半主动

量化布尔公式决策过程中的引理和模型缓存。在许多应用中,量化布尔逻辑的作用越来越大,需要实际有效的决策过程。最有希望的范例之一是以DPLL程序的风格实现的语义树格式。在本文中,所谓的学习技术,如智能回溯和缓存引理,证明是有用的纯命题的情况下泛化的量化布尔案例,并发生差异进行了讨论。由于变量树选择在语义树过程中对量化布尔公式的强烈限制,正如我们所展示的,学习方法比命题情形更重要。此外,除了引理的缓存外,还可以通过基于模型缓存的技术来实现显著的进步。通过对病理实例的搜索空间的比较,说明了这些改进的理论效果。我们还描述了系统SIMPROP的基本特征,这是一个有效的实施(一些)开发的技术,并给出了实验评价系统的结果在一些实际的例子。


ZBMaX中的参考文献(16篇)1标准条款

显示结果1至16的16。
按年份排序(引文

  1. Pulina,卢卡;SEIDL,玛蒂娜:2016和2017 QBF求解器评价(QBFEVAL 16和QBFEVAY 17)(2019)
  2. EGLY,UWE;Kronegger,马丁;Lonsing,弗洛里安;Pfandler,安德烈亚斯:一致性规划作为增量QBF求解的案例研究(2017)
  3. 鲍约,汤姆斯,Lonsing,弗洛里安:Hordeqbf:一个模块化的大规模并行QBF求解器(2016)
  4. Klieber、威廉、Marques Silva、Joao、克拉克、埃德蒙:用反例指导求精解决QBF(2016)
  5. LangSin,弗洛里安;EGLY,UWE;SEIDL,玛蒂娜:广义公理的Q-分解(2016)
  6. 朗辛、弗洛里安、塞德尔、玛蒂娜、Van Gelder、艾伦:QBF画廊:幕后(2016)
  7. LunSn,弗洛里安,EGLY,UWE:通过子句组求解器API(2015)增量计算QBFs的最小不可满足核
  8. 库马尔,Ramana;Weber,TjARK:验证HOL4(2011)中的QBF有效性
  9. EGLY,UWE;SEIDL,玛蒂娜;Woltran,斯特凡:否定范式的QBFS求解器(2009)
  10. LangSin,弗洛里安,Bieor,Armin:QBFS中句法依赖的紧凑表示(2009)
  11. 阿里利,Ofer;Denecker,贾景晖;Van Nuffelen,伯特;BrynooGHe,毛里斯:用符号公式修复数据库的计算方法(2006)
  12. Pichler、莱因哈德、Woltran、斯特凡:关于代入问题的判定(2005)
  13. 约翰森,简:纯文字消去的复杂性(2005)
  14. Prasad,Mukul R.;Bieor,Armin;Gupta,Aarti:基于SAT的形式化验证的最新进展综述(2005)伊波尔特
  15. Prasad,Mukul R.;Bieor,Armin;Gupta,Aarti:基于SAT的形式化验证的最新进展综述(2005)伊波尔特
  16. LITZ,莱因霍尔德:量化布尔公式决策过程中的引理和模型缓存(2002)