Skip to content

Latest commit

 

History

History
94 lines (64 loc) · 3.98 KB

sheet-csp.md

File metadata and controls

94 lines (64 loc) · 3.98 KB
Raw
archetype title author points hidden
assignment
Übungsblatt: Constraints
Carsten Gips (HSBI)
10 Punkte
true

CSP.01: Logikrätsel (2P)

Betrachten Sie die Variante des berühmten "Einstein-Rätsels" auf Wikipedia.

Formulieren Sie das Problem als CSP (Variablen, Wertebereiche, Constraints) zunächst auf dem Papier. Machen Sie sich klar, was die Variablen und was deren Wertebereiche sind. Schreiben Sie die Constraints als (unäre bzw. binäre) Relationen zwischen den Variablen auf.

Hinweis: Machen Sie sich zunächst klar, was die Variablen und was deren Wertebereiche sind. Schreiben Sie die Constraints als (unäre bzw. binäre) Relationen auf.

Thema: Formulierung von Problemen als CSP

CSP.02: Framework für Constraint Satisfaction (2P)

Lösen Sie nun das Rätsel aus A04.1:

  1. Lösen Sie das Rätsel zunächst mit dem Basis-Algorithmus BT_Search aus der Vorlesung.
  2. Erweitern Sie den Algorithmus um die Heuristiken MRV und Gradheuristik und lösen Sie das Problem erneut. Vergleichen Sie die Ergebnisse und die Laufzeit der beiden Experimente.
  3. Wenden Sie vor dem Start von BT_Search den AC-3 an. Erhalten Sie damit bereits eine Lösung (bzw. Unlösbarkeit)? Falls nicht, wenden Sie anschließend den ergänzten Algorithmus aus Schritt (2) an. Vergleichen Sie wieder die Ergebnisse und die Laufzeiten.

Sie können dafür eine Handsimulation anwenden oder die Algorithmen implementieren. Sie können gern auch die Java-Klassen im Paket aima.core.search.csp bzw. die Python-Klassen in csp.py als Ausgangspunkt nutzen.1

CSP.03: Kantenkonsistenz mit AC-3 (3P)

Sei $D=\lbrace 0, \ldots, 5 \rbrace$, und ein Constraintproblem definiert durch

$$\langle \lbrace v_1, v_2, v_3, v_4 \rbrace, \lbrace D_{v_1} = D_{v_2} = D_{v_3} = D_{v_4} = D \rbrace, \lbrace c_1, c_2, c_3, c_4 \rbrace \rangle$$

mit

  • $c_1=\left((v_1,v_2), \lbrace (x,y) \in D^2 | x+y = 3 \rbrace\right)$,
  • $c_2=\left((v_2,v_3), \lbrace (x,y) \in D^2 | x+y \le 3 \rbrace\right)$,
  • $c_3=\left((v_1,v_3), \lbrace (x,y) \in D^2 | x \le y \rbrace\right)$ und
  • $c_4=\left((v_3,v_4), \lbrace (x,y) \in D^2 | x \ne y \rbrace\right)$.
  1. (1P) Zeichen Sie den Constraint-Graph
  2. (2P) Wenden Sie den AC-3-Algorithmus auf das CSP an. Geben Sie den Zustand der Queue und das Ergebnis von ARC_Reduce, d.h. den Ergebniszustand des aktuellen $D_i$, für jede Iteration des Algorithmus an.

Thema: Handsimulation des AC-3-Algorithmus

CSP.04: Forward Checking und Kantenkonsistenz (2P)

Betrachten Sie erneut das CSP aus der vorigen Aufgabe und die Zuweisung $\alpha = \lbrace v_1 \to 2 \rbrace$.

  1. (1P) Erzeugen Sie Kantenkonsistenz in $\alpha$. Geben Sie hierzu die Wertebereiche der Variablen vor und nach dem Erzeugen der Kantenkonsistenz an.

    Hinweis: Sie dürfen annehmen, dass der Wertebereich von Variablen mit bereits zugewiesenen Werten nur aus dem zugewiesenen Wert besteht, während unbelegte Variablen den vollen Wertebereich haben.

    Hinweis: Sie müssen zur Lösung dieser Teilaufgabe nicht den AC-3 nutze.

  2. (1P) Führen Sie Forward-Checking in $\alpha$ aus. Vergleichen Sie das Ergebnis mit (1).

Thema: Kantenkonsistenz und Forward Checking verstehen

CSP.05: Anwendungen (1P)

Recherchieren Sie, in welchen Anwendungen CSP vorkommen und mit der BT-Suche (plus Heuristiken) oder sogar AC-3 gelöst werden. Erklären Sie kurz, wie und wofür die Algorithmen jeweils genutzt werden.

Thema: Anwendungen von CSP, BT-Suche und AC-3

Footnotes

  1. Im Python-Code tauchen immer wieder "TODO"-Marker auf - bitte mit Vorsicht genießen! ↩