Papers by Thibault Falque
HAL (Le Centre pour la Communication Scientifique Directe), Jun 22, 2021
Le développement de solveurs de contraintes s'accompagne nécessairement d'une phase d'expérimenta... more Le développement de solveurs de contraintes s'accompagne nécessairement d'une phase d'expérimentation, permettant d'évaluer les performances des fonctionnalités implantées. Pour chacun des solveurs considérés, il faut alors collecter et analyser des statistisques relatives à leur exécution et qui, le plus souvent, restent les mêmes. Néanmoins, il existe probablement autant de scripts permettant d'extraire ces statistiques et de tracer les figures associées que de chercheurs du domaine. Un outil unifiant et facilitant les analyses de résultats expérimentaux paraît donc nécessaire, notamment pour favoriser le partage et la reproductibilité de ces résultats. Partant de ce constat, nous avons développé la bibliothèque Metrics, dont l'ambition est de fournir une chaîne complète d'outils conçue dans cette optique. Dans cet article, nous présentons cette bibliothèque et illustrons son utilisation en rejouant l'analyse des résultats de la compétition XCSP'19.
HAL (Le Centre pour la Communication Scientifique Directe), Jul 1, 2020
When developing a SAT solver, one of the most important parts is to perform experiments so as to ... more When developing a SAT solver, one of the most important parts is to perform experiments so as to evaluate its performance. Most of the time, this process remains the same, so that everybody collects almost the same statistics about the solver execution. However, how many scripts are there to retrieve experimental data and draw scatter or cactus plots? Probably as many as researchers in the domain. Based on this observation, this paper introduces Metrics, a Python library, aiming to unify and make easier the analysis of solver experiments. The ambition of Metrics is to provide a complete toolchain from the execution of the solver to the analysis of its performance. In particular, this library simplifies the retrieval of experimental data from many different inputs (including the solver's output), and provides a nice interface for drawing commonly used plots, computing statistics about the execution of the solver, and effortlessly organizing them (e.g., in Jupyter notebooks). In the end, the main purpose of Metrics is to favor the sharing and reproducibility of experimental results and their analysis.
HAL (Le Centre pour la Communication Scientifique Directe), Jul 31, 2022
Backtrack search is a classical complete approach for exploring the search space of a constraint ... more Backtrack search is a classical complete approach for exploring the search space of a constraint optimization problem. Each time a new solution is found during search, its associated bound is used to constrain more the problem, and so the remaining search. An extreme (bad) scenario is when solutions are found in sequence with very small differences between successive bounds. In this paper, we propose an aggressive bound descent (ABD) approach to remedy this problem: new bounds are modified exponentially as long as the searching algorithm is successful. We show that this approach can render the solver more robust, especially at the beginning of search. Our experiments confirm this behavior for constraint optimization.
HAL (Le Centre pour la Communication Scientifique Directe), Feb 23, 2022
HAL (Le Centre pour la Communication Scientifique Directe), Feb 23, 2022
HAL (Le Centre pour la Communication Scientifique Directe), Feb 20, 2023
HAL (Le Centre pour la Communication Scientifique Directe), Jan 16, 2023
http://www.cril.univ-artois.fr Résumé. Dans le contexte très concurrentiel où évoluent les acteur... more http://www.cril.univ-artois.fr Résumé. Dans le contexte très concurrentiel où évoluent les acteurs du transport aérien tels que les aéroports, l'optimisation des ressources est indispensable pour améliorer ses services et maîtriser ses coûts. Outre les problématiques générales telles que la maintenance prédictive et la prévision des flux de passagers, de nombreuses problématiques spécifiques peuvent bénéficier des avancées récentes de l'apprentissage automatique et d'une plus grande disponibilité des données. Cet article traite d'un problème réel et difficile: la prédiction des retards au décollage des vols. Nous étudions le cas de l'aéroport international Paris Charles de Gaulle (CDG) en partant des spécificités de ce problème à CDG jusqu'à la proposition d'une modélisation puis d'une solution et l'analyse des résultats sur des données réelles de l'aéroport. Ces travaux sont en cours d'intégration dans le système d'information d'Aéroports de Paris.
Predicting Off-Block Delays: A Case Study at Paris - Charles de Gaulle International Airport
Proceedings of the 15th International Conference on Agents and Artificial Intelligence
HAL (Le Centre pour la Communication Scientifique Directe), Jun 27, 2022
Plus que jamais, les acteurs du transport aérien (c'est-àdire les compagnies aériennes et les aér... more Plus que jamais, les acteurs du transport aérien (c'est-àdire les compagnies aériennes et les aéroports), dans un climat de forte concurrence, doivent bénéficier d'une gestion optimisée des ressources aéroportuaires afin d'améliorer la qualité de leurs services et de contrôler les coûts induits. Dans cet article, nous étudions le problème d'affectation des parkings d'aéroport (APAP). Nous introduisons plusieurs modèles de programmation par contraintes (CP), que nous comparons, et présentons quelques résultats expérimentaux prometteurs à partir de données provenant d'ADP (Aéroport de Paris).
