×
Kuldeep S.梅尔。;Aditya A.Shrotri。;莫舍·瓦尔迪。

并非所有的FPRAS都是相等的：为DNF计数揭开FPRAS的神秘面纱。 （英语） Zbl 1483.68498号

约束条件 24，编号3-4，211-233（2019）.
摘要：计算DNF公式（也称为“（#\mathrm{DNF}”）的解的数量是人工智能中的一个基本问题，其应用领域从网络可靠性到概率数据库不等。由于精确变量的难解性，人们将精力集中在设计近似技术上。因此，提出了几种基于蒙特卡罗技术的完全多项式随机逼近方案。最近，人们发现基于散列的技术也适用于FPRAS的\（\#\mathrm{DNF}\）。尽管有了显著的改进，但基于散列的FPRAS的复杂度仍比最好的Monte Carlo FPRAS差（按polylog因子计算）。在以前的工作中，有两个问题没有得到回答：基于散列的技术的复杂性是否可以改进？各种方法如何在经验上相互叠加？在本文中，我们首先提出了一种新的基于散列的FPRAS搜索过程，该过程从时间复杂度中去除了多对数因子。然后，我们对\（\#\mathrm{DNF}\）的不同FPRAS的运行时行为进行了第一次实证研究。我们的研究结果产生了一幅微妙的画面。首先，我们观察到，对于所有类型的公式和输入参数，没有一种最佳算法能够优于所有其他算法。其次，我们观察到，时间复杂度最差的算法解决的基准数量最多。

引用于1文件

MSC公司：

68瓦20 随机算法
68兰特 可满足性的计算方面
68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
68周25 近似算法

关键词：

模型计数;散列;析取范式;布尔公式;完全多项式随机逼近方案

软件：

M4英里/小时;夏普SAT;五月BMS
PDF格式BibTeX公司 XML格式引用
\textit{K.S.Meel}等人，《限制条件24》，第3-4期，211-233页（2019年；Zbl 1483.68498）
全文： 内政部

