Hybridation de techniques d'apprentissage de clauses en programmation par contraintes

Hybridization of clause learning techniques in constraint programming

• Auteur / Autrice : Gaël Glorian
• Direction : Christophe Lecoutre, Bertrand Mazure
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 11/12/2019
• Etablissement(s) : Artois
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Lille)
• Jury : Président / Présidente : Christine Solnon
• Jury : Examinateurs / Examinatrices : Christophe Lecoutre, Bertrand Mazure, Christine Solnon, Laurent Simon, Cyril Terrioux, Marie-José Huguet, Frédéric Boussemart, Jean-Marie Lagniez
• Jury : Rapporteurs / Rapporteuses : Laurent Simon, Cyril Terrioux

Mots clés

Mots clés contrôlés

Contraintes (intelligence artificielle)

Programmation par contraintes

Mots clés libres

Programmation par contraintes

SAT

Clauses

Nogoods

Hybridation

Constraint programming

SAT

Clauses

Nogoods

Hybridization

Résumé

L’objectif de la thèse est de s’attaquer à la résolution de problèmes combinatoires sous contraintes, typiquement d’optimisation, en gérant deux facettes encore aujourd'hui mal exploitées : la nature distribuée du contexte de résolution et la taille croissante des problèmes à résoudre. Certains problèmes pour des raisons de sécurité et/ou de confidentialité de l’information nécessitent une gestion distribuée de leur résolution. La taille de certains problèmes peut également être un facteur nécessitant une répartition entre plusieurs agents communicants. Dans le cadre de cette thèse, nous allons nous intéresser à la communication d’informations entre agents qui ont une connaissance totale ou partielle du problème sous contraintes à résoudre. Notamment, nous apporterons des réponses aux trois questions fondamentales : quel type d’information peut-on communiquer, sous quelle forme l’échange doit-il se faire et quand communiquer ? Certains problèmes, notamment ceux émergeant des aspects liés aux technologies numériques, sont de tailles particulièrement importantes comme par exemple, la structure des réseaux sociaux, ou encore les données associées au système de recommandation. Le second volet de la thèse concerne la compilation des contraintes en structures plus compactes et/ou la reformulation des contraintes en recherchant des éléments sémantiques partiels pouvant être combinés. Enfin, nous envisageons une application de nos travaux à la modélisation et à la résolution distribuée d’un problème sous contraintes réaliste (dans le domaine des systèmes de recommandation, pour lequel nous disposons dès à présent des données) avec les outils développés dans cette thèse.

The thesis objective is to solve combinatorial problems, typically optimization ones, by managing two sides still not exploited nowadays: the distributed nature of the solving context and the growing size of problems. Some problems, for security and/or confidentiality reasons need to be handled by distributing solving. The size of some problems can be a reason to need a division between several communicating agents. In this thesis, we will be interested in information exchanges between agent which have a total or partial knowledge of the constraint problem to solve. In particular, we will answer these three fundamental questions: what information can be exchanged? When exchanging it? And under which form? Some problems, in particular those related to digital technology, have a humongous size, for example social networks or data related to recommendation systems. The second part of the thesis is about constraint compilation into compact structure and/or constraints reformulation by searching partial semantic elements that can be combined. Finally, we consider an application of our work to the mobilization and distributed solving of realist combinatorial problems (we already have data for recommendation systems) with tools developed during the thesis.