HAL (Le Centre pour la Communication Scientifique Directe), Jun 22, 2021
La recherche avec retour en arrière est une approche complète classique pour explorer l'espace de... more La recherche avec retour en arrière est une approche complète classique pour explorer l'espace de recherche d'un problème d'optimisation sous contraintes. Chaque fois qu'une nouvelle solution est trouvée pendant la recherche, la borne qui lui est associée est utilisée pour contraindre davantage le problème, et donc la recherche restante. Un scénario extrême (mauvais) est celui où les solutions sont trouvées en séquence avec de très petites différences entre les bornes successives. Dans cet article, nous proposons une approche ABD (Aggressive Bound Descent) pour remédier à ce problème : les nouvelles bornes sont modifiées de manière exponentielle tant que l'algorithme de recherche est efficace. Nous montrons que cette approche peut rendre le solveur plus robuste, surtout au début de la recherche. Nos expérimentations confirment ce comportement pour l'optimisation sous contraintes et les problèmes Pseudo-Booléens.
HAL (Le Centre pour la Communication Scientifique Directe), Jun 1, 2022
Une approche possible pour résoudre un problème CSP est d'encoder ce problème sous la forme d'une... more Une approche possible pour résoudre un problème CSP est d'encoder ce problème sous la forme d'une formule CNF, et ensuite utiliser un solveur SAT pour la résoudre. Le principal avantage de cette technique est qu'elle permet de bénéficier de l'efficacité pratique des solveurs SAT modernes, fondés sur l'architecture CDCL. Cependant, le pouvoir d'inférence de ces solveurs est assez « faible », car limité par celui du système de preuve par résolution utilisé pendant l'analyse de conflit. Cette observation a conduit au développement de solveurs pseudo-booléen (PB), qui implantent le système de preuve plus puissant des planscoupes, ainsi que de nombreuses autres techniques héritées des solveurs SAT. De plus, les solveurs PB sont capables de raisonner nativement sur des contraintes PB, c'est-à-dire, des équations ou inéquations linéaires en variables booléennes. Ces contraintes sont plus concises que les clauses, de sorte qu'une seule contrainte PB peut représenter un nombre exponentiel de clauses. Dans cet article, nous tirons parti à la fois de cette concision et du pouvoir d'inférence des solveurs PB pour résoudre des problèmes CSP. Pour ce faire, nous définissons des encodages PB pour différentes contraintes populaires, et confions leur résolution à des solveurs PB pour comparer leurs performances à celles d'autres solveurs CSP existants.
HAL (Le Centre pour la Communication Scientifique Directe), Aug 1, 2022
One of the possible approaches for solving a CSP is to encode the input problem into a CNF formul... more One of the possible approaches for solving a CSP is to encode the input problem into a CNF formula, and then use a SAT solver to solve it. The main advantage of this technique is that it allows to benefit from the practical efficiency of modern SAT solvers, based on the CDCL architecture. However, the reasoning power of SAT solvers is somehow "weak", as it is limited by that of the resolution proof system they use internally. This observation led to the development of so called pseudo-Boolean (PB) solvers, that implement the stronger cutting planes proof system, along with many of the solving techniques inherited from SAT solvers. Additionally, PB solvers can natively reason on PB constraints, i.e., linear equalities or inequalities over Boolean variables. These constraints are more succinct than clauses, so that a single PB constraint can represent exponentially many clauses. In this paper, we leverage both this succinctness and the reasoning power of PB solvers to solve CSPs by designing PB encodings for different common constraints, and feeding them into PB solvers to compare their performance with that of existing CP solvers.
HAL (Le Centre pour la Communication Scientifique Directe), Feb 1, 2022
HAL (Le Centre pour la Communication Scientifique Directe), Feb 23, 2022
HAL (Le Centre pour la Communication Scientifique Directe), Jul 31, 2022
Backtrack search is a classical complete approach for exploring the search space of a constraint ... more Backtrack search is a classical complete approach for exploring the search space of a constraint optimization problem. Each time a new solution is found during search, its associated bound is used to constrain more the problem, and so the remaining search. An extreme (bad) scenario is when solutions are found in sequence with very small differences between successive bounds. In this paper, we propose an aggressive bound descent (ABD) approach to remedy this problem: new bounds are modified exponentially as long as the searching algorithm is successful. We show that this approach can render the solver more robust, especially at the beginning of search. Our experiments confirm this behavior for constraint optimization.
Uploads
Papers by Thibault Falque