实用SAT公式的分层社区结构与Smt - Switch API解读
实用SAT公式的分层社区结构(Hierarchical Community Structure, HCS)
在解决SAT(布尔可满足性问题)时,社区结构是一个重要的研究方向。传统的平面社区结构存在一些缺陷,而分层分解(Hierarchical Decomposition)能够避免这些问题。
-
HCS参数 :通过实验,确定了最具预测性的HCS参数,包括叶社区大小(leaf - community size)、社区度(community degree)和每次分解中的社区间边的数量(number inter - community edges)。对于一个具有“良好”HCS的公式,其参数范围需要满足:图的叶社区大小和社区度为O(log n),并且每个社区分解中的社区间边数量较少。
|参数|要求|
| ---- | ---- |
|叶社区大小|O(log n)|
|社区度|O(log n)|
|社区间边数量|每个社区分解中较少| -
扩展器大小的限制 :在具有良好HCS的图中,我们希望证明证明大小或搜索时间的上界,但目前的研究水平还无法做到。我们的一个目标是证明具有良好HCS参数的公式不适合用典型的方法来证明分辨率下界。因为目前所有的分辨率界限都利用了CNF公式(更准确地说是其二分约束 - 变量关联图(CVIG))的扩展性质(通常是边界扩展)。
- 对于低宽度的公式,如果变量关联图(VIG)不是边扩展的,那么CVIG就不是顶
超级会员免费看
订阅专栏 解锁全文

被折叠的 条评论
为什么被折叠?



