×
亚历山大·伊夫里;沙拉德·马利克;Kuldeep S.梅尔。;莫舍·瓦尔迪。

关于计算最小独立支持度及其在采样和计数中的应用。 （英语） Zbl 1334.90146号

制约因素 21，第1期，41-58（2016）.
摘要：从人工智能和安全到硬件和软件测试，约束采样和计数是两个基本问题。最近解决这些问题的近似方法依赖于使用SAT解算器和通用散列函数，这些函数通常被编码为带有变量的输入公式的长度（n/2）XOR约束。由于SAT解算器的运行时性能在很大程度上取决于XOR约束的长度，因此最近的研究工作集中在减少XOR约束长度上。因此独立支持结果表明，在独立支持（如果已知）上构造XOR可以显著减少XOR约束的长度，而不会失去采样和计数算法的理论保证。在本文中，我们提出了第一个算法过程（以及一个相应的工具，称为MIS），通过使用归约分组最小不可满足子集（GMUS）来确定给定CNF公式的最小独立支持。通过利用{\mathsf{MIS}}计算的最小独立支持度，我们为约束计数和采样提供了新的XOR约束长度的更紧边界。此外，由{mathsf{MIS}}计算的独立支持构造的通用散列函数在最先进的约束采样和计数工具中提供了两到三个数量级的性能改进，同时仍然保留了理论保证。

引用于8文件

MSC公司：

90C27型 组合优化

关键词：

独立支架;SAT取样;模型计数

软件：

MUSer2系列
PDF格式BibTeX公司 XML格式引用
\textit{A.Ivrii}等人，《约束21》，第1期，第41-58页（2016年；Zbl 1334.90146）
全文： DOI程序 链接

