×
莫希特·库马尔;塞缪尔·科尔布;斯特凡诺·特索;吕克·德·雷德

从上下文示例中学习MAX-SAT以进行组合优化。 （英语） Zbl 07638281号

Artif公司。因特尔。 314，文章ID 103794，25 p.（2023）.
摘要：组合优化问题在人工智能中无处不在。然而，设计基础模型需要大量的专业知识，这是实践中的一个限制因素。模型通常由硬约束和软约束组成，或将硬约束与目标函数相结合。我们介绍了一种用于学习组合优化问题的新设置上下文示例。这些积极和消极的例子表明，在特定的环境中，解决方案是否足够好。我们使用MAX-SAT形式开发我们的框架，因为它是一个简单但功能强大的设置，具有这些功能。我们研究MAX-SAT模型的可学习性。我们的理论结果表明，只要数据满足直观的“代表性”条件，就可以从可实现和不可知环境中的上下文示例中学习高质量的MAX-SAT模型。基于我们的理论结果，我们还贡献了两个实现：一个利用语法引导合成的思想，另一个利用随机局部搜索技术。通过从上下文示例中恢复合成模型和基准模型来评估这两种实现。实验结果支持我们的理论分析，表明MAX-SAT模型可以从上下文示例中学习。在这两种实现中，随机局部搜索学习器的伸缩性比语法引导的实现好得多，同时提供了可比较或更好的模型。

