max-CSPandweighted
CSP was arried outinthe eld of Combinatorial Op-
timization,whereasthiseldontainsmanyalgorithmi
toolswhihanbeusedfortheresolutionoftheseprob-
lems. In thispaper,we proposeanewmodelinginlin-
earprogramming (LP) of the problem Max-CSP,then
weshow thatthetraditionalestimatesoftheminimum
number of violated onstraints (lower bounds) based
on the ar-onsisteny suhasDAC[13 ℄, RDAC[8℄and
∗
Cetravailest enpartie soutenu parEletriité De Frane
(EDF).
WAC[1℄anbeexpressedbydualLagrangeanrelaxations
oftheLP.Webenetasfromthismodelingtodevelop
newlowerbounds. Initially,inordertohaveanideaon
the quality ofthe lowerboundsobtainedfromthe LP,
we evaluatedthevalue ofthe ontinuous relaxationof
LPusingCPLEXtool,thenwedevelopedaBranhand
Boundmethod integratingaLagrangeanrelaxationsof
the LP.Theresultsobtainedarevery enouragingand
open new prospets to exploitthe linearprogramming
tools aswellaspossibleto ontributetotheresolution
oftheseproblems.
1 Introdution
Leproblèmedesatisfationdeontraintes(CSPpour
ConstraintSatisfationProblem)estdéniparunen-
semble de variables, ayant haune un domaine de
valeurs possibles, et par un ensemble de ontraintes.
Chaque ontrainte limite lesombinaisonsde valeurs
que peuvent prendre les variables sur lesquelles elle
pèse. Unesolutiond'un CSP est une aetationsat-
isfaisanttouteslesontraintes.
Dans beauoup d'appliations, les ontraintes sont
antagonistes puisque la satisfation de ertaines
d'entreellessefaitaudétrimentd'autres. Ilest don
impossibledesatisfairetouteslesontraintes.Onpeut
alorsêtreintéresséparlareherhed'unesolutionqui
minimiselenombredeontraintesinsatisfaites. Dans
lalittératureCSP,eproblèmeestréférenéMax-CSP,
problèmedesatisfationdeontraintesmaximale.
Comme pour beauoup d'autres problèmes
d'Optimisation Combinatoire, l'algorithme le plus
utilisé pour la résolution exate de Max-CSP est
l'algorithme de séparationet évaluation (branh and
bound, B&B). L'eaité du B&B dépend grande-
ment de la qualité de la borne inférieure alulée en
229
haquenoeuddel'arbredereherhe.
La plupart des méthodes eaes de alul de
bornes inférieures se basent sur la notion de onsis-
taneloale. Laprinipalediultéàlaquelleseheur-
tent es méthodes est la priseen ompte de manière
globale de toutes les ontraintes entre variables non
enoreaetées.
Dans la ommunauté de la Reherhe Opéra-
tionnelle, d'autres bornes inférieures sont utilisées
ommelesbornesobtenuesparlarelaxationontinue
oularelaxationLagrangienne[6℄.
Dans le but de proposer de nouvelles bornes in-
férieures pour les Max-CSP binaires ou d'améliorer
la qualité de ertaines qui existent, e travail porte
surl'étudedeliensentrelestehniquesdeonsistane
loaleetlestehniquesderelaxations ontinueetLa-
grangienne. On sebase sur la notionde lique. Une
lique étant un graphe omplet, i.e, un graphe dont
les sommets sont tous deux à deux adjaents. Nous
nous intéressons aux liques binaires qui expriment
desinompatibilitésentrelesvaleursdedeuxvariables
duMax-CSP.Nousproposonsuneformulationlinéaire
pour touteliquebinaire et montronsommentette
formulationpeutêtreutiliséepourproposerune nou-
velleformulationlinaireéquivalenteauMax-CSP.Des
expérimentationsont été réaliséeset ont montré que
larésolution parProgrammationLinéaireenNombre
Entiers du système linéaire obtenu onstitue une al-
ternativeintéressantepourlarésolutiondesMax-CSP
avegraphedeontraintesàdensitéfaible.
