CPMpy/cpmpy

解決できる問題

CPMpyは、スケジューリング、リソース割り当て、最適化など、ブール変数や整数変数を含む組み合わせ問題に取り組みます。高レベルな制約を提供し、ソルバーがネイティブにサポートしていない場合は自動的に分解されるため、複雑な問題を簡単に記述できます。

仕組み

意思決定変数をnumpy配列として定義し、制約と目的関数を追加して solve() を呼び出すだけです。CPMpyはモデルを選択したソルバー（CP、ILP、SMT、PB、SATなど）に変換し、異なるソルバーを比較することも可能です。インクリメンタルな求解、仮定変数、求解後の制約追加や目的関数の更新をサポートしています。

対象ユーザー

科学的なPythonエコシステム（pandas、plotly、Jupyter）と統合された、軽量でドキュメントが充実したライブラリを必要とする、制約プログラミング、オペレーションズ・リサーチ、機械学習の研究者や実務家向けです。産業界や学術研究でも使用されています。

ハイライト

• ソルバー非依存：CP、ILP、SMT、PB、SATソルバーに対応
• 機械学習フレンドリー：意思決定変数はベクトル演算が可能なnumpy配列
• インクリメンタルな求解：仮定変数、制約の追加、目的関数の更新
• 大規模なテストスイートとファジングテストによる徹底的な検証
• パラメータチューニング、デバッグ、説明生成、XCSP3ベンチマークのためのツール
• オープンソース (Apache 2.0) で、活発なコミュニティがあり貢献を歓迎