引用于1文件

MSC公司：

68泰克 人工智能

关键词：

机器学习;约束学习;组合优化;最大可满足性;软约束;上下文示例

软件：

PySAT公司;MLIC公司;萨特利卜
PDF格式BibTeX公司 XML格式引用
\textit{M.Kumar}等人，Artif。智力。314，文章ID 103794，25 p.（2023；Zbl 07638281）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Demirović，E。；Musliu，N。；Winter，F.，用部分加权MaxSAT建模和求解人员调度，Ann.Oper。第275号、第179-99号决议（2019年）·Zbl 1434.90053号
[2] 米尔斯，P。；Tsang，E.，解决SAT和加权MAX-SAT问题的引导式局部搜索，J.Autom。原因。，24, 1-2, 205-223 (2000) ·Zbl 0967.68152号
[3] 罗宾逊，N。；格雷顿，C。；Pham，D.N。；Sattar，A.，用于优化规划的部分加权MaxSAT，（环太平洋国际人工智能会议（2010），斯普林格），231-243
[4] 贝西埃，C。；Daoudi，A。；希伯拉德，E。；Katsirelos，G。；拉扎尔，N。；Mechqrane，Y。；北卡罗来纳州纳罗迪茨卡。；坎佩尔，C.-G。；Walsh，T.，约束获取的新方法，（数据挖掘和约束编程（2016），Springer），51-76
[5] De Raedt，L。；Passerini，A。；Teso，S.，《从示例中学习约束》（第三十二届AAAI人工智能会议（2018））
[6] Tsochantaridis，I。；Joachims，T。；霍夫曼，T。；Altun，Y.，《结构化和相互依赖输出变量的大裕度方法》，J.Mach。学习。决议，61453-1484（2005年9月）·Zbl 1222.68321号
[7] 阿鲁尔（Alur，R.）。；辛格，R。；Fisman，D。；Solar-Lezama，A.，基于搜索的程序合成，Commun。ACM，61，12，84-93（2018）
[8] 库马尔，M。；科尔布，S。；Teso，S。；De Raedt，L.，从组合优化的上下文示例中学习MAX-SAT，（第三十四届AAAI人工智能会议论文集，AAAI（2019））·Zbl 07638281号
[9] 胡斯，H.H。；Stützle，T.，《随机局部搜索：基础与应用》（2004），Elsevier·Zbl 1126.68032号
[10] 胡斯，H.H。；Stützle，T.，《随机局部搜索算法：概述》，1085-1105（2015），施普林格柏林-海德堡：施普林格-柏林-海德堡-柏林，海德堡
[11] 宫崎骏，S。；岩马，K。；Kambayashi，Y.，作为组合优化问题的数据库查询，（高级应用合作数据库系统国际研讨会论文集（1996）），448-454
[12] Li，C.M。；Manya，F.，MaxSAT，硬约束和软约束，（可满足性手册，第185卷（2009）），613-631
[13] 塞萨·比安奇，N。；Lugosi，G.，《预测、学习与游戏》（2006），剑桥大学出版社·Zbl 1114.91001号
[14] 沙列夫·施瓦茨，S。；Ben-David，S.，《理解机器学习：从理论到算法》（2014），剑桥大学出版社·Zbl 1305.68005号
[15] Vapnik，V.，学习理论风险最小化原则，（神经信息处理系统进展（1992）），831-838
[16] 安格鲁因，D。；Laird，P.，从吵闹的例子中学习，马赫。学习。，2, 4, 343-370 (1988)
[17] 胡斯，H.H。；Tsang，E.，本地搜索方法（2006年）
[18] Gent，I.P。；Walsh，T.，《SAT相变》（ECAI（1994））
[19] 胡斯，H。；Stutzle，T.，SATLIB:SAT研究的在线资源，（van Maaren，H.；Gent，I.P.；Walsh，T.、SAT2000（2000），IOS出版社），283-292·Zbl 0979.68128号
[20] 伊格纳季耶夫，A。；Morgado，A。；Marques-Silva，J.，《PySAT:用SAT预言进行原型制作的Python工具包》，（可满足性测试理论与应用国际会议（2018），斯普林格），428-437·Zbl 1484.68215号
[21] Tillé，Y.，采样算法（2011），施普林格·Zbl 1167.62364号
[22] Hoos，H.H.，《WalkSAT的自适应噪声机制》，655-660（2002），美国人工智能协会：美国人工智能学会
[23] 贝西埃，C。；科尔塔·R。；希伯拉德，E。；Katsirelos，G。；拉扎尔，N。；北卡罗来纳州纳罗迪茨卡。；坎佩尔，C.-G。；Walsh，T.，通过部分查询获取约束，（第二十三届国际人工智能联合会议（2013））
[24] 法学硕士。；Russo，A。；Broda，K.，《从上下文相关示例中迭代学习答案集程序》，理论与实践。日志。程序。，16, 5-6, 834-848 (2016) ·Zbl 1379.68074号
[25] 北卡罗来纳州贝尔迪塞努。；Simonis，H.，《模型寻求者：从实证中提取全局约束模型》，（约束编程原理与实践国际会议（2012），施普林格出版社），141-157
[26] Malioutov，D。；Meel，K.S.，MLIC：基于MaxSAT的学习可解释分类规则框架，（约束编程原理与实践国际会议（2018），Springer），312-327
[27] 科尔布，S。；Teso，S。；Passerini，A。；De Raedt，L.，使用SMT解算器学习SMT（LRA）约束，（IJCAI（2018）），2333-2340
[28] 伯格，J。；Järvisalo，M。；Malone，B.，通过最大可满足性学习最优有界树宽贝叶斯网络，（人工智能与统计（2014）），86-95
[29] Hyttinen，A。；Hoyer，P.O。；埃伯哈特，F。；Järvisalo，M.，《发现具有潜在变量的循环因果模型：基于SAT的通用程序》（《第二十届人工智能不确定性会议论文集》（2013），AUAI出版社），301-310
[30] Kask，K。；Dechter，R.，贝叶斯网络的随机局部搜索，（AISTATS（1999））·Zbl 0971.68035号
[31] 比巴，M。；Ferilli，S。；Esposito，F.，通过迭代局部搜索进行马尔可夫逻辑网络的结构学习，（ECAI 2008:第18届欧洲人工智能会议，2008年7月21日至25日，希腊帕特拉斯：包括智能系统的著名应用（PAIS 2008）：会议记录，第178卷（2008），IOS出版社），361
[32] 罗西，F。；Sperduti，A.，在交互式约束系统中获取约束和解决方案首选项，约束，9，4，311-332（2004）
[33] Pawlak，T.P。；Krawiec，K.，使用混合整数线性规划从示例中自动合成约束，欧洲期刊Oper。第261、3、1141-1157号决议（2017年）·Zbl 1403.90527号
[34] 特索，S。；塞巴斯蒂亚尼，R。；Passerini，A.，结构化学习模块理论，Artif。智力。，244, 166-187 (2017) ·兹比尔1404.68121
[35] McAllester，D.，泛化界限和一致性，（预测结构化数据（2007）），247-261
[36] B.伦敦。；黄，B。；Getoor，L.，《结构预测中的稳定性和泛化》，J.Mach。学习。决议，17，1，7808-7859（2016）·Zbl 1404.68114号
[37] 李，L。；楚·W。；Langford，J。；Schapire，R.E.，《个性化新闻文章推荐的情境土匪方法》（《第19届万维网国际会议论文集》（2010），ACM），661-670
[38] Park，J.D.，使用加权MAX-SAT引擎求解MPE，（AAAI/IAAI（2002）），682-687
[39] 理查森，M。；多明戈斯，P.，马尔可夫逻辑网络，马赫。学习。，62, 1-2, 107-136 (2006) ·Zbl 1470.68221号
[40] P.Wang，P.L.Donti，B.Wilder，J.Z.Kolter，SATNet：使用可微可满足性求解器桥接深度学习和逻辑推理。
[41] 巴雷特，C.W。；塞巴斯蒂亚尼，R。；Seshia，S.A。；Tinelli，C.，可满足性模理论，（可满足性手册，第185卷（2009）），825-885
[42] Swaminathan，A。；Joachims，T.，《反事实风险最小化：从记录的盗贼反馈中学习》，（机器学习国际会议（2015）），814-823·Zbl 1351.68236号
[43] van der Vaart，A。；Wellner，J.，《VC尺寸界限注释》，《数学研究所》。统计收集。，5, 103-107 (2009) ·Zbl 1243.60009号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。