53、传播器潜力与失败导向搜索在调度问题中的应用

传播器潜力与失败导向搜索在调度问题中的应用

在约束编程领域，对于调度问题的求解算法研究一直是热点。本文将探讨传播器成本降低的潜力评估以及一种新的失败导向搜索（Failure-Directed Search，FDS）算法在调度问题中的应用。

传播器成本降低的潜力评估

评估降低给定过滤过程成本的潜在优势至关重要，这能让研究工作更有成效。同时，精确测量过滤算法带来的时间增益有助于减少实证评估中的偏差。

以RCRB传播器为例，通过图4（左）可以看到，不到25%的实例求解速度比基线模型快。将其成本降至0，在τ = 1.1之前只有小的增益；此后，将成本降低0.9倍就能解决更多实例。这表明降低成本能显著改善RCRB，但与基线模型相比，收益在τ方面“来得太晚”。图4（右）也有类似情况。

研究提出了一种系统方法，在进行耗时的实际降低成本研究之前，模拟具有降低激活成本的传播器的虚构实现性能。该方法在流行实例集上对能量推理和重新审视的装箱基数推理进行了验证。结果发现，降低传播器成本，即使使其可忽略不计，可能仅对给定实例集的一小部分有益，且结果会因基准和搜索策略而异。

失败导向搜索（FDS）算法

FDS是为广泛的调度问题设计的约束编程搜索算法。它假设没有（更好）的解决方案，或者这样的解决方案很难找到，因此专注于系统地探索搜索空间，先消除最可能失败的赋值。

1. 调度问题的约束编程建模

考虑的调度问题包含活动、活动间的优先级、一元或离散累积资源、替代方案和可选活动。主要概念如下：
- 区间变量 ：表示任务/活动，其开始和结束时间未知。可以表示任务可选且