问题描述
我一直在使用 Z3PY 中的优化器,并且在我的项目中只使用 Z3 整数和类似 (x
我创建了 26 个 Z3-int。然后我添加了硬约束,它不应小于 1 或大于 26。此外,所有数字都必须是唯一的。根本没有添加其他约束。 换句话说,求解器将找到的解决方案是一个简单的顺序 [1,2,3,4,5..... 26]。以求解器发现的方式排序。
我的意思是这是一件简单的事情,除了我提到的那些之外,真的没有任何限制。求解器在 0.4 秒或类似的时间内解决了这个问题,快速且足够。这是预期的。但是如果我将变量的数量增加到 49(当然现在的约束是它不应该低于 1 或超过 49),求解器需要大约 1 分钟来求解。对于这么简单的任务来说,这似乎真的很慢?应该是这样的,有人知道吗?时间复杂度真的是大大增加了吗?
(我知道我可以在这个特定的实验中使用 Solver() 而不是 Optimizer(),它会在一秒钟内解决,但实际上我需要用 Optimizer 来完成,因为我有很多软使用的约束。)
I declare an array with Z3 ints that I call "reqs".
The array is consisting of 26 variables in one example and 49 in the other example I am talking about.
solver = Optimize()
for i in (reqs):
solver.add(i >= 1)
for i in (reqs):
solver.add(i <= len(reqs))
d = distinct(reqs)
solver.add(d)
res = solver.check()
print(res)
解决方法
每个基准都是独一无二的,不可能想出一个在所有情况下都同样适用的好策略。但是你描述的场景很简单,可以处理。性能问题来自这样一个事实:Distinct
为求解器创建了太多不等式(数量为二次),并且随着您增加变量数量,优化器很难处理它们。
根据经验,如果可以,您应该避免使用 Distinct
。对于这种特殊情况,对变量进行严格排序就足够了。 (当然,根据您的其他约束,这可能并不总是可行,但您所描述的似乎可以从这个技巧中受益。)所以,我会这样编码:
from z3 import *
reqs = [Int('i_%d' % i) for i in range(50)]
solver = Optimize()
for i in reqs:
solver.add(i >= 1,i <= len(reqs))
for i,j in zip(reqs,reqs[1:]):
solver.add(i < j)
res = solver.check()
print(res)
print(solver.model())
当我运行这个时,我得到:
$ time python a.py
sat
[i_39 = 40,i_3 = 4,...
i_0 = 1,i_2 = 3]
python a.py 0.27s user 0.09s system 98% cpu 0.365 total
这很时髦。希望您可以将其推广到您的原始问题。