阿奇利奥普塔斯，迪米特里斯；迈克尔·S·O·莫洛伊。；Lefteris M.基鲁西斯。；Yannis C.Stamatiou。；埃文格洛斯·克拉纳基斯；丹尼·克里桑克 随机约束满足：更准确的图片。 （英语） Zbl 0984.68085号 约束条件 6，第4期，329-344（2001）. 摘要：在过去的几年里，从实验和理论的角度，人们对随机约束满足问题（CSP）产生了极大的兴趣。非常有趣的是，用各种模型生成随机CSP实例的实验结果表明，此类问题有解决方案的概率表现出“阈值式”行为。本着这种精神，在渐近分析这些模型时，即随着变量数量的增加，已经做了一些初步的理论工作。本文证明，与基于实验证据的信念相反，通常用于生成随机CSP实例的模型没有渐近阈值。特别是，我们证明了它们生成的几乎所有实例在渐近上都是过度约束的，存在微小的局部不一致性。为了补充这一结果，我们提出了另一种生成随机CSP实例的单参数模型，并证明了与当前模型不同，它具有非平凡的渐近行为。此外，对于这个新模型，我们在很大程度上导出了解决方案发生显著变化的可能性内的狭窄区域的显式边界。 引用于1审查引用于26文件 MSC公司： 65年第68季度 算法和问题复杂性分析 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 关键词：随机约束满足问题 PDF格式BibTeX公司 XML格式引用 \textit{D.Achlioptas}等人，约束6，No.4，329--344（2001；Zbl 0984.68085） 全文： 内政部