[논문 리뷰] Counting Solutions to Random CNF Formulas

Andreas Galanis, Leslie Ann Goldberg외 2명|arXiv (Cornell University)|2019. 11. 16.

Data Management and Algorithms참고 문헌 36인용 수 4

한 줄 요약

이 논문은 이전 방법이 허용하는 것보다 지수적 밀도로 더 높은 밀도에서 무작위 k-CNF 공식의 만족 가능한 할당 수를 세는 데 있어 처음으로 전역 다항시간 근사법(FPTAS)을 제시한다. Moitra의 기법을 고차수 변수와 상관관계를 다룰 수 있도록 응용함으로써, 밀도 α < 2^r k (r > 0, 충분히 큰 k)일 때 ε-근사값을 poly(n, 1/ε) 시간 내에 도달할 수 있으며, 이는 이전의 상관관계 감쇠 기법이 적용 가능한 유일성 임계값 2 log k / k를 크게 초월한다.

ABSTRACT

We give the first efficient algorithm to approximately count the number of solutions in the random $k$-SAT model when the density of the formula scales exponentially with $k$. The best previous counting algorithm for the permissive version of the model was due to Montanari and Shah and was based on the correlation decay method, which works up to densities $(1+o_k(1))\frac{2\log k}{k}$, the Gibbs uniqueness threshold for the model. Instead, our algorithm harnesses a recent technique by Moitra to work for random formulas. The main challenge in our setting is to account for the presence of high-degree variables whose marginal distributions are hard to control and which cause significant correlations within the formula.

연구 동기 및 목표

• Gibbs 유일성 임계값을 초월하여 무작위 k-CNF 공식의 만족 가능한 할당 수를 효율적으로 근사화하는 알고리즘을 개발하는 것.
• 강한 상관관계를 유도하는 고차수 변수들로 인해 표준 상관관계 감쇠 기법이 무너지는 문제에 대처하는 것.
• 무작위 제약 만족 문제에서 해 수를 근사화하는 알고리즘의 적용 가능 영역을 더 높은 밀도로 확장하는 것.
• α < 2^r k (r > 0)일 때 랜덤 k-SAT 모델에서 해 수 Z(Φ)를 엄밀하게 다항시간에 추정하는 방법을 제공하는 것.

제안 방법

• 무작위 구조에서의 수를 세는 데 사용되는 Moitra의 기법을 무작위 k-CNF 공식 설정에 적응 적용한다.
• 차수와 의존성 구조에 기반해 변수와 절들을 '좋음'과 '나쁨' 집합으로 분할한다.
• 상관관계 감쇠를 제어하기 위해 트리의 잘라내기 깊이 L = C₀(3k²Δ)^⌈log(n/ε)⌉를 사용한다.
• 부분 할당 Λ∗에 대해 재귀적 추정 절차를 적용하여 비율 |ΩΛi+1| / |ΩΛi|를 ε/n 정확도로 계산한다.
• 이중 검색 중 중간 비율 추정치의 타당성을 검증하기 위해 선형 프로그래밍을 적용한다.
• 작은 나쁜 구성요소에 대해 브루트포스 수를 적용하고 곱셈 오차 경계를 사용하여 총 해 수를 재구성한다.

실험 결과

연구 질문

• RQ1 Gibbs 유일성 임계값 2 log k / k를 초월하여 무작위 k-CNF 공식의 해 수를 세는 데 대해 FPTAS를 달성할 수 있는가?
• RQ2 무작위 공식의 수를 세는 알고리즘에서 고차수 변수와 그로 인한 상관관계를 어떻게 관리할 수 있는가?
• RQ3 원래 무작위 그래프에 대해 설계된 Moitra의 기법이 지수적 밀도를 가진 무작위 k-CNF 공식에 적응 가능한가?
• RQ4 무작위 k-CNF 공식의 어떤 구조적 성질이 복잡한 해 공간 기하학성에도 불구하고 효율적인 해 수 세기 가능성을 보장하는가?
• RQ5 α < 2^r k (r > 0, 큰 k)일 때 다항시간 알고리즘이 만족 가능한 할당 수에 대해 ε-근사값을 달성할 수 있는가?

주요 결과

• 알고리즘은 α < 2^r k (r = 1/301, k ≥ k₀)일 때 모든 경우에 대해 ε-근사값을 poly(n, 1/ε) 시간 내에 도달한다. 여기서 k₀는 충분히 큰 상수이다.
• 이 방법은 무작위 공식 집합에 대해 거의 확실히 작동하며, 이전의 상관관계 감쇠 기법의 2 log k / k 임계값보다 지수적으로 높은 밀도를 처리할 수 있다.
• 오차 경계가 곱셈적으로 전파되는 '좋은' 부분 할당 Λ∗를 사용한 재귀적 분해를 통해 해 수가 근사된다.
• 알고리즘은 e^{-ε}|Ω| ≤ Z ≤ e^{ε}|Ω|를 보장하여 완전한 다항시간 근사법을 제공한다.
• 실행 시간은 다항 크기의 선형 프로그래밍 문제에 대해 O(log(n/ε))번 호출하는 것으로 제한되어 있으며, 이는 전체적으로 다항 시간임을 보장한다.
• 이 접근법은 브루트포스 수를 O(log n)-크기의 부분집합에 적용하여 나쁜 구성요소(고차수 변수를 가진)를 성공적으로 분리하고 처리한다.