semprop公司

量化布尔公式决策过程中的引理和模型缓存。量化布尔逻辑在许多应用中的作用越来越大,这就要求实际有效的决策过程。最有希望的范例之一是以DPLL过程的风格实现的语义树格式。本文将在纯命题情况下被证明是有用的引理智能回溯和缓存等学习技术推广到量化布尔情形,并讨论了它们之间的差异。由于量化布尔公式的语义树过程中变量选择的严格限制,学习方法比命题情况下更为重要。此外,除了对引理的缓存外,基于模型缓存的技术也可以取得显著的进步。这些改进的理论效果通过对病理实例的搜索空间的比较来说明。我们还描述了Semprop系统的基本特性,它是所开发技术的一种有效实现,并给出了在一些实际例子上对该系统的实验评估结果。


zbMATH中的参考文献(引用于,1标准件)

显示第1到16个结果,共16个。
按年份排序(引用)

  1. Pulina,Luca;Seidl,Martina:2016和2017 QBF solvers评估(QbEval'16和QBFEVAL'17)(2019年)
  2. Egly,Uwe;Kronegger,Martin;Lonsing,Florian;Pfandler,Andreas:整合规划作为增量QBF解决的案例研究(2017)
  3. Balyo,Tomš;Lonsing,Florian:Hordeqbf:模块化和大规模并行QBF解算器(2016)
  4. Janota,Mikoláš;Klieber,William;Marques Silva,Joao;Clarke,Edmund:用反例引导的改进解决QBF(2016)
  5. Florian Lonsing;Egly,Uwe;Seidl,Martina:广义公理的Q-分解(2016)
  6. 弗洛里安,朗辛;塞德尔,玛蒂娜;范盖德,艾伦:QBF画廊:幕后(2016)
  7. Florian Lonsing;Egly,Uwe:通过子句组解算器API增量计算QBFs的最小不满足核心(2015)
  8. Kumar,Ramana;Weber,Tjark:验证HOL4中QBF的有效性(2011)
  9. Egly,Uwe;Seidl,Martina;Woltran,Stefan:求反范式中QBFs的求解器(2009)
  10. Florian Lonsing;Biere,Armin:QBFs中句法依赖的紧凑表示(2009)
  11. Arieli,Ofer;Denecker,Marc;Van Nuffelen,Bert;Bruynooghe,Maurice:用符号公式修复数据库的计算方法(2006)
  12. Egly,Uwe;Pichler,Reinhard;Woltran,Stefan:关于决定吸纳问题(2005)
  13. 约翰森,简:纯文字消除的复杂性(2005)
  14. Prasad,Mukul R.;Biere,Armin;Gupta,Aarti:基于sat的正式验证的最新进展调查(2005)ioport公司
  15. Prasad,Mukul R.;Biere,Armin;Gupta,Aarti:基于SAT的正式验证的最新进展调查(2005)ioport公司
  16. Letz,Reinhold:量化布尔公式决策过程中的引理和模型缓存(2002)