蔡少伟;张新迪;马蒂亚斯·弗勒里;阿明·比尔 通过局部搜索和目标阶段在CDCL中实现更好的决策启发。 （英语） Zbl 07577517号 J.阿蒂夫。智力。研究（JAIR） 74, 1515-1563 (2022). 总结：在实际应用中，最先进的SAT解题者主要使用冲突驱动的从句学习（CDCL）范式。可满足实例的另一种选择是局部搜索求解器，它在随机和硬组合实例上更为成功。尽管有人试图将这些方法组合在一个框架中，但缺少一个紧密的集成，该集成可以提高广泛应用程序实例的技术水平。我们提出了实现这种改进的技术组合。我们的第一个贡献是通过坚持和扩展，以本地搜索方式最大化CDCL中的分配轨迹有前途的通过一种称为目标阶段第二，我们放松通过再次扩展CDCL框架有前途的分支以完成分配，同时忽略冲突。然后，这些赋值被用作本地搜索的起点，该搜索试图找到具有较少未满足子句的改进赋值。第三，这些改进的赋值被导入到CDCL循环中，用于确定分配给决策变量的值。最后冲突频率在CDCL分支启发式的变量选择过程中，可以利用局部搜索中的变量。我们实施了这些技术来改进三个具有代表性的CDCL解算器(葡萄糖，MapleLcm DistChronoBT、和基萨特). 2019年至2021年前三届SAT竞赛主要赛道的基准测试和频谱分配的附加基准测试表明，这些技术带来了显著的改进，尤其是在可满足的实际应用实例上，这一点并不令人惊讶。我们声称，这些技术对于2020年SAT竞赛中表现的大幅提高至关重要基萨特和放松_LcmdCbDl_NewTech在领跑场上紧随其后CryptoMiniSAT抄送也包含了类似的想法。 引用于2文件 MSC公司： 68泰克 人工智能 关键词：启发式;可满足性 PDF格式BibTeX公司 XML格式引用 \textit{S.Cai}等人，J.Artif。智力。研究（JAIR）74，1515--1563（2022；Zbl 07577517） 全文： 内政部 参考文献： [1] IOS出版社。 [2] 施普林格 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。