FastDiagP：一种用于并行直接诊断的算法
摘要：基于约束的应用旨在寻找满足所有定义的用户需求的解决方案。如果需求与底层约束集相矛盾，应实施计算不一致约束的诊断算法，以帮助用户解决“找不到解决方案”的困境。FastDiag是一种典型的直接诊断算法，支持在不预先确定冲突的情况下进行诊断计算。然而，这种方法面临运行时性能问题，特别是在分析复杂和大规模知识库时。本文提出了一种新的算法，称为FastDiagP，它基于猜测性编程的思想。该算法通过集成一个并行化机制来扩展FastDiag，并预先计算FastDiag请求的一致性检查。这种机制有助于提供快速答案的一致性检查，并提升算法的运行时性能。我们提出的算法的性能改进通过使用Linux-2.6.3.33配置知识库的经验结果得到了展示。
作者：Viet-Man Le, Cristian Vidal Silva, Alexander Felfernig, David Benavides, Jos''e Galindo, Thi Ngoc Trang Tran
论文ID：2305.06951
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-08-15