保罗·比姆;亨利·考茨;阿什什·萨巴沃尔 理解和利用小句学习的潜力。 (英语) Zbl 1080.68651号 J.阿蒂夫。智力。研究(JAIR) 22, 319-351 (2004). 概要:添加子句学习的高效DPLL实现是最快的完整布尔可满足性求解器,可以处理许多重要的现实问题,例如验证、规划和设计。尽管它很重要,但人们对该技术的最终优势和局限性知之甚少。本文首次将小句学习作为一个证明系统(CL)进行了精确描述,并通过将其与经过充分研究的解决证明系统联系起来,开始了理解其威力的任务。特别地,我们证明了在一种新的学习方案下,CL可以提供比满足自然属性的一般分辨率(RES)的许多适当细化更短的指数证明。其中包括常规分辨率和Davis-Putnam分辨率,已知其比普通DPLL强得多。我们还表明,具有无限重启的CL的轻微变体与RES本身一样强大。然而,由于子句学习算法的不确定性,将这些分析结果转化为实践是一个挑战。我们提出了一种利用底层问题结构的新方法,以高级问题描述(如图或PDDL规范)的形式,指导子句学习算法更快地解决问题。我们表明,这将导致网格上的指数加速和随机卵石问题,以及对某些排序公式的实质性改进。 引用于1审查引用于68文件 MSC公司: 68吨15 定理证明(演绎、解析等)(MSC2010) 03B35型 证明和逻辑操作的机械化 03英尺20英寸 证明的复杂性 软件:SATO公司;糠;DIMACS公司;Velev SAT基准 PDF格式BibTeX公司 XML格式引用 \textit{P.Beame}等人,J.Artif。智力。研究(JAIR)22319--351(2004;Zbl 1080.68651) 全文: arXiv公司