Analysis and Visualization Tools for Constraint Programming: Constraint Debugging

هماهنگی تولید در سراسر زنجیره تامین، طراحی یک تراشه VLSI جدید، تخصیص کلاس‌های درس یا برنامه‌ریزی خدمه تعمیر و نگهداری در فرودگاه تنها چند نمونه از مشکلات پیچیده (ترکیبی) هستند که می‌توانند به‌عنوان مجموعه‌ای از متغیرهای تصمیم مدل‌سازی شوند که مقادیر آن‌ها موضوع هستند. به مجموعه ای از محدودیت ها متغیرهای تصمیم ممکن است زمانی باشد که تولید یک قطعه خاص شروع می‌شود یا هواپیمایی که خدمه تعمیر و نگهداری در یک زمان معین روی آن کار می‌کنند. محدودیت‌ها ممکن است از تعداد دانش‌آموزانی که می‌توانید در یک کلاس درس بخوانید تا زمانی که برای انتقال مقدار زیادی از یک کارخانه به کارخانه دیگر نیاز است، متغیر باشد. برنامه نویسی منطقی محدودیت (CLP) اولین بار در اواسط دهه هشتاد به عنوان یک تکنیک برنامه نویسی با پتانسیل کاهش قابل توجه زمان لازم برای توسعه راه حل های عملی برای بسیاری از این مشکلات، با ترکیب بیان زبان هایی مانند Prolog و Prolog ظاهر شد. قدرت محاسباتی جستجوی محدود. در حالی که ریشه های CLP را می توان در دانشگاه موناش استرالیا جستجو کرد، بدون هیچ شکی در اروپا است که این فناوری نرم افزاری جدید بیشترین اهمیت را به دست آورده است، از جمله از منابع مالی پایدار از برنامه های تحقیق و توسعه صنعتی و عمومی بهره می برد. در طول ده سال گذشته این سرمایه‌گذاری‌ها قبلاً پرداخت شده است، که منجر به تعدادی راه‌حل تجاری محبوب و همچنین ایجاد چندین استارت‌آپ موفق اروپایی شده است.

Coordinating production across a supply chain, designing a new VLSI chip, allocating classrooms or scheduling maintenance crews at an airport are just a few examples of complex (combinatorial) problems that can be modeled as a set of decision variables whose values are subject to a set of constraints. The decision variables may be the time when production of a particular lot will start or the plane that a maintenance crew will be working on at a given time. Constraints may range from the number of students you can ?t in a given classroom to the time it takes to transfer a lot from one plant to another.Despiteadvancesincomputingpower,manyformsoftheseandother combinatorial problems have continued to defy conventional programming approaches. Constraint Logic Programming (CLP) ?rst emerged in the mid-eighties as a programming technique with the potential of signi?cantly reducing the time it takes to develop practical solutions to many of these problems, by combining the expressiveness of languages such as Prolog with the compu- tional power of constrained search. While the roots of CLP can be traced to Monash University in Australia, it is without any doubt in Europe that this new software technology has gained the most prominence, bene?ting, among other things, from sustained funding from both industry and public R&D programs over the past dozen years. These investments have already paid o?, resulting in a number of popular commercial solutions as well as the creation of several successful European startups.