Jun, 2023

现代约束编程教育：未来的经验教训

PDF
TL;DR本研究探讨了当代约束编程（CP）教育的视角，提供了当前 CP 课程和教学方法的概述，并着重介绍了美国亚特兰大乔治亚理工学院（Georgia Tech）在大规模工程学生中进行初级 CP 教育的新方法和其重要收获，最后提出了一些促进 CP 教育长期发展的教学方法，宣传方法和组织变革的设想。
constraint programmingcp educationonline coursesengineering educationpromotional methods
发现论文，激发创造
  • 圣杯 2.0：从自然语言到约束模型

    利用预训练的大型语言模型从文本问题描述中提取模型的可能方法，并通过基于分解的提示方法与 GPT 模型展示了早期结果。

    Aug, 2023

  • 归纳式约束编程循环

    提出了一种新的框架，称为归纳约束编程循环，该框架结合了数据挖掘和机器学习等领域以及约束编程，用于动态更新约束和优化条件来解决许多实际的优化问题。

    Oct, 2015

  • 在互动约束获取中学习学习

    通过使用概率分类模型指导交互式约束获取，以生成更有前景的查询，本研究通过收缩约束获取与机器学习的联系来缓解查询数量的限制。在不同分类器的实验评估中，本方法远超过现有技术，减少了收敛所需的查询数量最多达 72%。

    Dec, 2023

  • 通过监督学习增强约束编程以进行作业车间调度

    本文提出了一种基于监督学习的变量排序策略，针对工厂车间问题进行求解，通过分类与回归模型预测问题实例的最优解，从而优化约束规划求解器的变量搜索顺序，并表明该方法表现优异，且与传统的基于领域的方法结合的混合策略效果更佳。

    Nov, 2022

  • 并行约束求解文献综述

    研究多核计算及其对约束算法的影响，探究并行算法可行性、核心处理器利用、内存共享或分布式计算选择以及静态或动态分解，尝试找到最优解并提供指导给未来研究人员。

    Mar, 2018

  • 生成式人工智能时代的计算机教育

    本文讨论了人工智能代码生成模型对计算机教育者以及入门级编程课程中教学实践的挑战和机遇。

    Jun, 2023

  • 序列模式挖掘的前缀投影全局约束

    本文提出一种基于投影数据库原则的全局约束来解决约束编程方法的不足，实验结果表明该方法在大型数据集上表现优异，明显优于约束编程方法并且可以与特定方法竞争。

    Apr, 2015

  • 基于约束的多任务学习

    本研究通过引入多任务学习、约束保持和课程学习等技术改进了 Popper ILP 系统，实验结果表明这些优化手段对于提高系统性能和推广基于逻辑程序的机器学习应用具有重要意义。

    Aug, 2022

  • 基于约束编程的作业车间调度问题的端到端强化学习方法

    本文提出了一种基于约束编程（CP）和强化学习（RL）的端到端解决调度问题的方法，通过神经网络架构和训练算法，仅需要一些调度问题的约束编码和一组小实例，我们的方法在七个 JSSP 数据集上进行了评估，并展示了其在相同时间限制内找到比静态 PDRs 和 CP 求解器更高质量的解决方案的能力。

    Jun, 2023

  • 约束模型的探索性重构

    通过对训练实例的性能指导，我们计划构建一个探索性重构系统，用于从初始模型出发，通过重构自动化地探索模型空间。

    Nov, 2023