Да, конечно.
Вы можете сделать это постепенно, с помощью нескольких поисков оптимизации с одной целью, или использовать более эффективный в штучной упаковке ( aka Multi-Independent ) комбинация, предложенная z3 для работы с многоцелевой оптимизацией.
Определение 4.6.3. (Множественно независимый OMT [LAK + 14, BP14, BPF15, ST15b, ST15c]). Пусть <φ,O>
- многоцелевая проблема OMT, где φ
- это основная формула SMT, а O = {obj_1 , ..., obj_N}
- это отсортированный список N
целевых функций. Мы называем множественную независимую задачу ОМТ , , то есть, проблему OMT в штучной упаковке [BP14, BPF15] , проблему поиска за один раз набора моделей {M_1, ...,M_N}
, таких что каждая M_i
делает obj_i
минимум по общей формуле φ
.
Замечание 4.6.3. Решение множественной независимой задачи ОМТ <φ, {obj_1, ..., obj_N }>
похоже на самостоятельное решение N
одноцелевые задачи ОМТ <φ, obj_1>, ..., <φ, obj_N>
. Тем не менее, первый позволяет факторизовать поиск и, таким образом, получить значительное повышение производительности по сравнению с последним подходом [LAK + 14, BP14, ST15c].
[ source, pag. 104 ]
Пример:
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()))
Вывод:
~$ python test.py
Max(a): 10
Min(a): 0
См. Публикации в топи c как, например,
1. Николай Бьорнер и Ан-Дунг Фан. νZ - максимальное удовлетворение Z3. в Pro c Международный симпозиум по Symboli c Вычисления в Software Science, Gammart, Тунис, декабрь 2014 г. Материалы EasyChair по вычислительной технике (EPi C). [PDF]
2. Николай Бьорнер, Ан-Дунг Фан и Ларс Флекенштейн. Z3 - Оптимизирующий SMT Solver . В Pro c. ТАКАС, объем 9035 LNCS. Springer, 2015. [Springer] [[PDF]