Nous montrons aussi que les bornes inférieures
obtenues par les tehniques de onsistanes loales
tellesqueDAC,RDACetWACpeuventêtreobtenues
parla résolution d'unerelaxationLagrangienne d'un
système linéaire ontenant un nombre réduit de
liques. Nous proposons par la suite un proessus
d'inférene de liques pour le alul d'une meilleure
borne inférieure notéeCBB (CBBpour Cilque-Based
Bound). Cetteborneestintégréedansl'algorithmede
résolution PFC-MPRDAC [9℄ et l'algorithme obtenu
est labelliséPFC-MPRDAC+CBB.Les expérimenta-
tionsréaliséesontmontré quePFC-MPRDAC+CBB
permet d'obtenirdesrésultatstrèsenourageants.
Lereste du papierest organiséommesuit : dans
la setion 2, on présentera quelques dénitions ainsi
qu'un état de l'art sur les méthodes de alul de
bornes inférieurespourlesMax-CSP. Danslasetion
3ondonneralaformulationlinéaireproposéepourles
liquesbinaireset onannoneralethéorèmequinous
permettra deprésenterdiérentes manièresde alul
de bornes inférieures. La setion 4 présente la nou-
velleformulationlinéaireproposéepourlesMax-CSP.
Dans la setion 5on montre omment lesbornes in-
férieuresobtenuesparlestehniquesde onssistanes
loales telles que DAC,RDAC et WACpeuvent être
aluléesparlarésolutiond'unesimplerelaxationLa-
grangienne. La setion 6 est onsarée à la présen-
tation du proessus d'inférene de liques. Ensuite,
nousprésentonslesexpérimentationsréaliséesdansla
setion7. Enn, nousonluronsàlasetion 8.
2 Préliminaires
Dans ette setion nous introduisons quelques déni-
tions néessairespourlasuite del'artile ainsiqu'un
état del'artsur lesméthodes dealul de bornes in-
férieurespourlesMax-CSP.
2.1 Dénitions
Dénition 1 (Le problème de satisfation de on-
traintes binaires). Un problème de satisfation de
ontraintes binaires est la donnée d'un quadruplet
(X,D,C,R) :
•
Xestunensembledevariables{X
1, X
2, . . . , X n
};•
Destunensemblededomaines{D
1, D
2, . . . , D n
}où haque
D i
représente lesd i
valeurs possiblespour
X i
(d i ≤ d,
oùd
est la tailledu plusgranddomaine);
•
Cestunensembledee
ontraintesoùhaqueon-trainte
C ij
porte sur deuxvariablesX i
etX j
deX
;•
R est un ensemble dee
relations où haqueR ij
dénit l'ensemble des ombinaisons de valeurs
satisfaisant
C ij : R ij
estunsous-ensembledupro- duit artésienD i × D j .
Dénition 2 (Graphe de ontraintes). On appelle
graphe de ontraintes d'un CSP, le graphe dont les
sommetsestl'ensemble desvariables (
X
)etlesarêteselui desontraintes(
C
).Dénition 3 (Graphe omplémentaire de la Mi-
ro-struturedugraphedeontraintes). Ondésignera
par
C µ
legrapheomplémentairedela miro-struture dugraphedeontraintes. C'estlegraphedontlessom-metsreprésententlesvaleursdesvariablesetlesarêtes
lesliens d'inompatibilité entreesvaleurs.
Dénition4(Support). Unevaleur
v k
d'unevariableX i
estditesupportpourla valeurv l
d'uneautrevari-able
X j
siet seulement si on aR ij (v k , v l ) ((v k , v l ) ∈ R ij ).
Dénition 5 (Clique). Dans le adre d'un CSP,
une union de sous-ensembles,
E i
1⊆ D i
1, E i
2⊆
D i
2, ..., E i
m⊆ D i
m: 1 ≤ i
1< i
2< ... < i m ≤ n
,forme une lique si et seulement si pour tout ouple
(j
1, j
2) ∈ {i
1, i
2, ..., i m }
2 tel queE j
16= ∅
etE j
26= ∅
on a
C j
1j
2∈ C
et¬R j
1j
2(v k , v l ) ∀(v k , v l ) ∈ E j
1× E j
2.C'est unsous graphe omplet de
C µ
. On dira qu'unelique est binaire si elle est l'union de deux sous-
ensembles de deuxvariables duCSP.
