详细内容或原文请订阅后点击阅览
NuCS 与 Choco：纯 Python 约束求解器与 JVM 资深人士的结合
比较 Nucs 和 Choco 的深入性能测试NuCS vs Choco：纯 Python 约束求解器遇见 JVM 老手的帖子首先出现在 Towards Data Science 上。
来源:走向数据科学NuCS 是一个 100% 用 Python 编写的约束求解器，由我开发，由 NumPy 和 Numba 加速。Choco 是参考开源约束求解器之一，用 Java 编写，开发了二十多年。
比较它们看起来是不平衡的：解释语言与高度优化的 JVM 求解器相比，具有丰富的弧一致全局约束目录。 现实更有趣。 当两个求解器运行相同的模型时，出于所有实际目的，它们的速度相同 - 并且在最大的实例上，NuCS 实际上领先，因为一旦 Numba 编译了内部循环，Python 税就消失了，只剩下每个节点的成本。 当模型不同时，结果是真正的交易而不是溃败：在某些问题上，Choco 的弧线一致性是正确、快速的工具； 在其他方面，NuCS 廉价的绑定一致性加上一点重构完全获胜； 在至少一个问题上，NuCS 的建模自由度使其能够解决普通求解器无法解决的实例。
本文介绍了五个基准问题，为每个问题提供了准确的 NuCS 命令行，详细说明了约束和搜索策略，绘制了性能曲线，最后给出了解释整个情况的设计决策：NuCS 表示域 asmin..maxintervals，因此仅限于边界一致性，而 Choco 也可以表示有孔的域并运行全弧一致性。
此处显示的所有 NuCS 代码均位于 MIT 许可下的 NuCS 存储库中。
NuCS
历史
架构
问题带有变量域的 NumPy 数组——每个变量一对（最小，最大），当 min == max 时绑定一个变量——以及传播器列表。 传播器是约束的过滤算法，注册在数字 ALG_* 标识符下。 每个传播器都是三个小函数：
巧克力
比较设置
NuCS 命令行：