40、GPU加速的累积约束传播：原理、实现与性能评估

GPU加速的累积约束传播：原理、实现与性能评估

1. 能量推理传播算法

能量推理传播器考虑与动作开始/结束相关的区间。相关区间集合RI定义如下：
[
RI = \bigcup_{(i,j) \in A \times A} O(i, j)
]
其中：
[
O(i, j) = {[t_1, t_2) : t_1 < t_2, t_1 \in O_1(i), t_2 \in O_2(j)} \cup
{[t_1, t_2) : t_1 < t_2, t_1 \in O_1(i), t_2 \in O_3(j, O_1(i))} \cup
{[t_1, t_2) : t_1 < t_2, t_1 \in O_3(i, O_2(j)), t_2 \in O_2(j)}
]
并且 (O_1(a) = {s_a, \overline{s_a}})，(O_2(a) = {e_a, \overline{e_a}})，(O_3(a, T) = {s_a + e_a - t : t \in T})。一致性条件为：
[
\forall [t_1, t_2) \in RI : \sum_{a \in A} h_a \cdot MI(a, t_1, t_2) \leq u \cdot (t_2 - t_1)
]
根据此条件调整活动的开始时间以防止资源过度使用，算法如下：

foreach [t1, t2) ∈RI do
    w = ∑ a∈A ha · MI (a, t1, t2)
    if w &