×

分解假设以加快MUS提取。 (英语) Zbl 1390.68601号

Järvisalo,Matti(编辑)等人,《可满足性测试的理论和应用——2013年SAT》。第十六届国际会议,芬兰赫尔辛基,2013年7月8日至12日。诉讼程序。柏林:施普林格出版社(ISBN 978-3-642-39070-8/pbk)。计算机科学课堂讲稿7962276-292(2013)。
小结:在早期关于基于CDCL的SAT解题的有限形式扩展解题的工作中,引入了新的文字来排除部分习得子句。其主要目标是缩短子句、减少证明大小和内存使用,从而加快传播和冲突分析。尽管取得了一些减少,但这种技术对于一般SAT求解的有效性相当低。在本文中,我们表明,基于假设,分解文字对于增量SAT求解特别有用。这是增量SAT求解最常见的方法,由MINISAT的作者首创。我们的第一个贡献是专注于只考虑假设,实际上所有假设都是迫切需要的。这使得可以使用紧凑的专用数据结构,并自然地建议了一种新的子句最小化形式,这是我们的第二个贡献。作为最后一个主要贡献,我们建议使用这些数据结构来维护带有假设的习得子句的部分证明跟踪,这为我们提供了一种廉价的方法来清除无用的习得子句。为了评估我们的技术的有效性,我们在公共可用的最先进MUS提取器MUSer中使用的MINISAT版本中实现了这些技术。一项广泛的实验评估表明,将假设分解出来,结合我们新颖的子句最小化过程和急切子句删除,在减少平均子句大小、改进运行时间和总体上提高MUS提取的最新水平方面特别有效。
有关整个系列,请参见[兹比尔1268.68023].

MSC公司:

68T20型 人工智能背景下的问题解决(启发式、搜索策略等)
68吨15 定理证明(演绎、解析等)(MSC2010)
PDF格式BibTeX公司 XML格式引用
全文: 内政部