![](/img/trans.png)
[英]Getting the value in a range which gives the maximum of a bounded function in z3py
[英]Find maximum value of a variable given constraints in z3py
例如,给定以下 4 个约束, a
和x
是ints
, b
是array
,将int
映射到int
:
a >= 0
b[0] == 10
x == 0
b[x] >= a
find_max(a) => 10
find_min(a) => 0
z3py 可以做这样的事情吗?
好,当然。
您可以通过多个单目标优化搜索逐步执行此操作,也可以使用z3提供的更有效的盒装(又称多独立)组合来处理多目标优化。
定义 4.6.3。 (多重独立 OMT [LAK+14、BP14、BPF15、ST15b、ST15c])。 令
<φ,O>
为多目标 OMT 问题,其中φ
是基础 SMT 公式,O = {obj_1, ..., obj_N}
是N
个目标函数的排序列表。 我们称多独立 OMT 问题,也称为盒装 OMT 问题 [BP14, BPF15] ,即在一次运行中找到一组模型{M_1, ...,M_N}
的问题,使得每个M_i
使obj_i
在通用公式上最小φ
。备注 4.6.3。 解决多独立 OMT 问题
<φ, {obj_1, ..., obj_N }>
类似于独立解决N
个单目标 OMT 问题<φ, obj_1>, ..., <φ, obj_N>
。 然而,与后一种方法相比,前者允许对搜索进行分解,从而获得显着的性能提升 [LAK+14, BP14, ST15c]。
例子:
from z3 import *
a = Int('a')
x = Int('x')
b = Array('I', IntSort(), IntSort())
opt = Optimize()
opt.add(a >= 0)
opt.add(x == 0)
opt.add(Select(b, 0) == 10)
opt.add(Select(b, x) >= a)
obj1 = opt.maximize(a)
obj2 = opt.minimize(a)
opt.set('priority', 'box') # Setting Boxed Multi-Objective Optimization
is_sat = opt.check()
assert is_sat
print("Max(a): " + str(obj1.value()))
print("Min(a): " + str(obj2.value()))
Output:
~$ python test.py
Max(a): 10
Min(a): 0
请参阅有关该主题的出版物,例如
1. Nikolaj Bjorner 和 Anh-Dung Phan。 νZ - 对 Z3 的最大满意度。 在 Proc International Symposium on Symbolic Computation in Software Science,Gammat,突尼斯,2014 年 12 月。EasyChair Proceedings in Computing (EPiC)。 [PDF]
2. Nikolaj Bjorner、Anh-Dung Phan 和 Lars Fleckenstein。 Z3 - 优化 SMT 求解器。 在过程中。 TACAS,LNCS 第 9035 卷。 施普林格,2015。 [施普林格] [[PDF]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.