Pouruneintrodutionauproblèmedereherhede
liquesdansungraphe,leleteurpeutseréférerà[3℄.
2.2 Bornes inférieurespour lesMax-CSP
On se plae dans la situation générale où on dis-
pose d'une instaniation partielle
I P = (X i
1= v i
1, ..., X i
m= v i
m)
et onintroduit lesnotationssuiv-antes:
• P = {i
1, i
2, ..., i m }, 0 ≤ m ≤ n
: ensemble desvariablesinstaniées;
• F = X \ P
: ensembledesvariablesfutures;• C P ⊆ C
: ensemble des ontraintes portant surdesvariablesde
P
;• C F ⊆ C
: ensemble des ontraintes portant surdesvariablesde
F
;• C P F = C \ (C P ∪ C F )
: ensembledesontraintesportantsurune variablede
P
et unevariable deF
;• distance(I P ) = |{C ij ∈ C P : ¬R ij (v i , v j )}|
:nombre de ontraintes de
C P
insatisfaites par l'instaniationpartielleI P
;• ic k i = |{j : ¬R ij (v k , v j ), j ∈ P}|
: nom-bre de ontraintes de
C P F
qui seront violées sionétendl'instaniationpartielleparl'aetation
X i = v k .
Ce nombre est appelé le ompteurd'inonsistanes(inonsistenyount).
L'algorithme de résolution Partial Forward Chek-
ing[5 ℄ qui est un algorithme de séparation et
évaluation utilise un minorant simple à aluler :
distance(I P ) + P
i∈F v min
k∈D
iic k i .
C'est le nombre deon-traintes violées dans
C P
augmenté d'une évaluationdunombredeontraintesvioléesdans
C P F
. [13℄,pro-posed'améliorerlaqualitédee minorantparl'ajout
d'une évaluation du nombre de ontraintes violées
dans
C F
. Il suppose un ordre xe des variables etutilisedesompteursnotés
dac k i
etappelésompteursd'ar ohérene orientée (direted ar onsisteny
ounts ou DAC):
dac k i = P
j>i v min
l∈D
j(1 − R ij (v k , v l )).
Le ompteur
dac k i
estle nombre devariablesX j ∈ F
situées après
X i
dans l'ordre utilisé et telles que¬R ij (v k , v l ), ∀v l ∈ D j .
La nouvelle borne inférieureest
distance(I P ) + P
i
∈F v min
k∈D
iic k i + P
i
∈F v min
k∈D
idac k i .
Ledeuxièmeettroisièmetermedel'expressionpréédente
peuvent être ombinés pour obtenir une meilleure
borne :
distance(I P ) + P
i
∈F v min
k∈D
i(ic k i + dac k i )
[7℄. [1℄proposeunetehniquepours'enpasserdel'ordredes
variables. Elleonsisteàassoieràhaqueontrainte
C ij ∈ C F
deuxpoidsλ ij
etλ ji
telsqueλ ij + λ ji = 1
.Elle assoie aussi à haquevaleur
v k
de haque vari-able
X i ∈ F
uneontributionwac k i
telle quewac k i = P
j:C
ij∈C
Fv min
l∈D
jλ ji (1 − R ij (v k , v l ))
. Les ontributionswac k i
sont par la suite utilisées pour le alul de laborne inférieure WAC (Weighted Ar Consisteny),
W AC = distance(I P ) + P
i
∈F v min
k∈D
i(ic k i + wac k i ).
Laméthode proposée dans [8℄ se base sur l'orientation
des ontraintes de
C F
(Reversible Direted Ar Consistensy, RDAC). Chaque ontrainteC ij ∈ C F
est orientéeversunede sesvariables
X i
ouX j
etleséventuelles absenes de support sont omptabilisées
surlavariableindiquéeparetteorientation. Celaest
équivalentàaeter(0,1)ou(1,0)auouple
(λ ij , λ ji ).
