作者
上市的：- 简·维纳
（代尔夫特理工大学）
- 迈克尔·西奥蒂斯
（蒙彼利埃大学）
- 迪德里奇·沃尔特
（班贝格大学）
摘要
定性约束网络（$$\textsf{QCN}$$QCN）包含一个符号人工智能框架，用于通过使用自然析取定性关系来表示和推理时空信息，例如，约束可以是“任务a在任务C之后或期间调度”的形式。在基于定性约束的推理中，处理给定$$\textsf{QCN}$$QCN的最新方法包括使用回溯算法，其中搜索期间的分支决策和$$\text sf{QCN}$$QCN的细化由文献中提出的某些启发式控制。尽管已经有大量的研究表明，这些启发式算法在快速检查$$\textsf{QCN}$$QCN的可满足性方面是如何进行比较和表现的，但就我们所知，还没有任何研究表明它们如何进行比较，并在获得同样健壮的$$\text sf{QCN}$$QCN的易处理求精方面表现得如何。简而言之，对$$\textsf{QCN}$$QCN的稳健改进主要可以被视为保留尽可能多的定性解决方案，例如，“任务a在任务C之后或期间调度”的配置比“任务a安排在任务C后面”的配置更稳健。在这里，我们对文献中突出的启发式算法进行了初步的比较和评估，并揭示了对于由Allen的区间代数和区域连接演算实例组成的数据集，在快速和稳健地求解$$textsf{QCN}$$QCN之间存在权衡。此外，我们还研究了这种权衡存在的原因，发现更激进的启发式方法更有效，但代价是产生不太稳健的优化。
建议引用
Jan Wehner、Michael Sioutis和Diedrich Wolter，2023年。"定性约束的稳健与快速求解,"启发式杂志，施普林格，第29卷（4），第461-485页，12月。手柄：RePEc:spr:joheur:v:29:y:2023:i:4:d:10.1007_s10732-023-09517-8
DOI:10.1007/s10732-023-09517-8
从出版商下载全文
由于此文档的访问受到限制，您可能希望搜索换一个不同的版本。
更正
本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:spr:joheur:v:29:y:2023:i:4:d:10.1007_s10732-023-09517-8。请参阅一般信息关于如何在RePEc中更正材料。
如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用这个表格。
如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。
有关本项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：Sonal Shukla或Springer Nature Abstracting and Indexing（以下电子邮件可用）。供应商的一般联系方式：http://www.springer.com网站。
请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。
