Programmation par Contraintes

Christine Solnon - 2003

"Constraint programming represents one of the closest approaches computer science has yet
made to the Holy Grail of programming: the user states the problem, the computer solves it."
(La programmation par contraintes représente une des avancées que l'informatique ait jamais
réalisée qui se rapproche le plus du Saint Graal de la programmation : l'utilisateur définit le
problème, l'ordinateur le résout.)

Eugene C. Freuder

Avertissement : Ce cours est destiné aux étudiants de la e-miage, une formation informatique "à
distance". Il est découpé en 7 sessions de cours, chaque session étant prévue pour durer
approximativement 1 heure.

Présentation générale du cours

La notion de contrainte est très (trop !) naturellement présente dans notre vie quotidienne, qu'il s'agisse
d'affecter des stages à des étudiants en respectant leurs souhaits, de ranger des pièces de formes diverses
dans une boîte rigide, de planifier le trafic aérien pour que tous les avions puissent décoller et atterrir sans
se percuter, ou encore d'établir un menu à la fois équilibré et appétissant. La notion de "Problème de
Satisfaction de Contraintes" (ou CSP en abrégé, pour Constraint Satisfaction Problem) désigne l'ensemble
de ces problèmes, définis par des contraintes, et consistant à chercher une solution les respectant.

La première session de ce cours introduira les notions de contraintes, de problèmes de

satisfaction de contraintes (CSPs) et de solution d'un CSP. Lors de la deuxième session, vous
vous entraînerez, à travers plusieurs exercices, à modéliser un problème sous la forme d'un
CSP.

La résolution de CSP est généralement combinatoire dans le sens où il faut envisager un très grand
nombre de combinaisons avant d'en trouver une qui satisfasse toutes les contraintes (... parfois même, le
nombre de combinaisons est infini...). Bien souvent, la puissance de calcul des ordinateurs ne suffit pas
pour examiner toutes les combinaisons possibles en un temps acceptable, et il est nécessaire d'introduire
des "raisonnements" et des "heuristiques" permettant de réduire la combinatoire et de guider la recherche
vers les bonnes combinaisons. En ce sens, la résolution pratique de CSPs fait appel à des techniques
issues traditionnellement de "l'intelligence artificielle".

Lors de la troisième session de ce cours, on présentera l'algorithme de base utilisé pour

résoudre les CSPs sur les domaines finis, algorithme basé sur l'énumération des
combinaisons. On étudiera un certain nombre d'heuristiques et techniques de filtrage
permettant d'améliorer cet algorithme. Lors de la quatrième session, on programmera ces
différents algorithmes en Prolog, et on les utilisera pour résoudre différents CSPs modélisés
lors des deux premières sessions de cours.

Ces algorithmes permettant de résoudre des CSPs sont appelés des "solveurs" de contraintes. Certains de
ces solveurs ont été intégrés dans des langages de programmation, définissant ainsi un nouveau
"paradigme" de programmation appelé "programmation par contraintes" : pour résoudre un CSP avec un
langage de programmation par contraintes, il suffit de spécifier les contraintes, leur résolution étant prise
en charge automatiquement (sans avoir besoin de le programmer) par les solveurs de contraintes intégrés
au langage.

La cinquième session de ce cours sera dédiée à la présentation d'un langage de

programmation par contraintes, à savoir Gnu-Prolog. Enfin, les deux dernières sessions
seront des sessions de travaux pratiques, où vous utiliserez les solveurs de contraintes
intégrés à Gnu-Prolog pour résoudre les différents exercices vus lors des sessions
précédentes.

Pour en savoir plus sur les problèmes de satisfaction de contraintes et la programmation par contraintes :

quelques liens
quelques livres

Sommaire du cours :
Session 1 - Contraintes et Problèmes de Satisfaction de Contrainte.

1 - Qu'est-ce qu'une contrainte ?

2 - Qu'est ce qu'un CSP ?
3 - Un premier exemple : le problème des reines
4 - Un deuxième exemple : le problème des mariages stables

Session 2 - Modélisation de CSPs

Objectif de la session et rappels

Exercice 1 : Retour de monnaie
Exercice 2 : Coloriage de cartes
Exercice 3 : Sel et moutarde
Exercice 4 : Send more money
Exercice 5 : Le zèbre

Session 3 - Résolution de CSPs

Présentation de la session
1 - L'algorithme "génère et teste"
2 - Critique de "génère et teste" et notion d'espace de recherche d'un CSP
3 - L'algorithme "simple retour-arrière"
4 - L'algorithme "anticipation"
5 - Intégration d'heuristiques

Session 4 - Réalisation de solveurs de contraintes en Prolog

Présentation de la session
1 - Description de CSPs binaires en Prolog
2 - Programmation de l'algorithme "génère et teste" en Prolog
3 - Programmation de l'algorithme "simple retour-arrière en Prolog"
4 - Programmation de l'algorithme "anticipation/noeud" en Prolog
5 - Intégration de l'heuristique "échec d'abord"
6 - Comparaison expérimentale des quatre solveurs

Session 5 - Programmation par contraintes avec Gnu-Prolog

 Présentation de la session
1 - Variables sur les domaines finis en Gnu-Prolog
2 - Contraintes sur les domaines finis en Gnu-Prolog
3 - Résolution de CSPs par Gnu-Prolog
4 - Un premier exemple : les reines
5 - Un deuxième exemple : les mariages stables

Sessions 6 et 7 - Travaux Pratiques

Présentation du TP
Exercice 1 : Retour de monnaie
Exercice 2 : Coloriage de cartes
Exercice 3 : Sel et moutarde
Exercice 4 : Send more money
Exercice 5 : Le zèbre