参考文献：

[1] Ignatiev，A.、Previti，A.、Liffiton，M.和Marques-Silva，J.（2015）。最小的mus提取和最小的打击集二元化。在CP诉讼中（出庭）·Zbl 1394.68359号
[2] Bacchus，F.、Dalmao，S.和Pitassi，T.（2003）。#SAT和贝叶斯推理的算法和复杂性结果。《FOCS会议记录》（第340-351页）。
[3] Belov，A.和Marques-Silva，J.（2012）。命题逻辑中的广义冗余：基础和打击集二元性。CoRR abs/1207.1257。
[4] Belov，A.和Marques-Silva，J.（2012）。Muser2：一个高效的MUS提取器。JSAT，8（3/4），123-128·Zbl 1322.68178号
[5] Carter，J.L.和Wegman，M.N.（1977年）。哈希函数的通用类。ACM计算机理论研讨会论文集（第106-112页）。ACM公司。
[6] Chakraborty，S.、Fremont，D.J.、Meel，K.S.、Seshia，S.A.和Vardi，M.Y.（2014）。SAT的分布感知抽样和加权模型计数。《AAAI会议录》（第1722-1730页）。
[7] Chakraborty，S.、Meel，K.S.和Vardi，M.Y.（2013）。一个可扩展且几乎统一的SAT证人生成器。《CAV会议录》（第8044卷，第608-623页）。
[8] Chakraborty，S.、Meel，K.S.和Vardi，M.Y.（2013）。可缩放的近似模型计数器。《CP会议录》（第8124卷，第200-216页）。斯普林格·Zbl 0419.68082号
[9] Chakraborty，S.、Meel，K.S.和Vardi，M.Y.（2014）。在SAT见证生成器中平衡可扩展性和一致性。《发展援助委员会会议记录》（第1-6页）。
[10] Chakraborty，S.、Fremont，D.J.、Meel，K.S.、Seshia，S.A.和Vardi，M.Y.（2015）。关于并行可扩展的统一sat见证生成。摘自：TACAS会议记录（第304-319页）。
[11] Domshlak，C.和Hoffmann，J.（2007）。通过启发式前向搜索和加权模型计数进行概率规划。《人工智能研究杂志》，30（1），565-620·Zbl 1182.68235号
[12] Ermon，S.、Gomes，C.、Sabharwal，A.和Selman，B.（2014年）。基于散列的离散积分的低密度奇偶校验约束。ICML会议记录（第271-279页）·Zbl 1154.68510号
[13] Ermon，S.、Gomes，C.、Sabharwal，A.和Selman，B.（2013年）。嵌入和项目：具有通用哈希的离散采样。《NIPS会议记录》（第2085-2093页）·Zbl 1132.68736号
[14] Ermon，S.、Gomes，C.P.、Sabharwal，A.和Selman，B.（2013年）。驯服维度的诅咒：通过散列和优化进行离散积分。ICML会议记录（第334-342页）·Zbl 1182.68235号
[15] Fu，Z.和Malik，S.（2007）。从合取范式描述中提取逻辑电路结构。VLSID专业版（第37-42页）·Zbl 0597.68056号
[16] Gomes，C.P.、Hoffmann，J.、Sabharwal，A.和Selman，B.（2007年）。模型计数的简短异或：从理论到实践。在SAT会议记录（100-106）中·Zbl 1214.68354号
[17] Grosse，I.、Bernaola-Galván，P.、Carpena，P.，Román-Roldán、R.、Oliver，J.和Stanley，H.E.（2002年）。使用Jensen-Shannon散度分析符号序列。《物理评论》E，65（4），041905·Zbl 1245.94057号 ·doi:10.1103/PhysRevE.65.041905
[18] Jerrum，M.和Sinclair，A.（1996年）。马尔可夫链蒙特卡罗方法：一种近似计数和积分的方法。NP-hard问题的近似算法（第482-520页）·Zbl 1322.68178号
[19] Jerrum，M.、Valiant，L.和Vazirani，V.（1986年）。从均匀分布中随机生成组合结构。理论计算机科学，43（2-3），169-188·Zbl 0597.68056号 ·doi:10.1016/0304-3975（86）90174-X
[20] Kitchen，N.和Kuehlmann，A.（2007年）。约束随机模拟的刺激生成。ICCAD会议记录（第258-265页）。
[21] Liberatore，P.（2005）。逻辑I中的冗余：CNF命题公式。人工智能，163（2），203-232·Zbl 1132.68736号 ·doi:10.1016/j.artint.2004.11.002
[22] Liffiton，M.H.、Mneimneh，M.N.、Lynge，I.、Andraus，Z.S.、Marques-Silva，J.和Sakallah，K.A.（2009年）。提取最小最小不可满足子公式的分枝定界算法。约束，14（4），415-442·Zbl 1181.90291号 ·doi:10.1007/s10601-008-9058-8
[23] M.H.Liffiton和K.A.Sakallah（2008年）。计算最小不可满足约束子集的算法。《自动推理杂志》，40（1），1-33·Zbl 1154.68510号 ·数字对象标识代码：10.1007/s10817-007-9084-z
[24] Maier，D.（1983年）。关系数据库理论。罗克维尔：计算机科学出版社·Zbl 0519.68082号
[25] Marques-Silva，J.（2012）。计算最小不可满足子公式：最新技术和未来方向。多值逻辑与软计算，19（1-3），163-183·Zbl 1394.68359号
[26] Nadel，A.（2010年）。提高最低不可满足的岩芯提取率。计算机辅助设计形式方法第十届国际会议论文集（第221-229页）。
[27] Naveh，Y.，Rimon，M.，Jaeger，I.，Katz，Y.、Vinov，M.、Marcus，E.和Shurek，G.（2006）。用于硬件验证的基于约束的随机刺激生成。IAAI会议记录（第1720-1727页）·Zbl 1322.68178号
[28] Gomes，C.P.、Sabharwal，A.和Selman，B.（2007年）。使用XOR约束的组合空间的近均匀采样。NIPS会议记录（第670-676页）。
[29] Russell，S.和Norvig，P.（2009年）。《人工智能：现代方法》（第三版）。普伦蒂斯·霍尔·Zbl 0835.68093号
[30] Sang，T.、Bacchus，F.、Beame，P.、Kautz，H.和Pitassi，T.（2004）。将组件缓存和子句学习结合起来，实现有效的模型计数。SAT会议记录。
[31] Sang，T.、Bearne，P.和Kautz，H.（2005）。通过加权模型计数进行贝叶斯推理。AAAI专业版（第475-481页）。
[32] Valiant，L.（1979）。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
[33] Xue，Y.、Choi，A.和Darwiche，A.（2012）。根据决策图中的句子做出决策。AAAI会议记录。
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。