对于一项研究作业，我在C＃中重新创建了Norvig的算法，以解决数独作为约束满足问题（CSP）与局部搜索相结合的解决方案，以及一个正方形的可能值的量。现在我需要创建它的扩展或变体，我对这个算法确保弧度一致性的程度感到困惑。目前的算法基本上为此做的是：
现在我的问题是：这个算法是否确保完全的弧度一致性？如果没有，我怎么能改善我的CPS算法？
如果有人能帮我解决这个问题，我将不胜感激！
提前致谢。
最好的问候。
答案 0 :(得分：0)
我很惊讶你添加本地搜索，因为数独在CP中真的很容易解决（通常没有任何分支）。无论如何，Arc一致性可能有三种不同的含义：
在约束网络上建立弧一致性：粗略意味着您调用约束的过滤算法，直到达到修复点。默认情况下，所有求解程序都会执行此操作。使用这个术语的人通常会假设每个约束都有自己的弧一致性算法（参见下一点），对于二元约束来说这是正确的，但在一般情况下通常是错误的（以及现实生活中的问题）。
为约束建立弧一致性：粗略地意味着从每个变量中删除所有属于没有解决方案的值（无论模型的其余部分）。它取决于您用于约束的过滤算法（您可以在过滤功率和运行时间之间进行不同的权衡）。
在问题上建立弧一致性：假设您使用一个自定义全局约束建模整个问题，然后应用先前的定义。
那么你在整个问题上建立AC吗？这意味着所有未经过滤的变量/值赋值都属于解决方案吗？根据你的描述，答案是否定的。
您是否在每个约束上建立AC？嗯，这取决于你的模型。如果你只使用二元约束来陈述你的问题，那么我会说是的。如果要改进过滤，则应使用全局约束，例如AllDifferent。这种约束的弧一致过滤算法比你描述的更复杂，但它也更强大！
您可以查看使用example的Choco Solver。 您还可以使用不同的一致性级别（例如绑定一致性）。