Résumé
De nombreux problèmes de planification et d’ordonnancement impliquent la création de combinaisons subtiles de contraintes temporelles ou spatiales. La modélisation précise de ces contraintes, qui sont formulées dans diverses algèbres de relations, nécessite une expertise en modélisation basée sur les contraintes et implique un grand nombre de combinaisons logiques possibles. L’acquisition active de contraintes (AC) a été utilisée avec succès pour aider les utilisateurs non expérimentés à apprendre les réseaux de contraintes conjonctives par la génération d’une séquence de requêtes. Dans cet article, nous proposons une méthode d’AC appelée GEQCA pour Generic Qualitative Constraint Acquisition, qui permet d’apprendre les contraintes qualitatives en utilisant des requêtes qualitatives. GEQCA combine les requêtes qualitatives avec la cohérence de chemin limitée dans le temps (PC pour Path Consistency) et la propagation des connaissances de base pour acquérir les contraintes qualitatives. Nous prouvons la correction, la complétude et la terminaison de GEQCA. Nous présentons également une évaluation expérimentale qui montre l’efficacité de notre approche dans l’apprentissage des contraintes temporelles ainsi que l’utilisation de GEQCA sur des instances réelles d’ordonnancement.