[論文レビュー] On CNF Conversion for Disjoint SAT Enumeration

Gabriele Masina, Giuseppe Spallitta+1 more|arXiv (Cornell University)|Jan 1, 2023

DNA and Biological Computing被引用数 2

ひとこと要約

この論文は、SATおよびSMTの列挙におけるCNF変換技術を調査し、TseitinやPlaisted-Greenbaumといった標準的な変換が短い部分割り当ての生成を妨げることを示している。本稿では、Plaisted-Greenbaum変換の前処理として否定正規形（NNF）を用いることで、部分割り当ての数と実行時間の両方が著しく削減されることを実験的に検証した。合成的および実世界のベンチマークにおいて、性能が桁違いに向上することが確認された。

ABSTRACT

Modern SAT solvers are designed to handle problems expressed in Conjunctive Normal Form (CNF) so that non-CNF problems must be CNF-ized upfront, typically by using variants of either Tseitin or Plaisted and Greenbaum transformations. When passing from solving to enumeration, however, the capability of producing partial satisfying assignments that are as small as possible becomes crucial, which raises the question of whether such CNF encodings are also effective for enumeration. In this paper, we investigate both theoretically and empirically the effectiveness of CNF conversions for disjoint SAT enumeration. On the negative side, we show that: (i) Tseitin transformation prevents the solver from producing short partial assignments, thus seriously affecting the effectiveness of enumeration; (ii) Plaisted and Greenbaum transformation overcomes this problem only in part. On the positive side, we show that combining Plaisted and Greenbaum transformation with NNF preprocessing upfront - which is typically not used in solving - can fully overcome the problem and can drastically reduce both the number of partial assignments and the execution time.

研究の動機と目的

• 標準的なCNF変換がSATおよびSMT列挙性能に与える影響を分析すること。
• TseitinおよびPlaisted-Greenbaum変換がなぜ短い部分割り当ての生成を妨げているかを特定すること。
• NNF前処理がこれらの問題を軽減し、列挙の効率を向上させることを評価すること。
• MathSATやTabularAllSMTを含む複数のソルバーを用いて、合成的および実世界のベンチマーク（不交差および交差するAllSATおよびAllSMT設定を含む）において、提案手法を実験的に検証すること。

提案手法

• 著者らは、Tseitin変換が二重含意ラベル定義により短い部分割り当ての生成を妨げることを形式的に証明した。
• 彼らは、単一極性の部分論理式に対して一方向含意を用いることで、Plaisted-Greenbaum変換がこれを部分的に緩和できることを示したが、部分論理式が両極性で現れる場合には依然として失敗することを明らかにした。
• 本手法の核となるのは、短い割り当て生成のための構造的障害を排除するために、Plaisted-Greenbaum変換の前処理としてNNF変換を導入することである。
• 本手法は、SMT(LRA)のような合成ベンチマークおよび実世界にインspiredされたWMIインスタンスを用いて、MathSATやTabularAllSMTを含む複数のソルバーで評価された。
• 実行時間と部分割り当ての数を、3600秒の延長タイムアウトを設けて測定し、堅牢な比較を実現した。
• 本手法は、AllSATおよびAllSMTソルバー、特にNovelなインクリメンタル・エヌマレーターであるTabularAllSATおよびTabularAllSMTを用いて検証された。

実験結果

リサーチクエスチョン

• RQ1 Tseitin変換は、SATおよびSMT列挙における短い部分割り当ての生成を妨げているか？
• RQ2 Plaisted-Greenbaum変換はTseitinに比べて、短い部分割り当てのサポートにおいてどの程度改善しているか？
• RQ3 Plaisted-Greenbaum変換の前処理としてNNFを用いることで、従来のCNFエンコーディングの制限が完全に解消できるか？
• RQ4 提案手法は、不交差および交差するAllSATおよびAllSMT問題において、どのようにスケーリングするか？

主な発見

• Tseitin変換は、二重含意ラベル定義により、短い部分割り当ての生成を著しく制限する。
• Plaisted-Greenbaum変換はTseitinに比べ改善されるが、部分論理式が両極性で現れる場合には依然として短い割り当てのサポートを完全に果たせない。
• Plaisted-Greenbaum変換の前処理としてNNFを用いることで、ソルバーが著しく短い部分割り当てを生成できるようになり、列挙すべき割り当ての数が大幅に削減された。
• 提案手法は、合成的および実世界のベンチマークにおいて、実行時間を最大で桁違いに短縮した。
• 性能向上は、MathSATやTabularAllSMTを含む複数のソルバーで一貫して観察され、不交差および交差する列挙設定の両方で有効であった。
• 結果は理論的分析を裏付け、NNF + Plaisted-Greenbaumは、すべての他のCNF変換戦略に比べ、TAサイズおよび実行時間の両面で優れていた。