[12℄ montre que le problème qui onsiste à trouver
une façon optimale d'orienter les ontraintes de
C F
estNP-diile. LesalgorithmesPFC-RDACetPFC-
MRDAC [8℄ optimisent l'orientation des ontraintes
de
C F
enhaquenoeudduB&Bparreherheloale.[9℄ propose une amélioration de la borne obtenue
par l'orientation des ontraintes de
C F
par l'ajoutde ontributions globalesde sous-ensembles disjoints
de
F
(Partition-Based Lower Bound). Il existe maintenant des tehniques de onsistanes loalesplusélégantes et plus puissante :
AC
∗ [11℄,F DAC
∗[10℄ et
EDAC
∗ [4℄. Dans e papier nous établissons des liens entre l'inférene de liques et les bornesinférieures lassiques DAC, RDAC et WAC. Nous
pensonsque es liens peuventêtre aussi établis pour
lestehniques
AC
∗,F DAC
∗ etEDAC
∗.3 Modèles linéaires à base de liques
pour les Max-CSP
Cette setion montre omment la notion de lique
binaire peut être utilisée pour le alul de bornes
inférieures pour les Max-CSP. Nous donnons tout
d'abord une formulation linéaire pour les liques bi-
naires,puisnousannonçonsunthéorèmequinousper-
mettra de présenter diérentes manièresde alul de
bornesinférieures.
Nousommençonslaformulationparl'introdution,
pourhaquevariable
X i
, ded i
variables binairesx k i , k = 1, ..., d i
(d i
étant lataille dudomaineD i
), tellesque :
x k i = 1
siX i = v k
etx k i = 0
siX i 6= v k .
Inférence de Cliques pour la Résolution de Max−CSP 231
Nousintroduisons aussi, pourhaqueontrainte
C ij
,une variable binaire
η ij
qui prendra la valeur1 ou0selonquelaontrainteestvioléeoupas. Danslasuite
de e papier, nous noterons par
x
le veteur à om-posantes
x k i
,parη
leveteuràomposantesη ij
etparS
l'ensembledessolutionsduMax-CSP :x = (x k i ) k=1,d i=1,n
i∈ S ⇔ ( P
v
k∈D
ix k i = 1 i = 1, n
x k i ∈ {0, 1} i = 1, n, v k ∈ D i
Soit
Γ ij = E i ∪ E j
une lique binaire1. Elle peutêtreformuléelinéairementommesuit:
ψ(E i , E j ) = X
v
k∈E
ix k i
! +
X
v
l∈E
jx l j
≤ 1 + η ij
(1)Cette ontrainte est l'interprétation de la formule
logique :
X i = v k ∧ X j = v l ⇒ η ij = 1,
pour(v k , v l ) ∈ E i × E j .
EllesigniequesilesvariablesX i
et
X j
sontrespetivementinstaniéespardesvaleursv k ∈ E i
etv l ∈ E j
, alors la ontrainteC ij
est vi-olée. Ainsi, à tout ensemble de
m
liques binaires(m ≥ 0)
,Γ = {Γ
1i
1
j
1, Γ
2i
2
j
2, ...Γ m i
mj
m}
tel queΓ t i
tj
t= E i t
t∪ E j t
t(1 ≤ t ≤ m)
, on peut assoier le systèmelinéaired'optimisationsuivant:
IP (Γ)
min
η. 1 l e
t.q : ψ(E i t
t, E j t
t) ≤ 1 + η i
tj
tt = 1, m x ∈ S
où
1 l e
est un veteur dee
1,e
étant le nombre deontraintesdansleMax-CSP.
