Resumen

Este documento propone un marco de programación híbrida para modelar y resolver problemas de satisfacción de restricciones (CSPs) y problemas de optimización de restricciones (COPs). Dos paradigmas, PLR (programación lógica de restricciones) y PM (programación matemática), se integran en el marco. La integración se complementa con el método original de transformación de problemas, utilizado en el marco como un método de pre-solución. La transformación reduce sustancialmente el espacio de soluciones factibles. El marco genera automáticamente modelos CSP y COP basados en los valores actuales de las instancias de datos, las preguntas formuladas por un usuario y el conjunto de predicados y hechos del problema que se está modelando, los cuales en conjunto constituyen una base de conocimiento para el problema dado. Esta generación dinámica de modelos dedicados, basada en la base de conocimiento, junto con los parámetros que cambian externamente, por ejemplo, las preguntas de los usuarios, es la implementación del concepto de búsqueda autónoma. Los modelos se resuelven utilizando solucionadores internos

• Materias:Difusión de información Inteligencia de enjambre Programación híbrida Modelo de programación Máquinas virtuales
• Subjects:Information dissemination Swarm intelligence Hybrid programming Programming model Virtual machines
• Palabras claves:Marco propuesto; Problemas de satisfacción de restricciones; Problemas de optimización de restricciones; CLP; MP; Transformación de problemas
• Keywords:Proposed framework; Constraint satisfaction problems; Constraint optimization problems; CLP; MP; Problem transformation