Heure: 13h30
Visioconférence: Zoom
Résumé: Pour résoudre un problème à l’aide de la programmation par contraintes, ce problème doit d’abord être modélisé sous la forme d’un problème de satisfaction de contraintes (CSP). Les CSP sont typiquement modélisés par des experts, mais une automatisation partielle est possible. Nous suggérons CABSC, un système qui performe de l’acquisition de contraintes basée sur le dénombrement. Pour apprendre un modèle, l’utilisateur fournit des exemples positifs de solutions et un Meta-CSP, c’est-à-dire une modélisation d’un problème combinatoire dont la solution est un CSP. Ce Meta-CSP permet de lister les contraintes potentielles qui peuvent faire partie du CSP que l’utilisateur veut apprendre. Il permet également de décrire les paramètres des contraintes, tels que les coefficients d’une équation linéaire, et d’imposer des contraintes sur ces paramètres. CABSC lit le Meta-CSP en utilisant une version modifiée de MiniZinc et retourne le CSP qui accepte le moins de solutions parmi les CSP qui acceptent tous les exemples de solutions fournis. La résolution du Meta-CSP se fait par séparation et évaluation où le calcul des bornes utilise des dénombreurs. Nos expérimentations montrent que CABSC réussit à apprendre des contraintes et leurs paramètres avec un nombre variable d’exemples positifs.