Théorème 1. Toute borne inférieure du système
linéaire
IP (Γ)
est uneborne inférieure duMax-CSP.Démonstration. Ilsut demontrer quelavaleurop-
timaledusystème
IP (Γ)
est une borneinférieure duMax-CSP.Soit
I = (v
1, v
2, . . . , v n )
unesolutionopti-maleduMax-CSP,
V (I)
sonoût(lenombredeon-traintes violées) et onsidérons le ouplede veteurs
(¯ x, η) ¯
telque:• ¯ x = ¯ x k i k=1,d
ii=1,n
:x ¯ v i
i= 1
etx ¯ k i = 0, ∀v k ∈ D i − {v i }
;• η ¯ = (¯ η ij ) c
ij∈C
:η ¯ ij = 1
siΓ
ontientau moinsune lique
Γ t ij
telle quev i ∈ E i t
etv j ∈ E t j
, 0sinon.
Par onstrution, le ouple
(¯ x, η) ¯
est une solutiondu système
(IP )
. Son oûtV (¯ x, η) ¯
est forément1
Ilest à noterque l'un dessous-ensembles
E
i ouE
j peut êtrevide, danse aslaliqueest forméeuniquementpar lesvaleursdusous-ensemblenonvide.
supérieurouégalauoût
V (IP (Γ))
delameilleureso-lutionde
IP (Γ).
ComparonsmaintenantV (¯ x, η) ¯
avele oût
V (I)
de la solutionI
du Max-CSP. On peutvérierquesi
η ¯ ij
vaut1alorslaontrainteC ij
estvio-léeparlasolution
I
etquel'inverseestfaux. En eet,¯
η ij
neprendun1quesiΓ
ontientaumoinsuneliqueontenantà lafois
v i
etv j
. Cela n'est possible, pardénition delique,quesi
¬R ij (v i , v j )
. Parontre,ilsepeutbienqu'onait
¬R ij (v i , v j )
sansqueΓ
possèdeune liqueontenantà la fois
v i
etv j
. Cela dépenddu nombre et de la façon dont elles sont onstruites
lesliques. Paronséquent,lenombredevariables
η ij
mises à1 est au plus égal au nombre de ontraintes
violées par lasolutionoptimale
I
duMax-CSP, d'oùV (I) ≥ V (¯ x, η) ¯ ≥ V (IP (Γ)).
Corollaire 1. Si pour toute ontrainte
C ij ∈ C
ettoutoupledevaleursinompatibles
(v k , v l ) ∈ D i ×D j
,l'ensemble
Γ
ontient au moins une lique ontenantàlafois
v k
etv l
alors lesystèmeIP (Γ)
estéquivalentauMax-CSP.
Danslasuite,ondiraqu'unensemble
Γ
estompletsi le système
IP (Γ)
est équivalent au Max-CSP. Ondiraqu'ilestinompletoupartieldansleasontraire.
Un des intérêts majeurs d'assoier un système
linéaire
IP (Γ)
à un Max-CSP est de pouvoir pren-dre en ompte de manière globale les ontraintes du
problème. Cependant,plusieursquestions peuventse
poser. Onpeutlesregrouperendeux questionssuiv-
antes: (1)Commenthoisirl'ensemble
Γ
? (2)Com-mentexploiterlesystèmelinéaire
IP (Γ)
? Ontenterade donner des éléments de réponses à es questions
danslessetionsquisuivent.
4 Résolution de Max-CSP par Program-
mation Linéaire en Nombres Entiers
Un début de réponse possibleauxquestions poséesà
lasetionpréédente est dedirequ'ilsut dehoisir
un système
IP (Γ)
omplet et de le résoudre par laProgrammationLinéaireenNombresEntiers(PLNE).
Ilresteàdirequelensemble
Γ
omplethoisir.Une façon lassique et simplede onstruire un en-
semble
Γ
omplet est d'assoier à haque ouple devaleurs inompatibles
(v k , v l ) ∈ D i × D j
de haqueontrainte
C ij ∈ C
une liqueontenantuniquementles valeurs
v k
etv l
. L'inonvénient deette façonde fairerésidedanslefaitquel'informationapportéeparhaqueliqueestpauvre. Danseas,uneliquenous
informeuniquementdel'inompatibilitéd'unseulou-
pledevaleurs. Deplus,
Γ
ontiendraungrandnombrede liques, autant qu'il y ade ouples de valeursin-
ompatibles. On présente ii une meilleure façonde
onstruireunensembledeliques