Apprentissage de spécifications de CSP
Résumé
Les problèmes de satisfaction de contraintes (CSP) permettent de modéliser une large gamme de problèmes de décision allant des puzzles arithmé- tiques à des problèmes d'ordonnancement. Même si le but de la programmation par contraintes est de fournir un moyen simple d'écrire ces problèmes, nous avons pu constater par expérience que le niveau d'expertise requis pour modé- liser un problème était trop élevé pour des non-experts du domaine ou bien des informaticiens généralistes. C'est pourquoi nous nous intéressons à l'acquisition automatique de spécifications de CSP, un objet plus abstrait qu'un modèle. Dans cet article, après avoir présenté un langage de spécification simplifiée, nous for- malisons le problème d'apprentissage de spécifications de CSP en le ramenant à un problème de programmation logique inductive. Nous montrons les difficultés rencontrées en utilisant les techniques de l'état de l'art : la non-pertinence du critère de couverture des exemples et la grosse taille de l'espace de recherche. Enfin nous présentons une technique pour dépasser ces limitations et montrons son efficacité avec des expériences aux résultats encourageants.