参考文献：

[1] Dueñas-Osorio，L.，Meel，K.S.，Paredes，R.，Vardi，M.Y.（2017）。输电网基于计数的可靠性估计。在人工智能（AAAI）会议记录中。
[2] Bacchus，F.、Dalmao，S.、Pitassi，T.（2003）。#SAT和贝叶斯推理的算法和复杂性结果，《FOCS学报》（第340-351页），ISBN:0-7695-2040-5。http://dl.acm.org/citation.cfm？id=946243.946291。
[3] Sang，T.、Beame，P.、Kautz，H.（2005）。通过加权模型计数进行贝叶斯推理。AAAI教授（第475-481页）。
[4] Dalvi，N.和Suciu，D.（2007年）。概率数据库的高效查询评估。VLDB杂志，16（4），523-544·doi:10.1007/s00778-006-0004-3
[5] Biondi，F.、Enescu，M.、Heuser，A.、Legay，A.、Meel，K.S.、Quilbeuf，J.（2018）。程序中定量信息流的可缩放近似。在VMCAI会议记录中·兹比尔1446.68027
[6] Karger，D.R.（2001）。全终端网络可靠性问题的随机完全多项式时间近似方案。SIAM审查·Zbl 0972.05045号
[7] Valiant，L.G.（1979年）。枚举和可靠性问题的复杂性。SIAM计算机杂志，8（3），410-421·Zbl 0419.68082号 ·数字对象标识代码：10.1137/0208032
[8] Karp，R.M.和Luby，M.（1983年）。枚举和可靠性问题的蒙特卡罗算法。在FOCS会议记录中·Zbl 0678.65001号
[9] Karp，R.M.，Luby，M.，Madras，N.（1989年）。枚举问题的蒙特卡罗近似算法。算法杂志，10（3），429-448·Zbl 0678.65001号 ·doi:10.1016/0196-6774（89）90038-2
[10] Vazirani，V.V.（2013）。近似算法。施普林格科技与商业媒体。
[11] Dagum，P.、Karp，R.、Luby，M.、Ross，S.（2000年）。蒙特卡罗估计的最佳算法。SIAM计算期刊，29（5），1484-1496·兹比尔1112.65300 ·doi:10.137/S00975397315306
[12] Chakraborty，S.、Meel，K.S.、Vardi，M.Y.（2016）。概率推理近似计数的算法改进：从线性到对数SAT调用。IJCAI会议记录。
[13] Meel，K.S.，Shrotri，A.A.，Vardi，M.Y.（2017）。基于散列的近似DNF计数方法。FSTTCS会议记录·Zbl 1491.68193号
[14] Ermon，S.、Gomes，C.P.、Sabharwal，A.、Selman，B.（2013）。克服维数灾难：通过散列和优化实现离散积分。ICML会议记录（第334-342页）。
[15] Meel，K.S.（2018年）。限制性计数和抽样：弥合理论与实践之间的差距。arXiv:1806.02239。
[16] Carter，J.L.和Wegman，M.N.（1977年）。哈希函数的通用类。《STOC会议记录》（第106-112页）。ACM公司。
[17] Luby，M.和Velićković，B.（1996年）。关于DNF的确定性近似。《算法》，16（4），415-433·Zbl 0857.68054号 ·doi:10.1007/BF01940873
[18] Trevisan，L.（2004）。关于k-DNF近似计数的注记。在近似、随机化和组合优化中。算法和技术（第417-425页）。斯普林格·Zbl 1106.68427号
[19] Gopalan，P.，Meka，R.，Reingold，O.（2013）。DNF稀疏化和更快的确定性计数算法。计算复杂性·Zbl 1286.68230号
[20] Ajtai，M.和Wigderson，A.（1985年）。概率恒定深度电路的确定性模拟。《FOCS会议记录》（第11-19页）。电气与电子工程师协会。
[21] Nisan，N.（1991）。恒定深度电路的伪随机位。组合数学，11（1），63-70·Zbl 0732.68056号 ·doi:10.1007/BF01375474文件
[22] De，A.，Etesami，O.，Trevisan，L.，Tulsiani，M.（2010年）。深度2电路的改进伪随机发生器。在近似、随机化和组合优化中。算法和技术（第504-517页）。斯普林格·Zbl 1305.68128号
[23] Olteanu，D.，Huang，J.，Koch，C.（2010年）。概率数据库中的近似置信度计算。ICDE（第145-156页）。电气与电子工程师协会。
[24] Fink，R.和Olteanu，D.（2011年）。关于使用易于处理的命题语言进行查询的最佳逼近。ICDT会议记录。ACM公司。
[25] Gatterbauer，W.和Suciu，D.（2014）。布尔函数概率的不经意边界。ACM TODS，39（1），5·Zbl 1321.68246号 ·doi:10.1145/2532641
[26] Tao，Q.、Scott，S.、Vinodchandran，N.V.、Osugi，T.T.（2004）。基于SVM的基于近似盒计数的广义多实例学习。第二十一届机器学习国际会议记录（第101页）。ACM公司。
[27] Babai，L.（1979）。图同构测试中的Monte-Carlo算法。蒙特勒大学技术报告。DMS，第79-10页。
[28] Motwani，R.和Raghavan，P.（2010年）。随机算法。
[29] Albrecht，M.和Bard，G.（2012年）。M4RI库-版本20121224。http://m4ri.sagemath.org。
[30] Huang，J.、Antova，L.、Koch，C.、Olteanu，D.（2009）。MayBMS：概率数据库管理系统。SIGMOD会议记录。ACM公司。
[31] TPC基准H。http://www.tpc.org/。
[32] Mitchell，D.，Selman，B.，Levesque，H.（1992年）。SAT问题的难易分布。AAAI会议记录（第459-465页）。
[33] Thurley，Marc，sharpSAT——具有高级组件缓存和隐式BCP的计数模型，424-429（2006），柏林，海德堡
[34] 查克拉波蒂，苏普拉蒂克；Kuldeep S.Meel。；Vardi，Moshe Y.，《可扩展近似模型计数器》，200-216（2013），柏林，海德堡
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。