[논문 리뷰] Nearly-Exponential Size Lower Bounds for Symbolic Quantifier Elimination Algorithms and OBDD-Based Proofs of Unsatisfiability

Nathan Segerlind|ArXiv.org|2007. 01. 09.

Formal Methods in Verification참고 문헌 41인용 수 5

한 줄 요약

이 논문은 특정 부정형 CNF 공식의 집합에 대해 트리형 OBDD 반증의 크기에 거의 지수적 하한을 설정하며, 변수 순서, 절 처리 순서, 또는 양자화 전략에 관계없이 일부 불만족 가능한 인스턴스를 반증하기 위해 기호적 양자화 제거 알고리즘과 OBDD 기반 만족 가능성 방법이 초다항적이고 사실 거의 지수적인 시간이 필요하다는 것을 보여준다.

ABSTRACT

We demonstrate a family of propositional formulas in conjunctive normal form so that a formula of size $N$ requires size $2^{Ω(\sqrt[7]{N/logN})}$ to refute using the tree-like OBDD refutation system of Atserias, Kolaitis and Vardi with respect to all variable orderings. All known symbolic quantifier elimination algorithms for satisfiability generate tree-like proofs when run on unsatisfiable CNFs, so this lower bound applies to the run-times of these algorithms. Furthermore, the lower bound generalizes earlier results on OBDD-based proofs of unsatisfiability in that it applies for all variable orderings, it applies when the clauses are processed according to an arbitrary schedule, and it applies when variables are eliminated via quantification.

연구 동기 및 목표

• 불만족 가능한 CNF 공식의 클래스에 대해 트리형 OBDD 반증의 크기에 대해 조건 없는 하한을 설정하는 것.
• OBDD 기반 만족 가능성 솔버에서 일반적으로 사용되는 기호적 양자화 제거 알고리즘이 특정 어려운 인스턴스에서 초지수적 시간 이하로 실행될 수 없다는 것을 보여주는 것.
• 기존 분석에서 고정된 변수 순서나 절 처리 순서를 가정한 한계를 극복하는 것.
• 최적의 변수 순서, 절 결합 순서, 그리고 양자화 전략을 사용하더라도 순열을 포함하는 구조적 공식에서 OBDD 기반 방법이 지수적 팽창을 겪는다는 것을 보여주는 것.
• OBDD 기반 증명 체계와 알고리즘의 본질적 한계에 대한 기초적인 이해를 제공하는 것.

제안 방법

• 순열에 따라 행동을 인코딩하는 CNF 공식의 가족을 구성하여 OBDD 표현에서의 지수적 팽창을 드러내도록 설계한다.
• Atserias, Kolaitis, 및 Vardi의 트리형 OBDD 반증 체계를 분석하여, 구성된 공식에 대한 어떤 반증도 크기가 적어도 $2^{\Omega(\sqrt[7]{N/\log N})}$ 이상이어야 한다는 것을 증명한다.
• 밀도 기반 추론과 랜덤 제약 조건을 사용한 확률론적 및 조합 기법을 적용하여, 무작위 그래프에서 특정 하위구조(예: $K_{2,4}$)를 찾을 확률을 근사한다.
• 오차 항을 제어하기 위해 이중 분포 및 교체 기반 경계(DDWB) 프레임워크를 사용하여 다양한 변수 순서에 걸쳐 강건성을 확보한다.
• 측도 집중 및 기대치 부등식을 사용하여, 만족할 수 있는 할당의 기대 밀도를 분석함으로써 반증 크기에 대한 하한을 유도한다.
• Lemma 18과 Lemma 17을 적용하여 제품 측도 하에서 해의 기대 밀도를 실제 반증 크기와 연결하며, 공식의 변수 의존성 구조를 활용한다.

실험 결과

연구 질문

• RQ1 OBDD 기반 기호적 양자화 제거 알고리즘이 모든 부정형 만족 가능성 인스턴스를 초지수적 시간 이내에 해결할 수 있는가?
• RQ2 순열 기반 추론을 인코딩하는 CNF 공식의 가족에 대해 트리형 OBDD 반증의 최소 크기는 얼마인가?
• RQ3 변수 순서, 절 처리 스케줄, 그리고 양자화 전략은 불만족 가능성의 OBDD 기반 증명 크기에 어떤 영향을 미치는가?
• RQ4 특정 처리 순서나 변수 순서를 가정하지 않고도 OBDD 기반 만족 가능성 알고리즘에 대해 조건 없는 하한을 설정할 수 있는가?
• RQ5 대칭성 또는 순열 불변 행동을 보이는 시스템을 다룰 때 OBDD 기반 방법은 어느 정도 지수적 팽창에 직면하는가?

주요 결과

• 논문은 크기가 $N$인 CNF 공식의 가족에 대해 트리형 OBDD 반증의 크기에 대해 $2^{\Omega(\sqrt[7]{N/\log N})}$의 거의 지수적 하한을 설정하며, 이는 변수 순서에 관계없이 적용된다.
• 이 하한은 모든 기호적 양자화 제거 알고리즘에 대해 일반적으로 적용되며, 이는 임의의 절 처리 순서와 양자화를 통한 변수 제거를 사용하는 알고리즘을 포함한다.
• 결과는 복잡도 이론적 가정(예: $P \neq NP$)에 의존하지 않으며, OBDD 기반 만족 가능성 솔버의 효율성에 대한 구체적인 제한을 제공한다.
• 기존 결과를 일반화하고 강화하여 변수 순서나 처리 순서에 대한 제약 조건을 제거함으로써 더 넓은 실용적 알고리즘 범주에 적용 가능하다.
• 분석 결과, OBDD 기반 방법은 순열 대칭성을 가진 시스템(예: 난이도 원리)을 다룰 때 본질적으로 지수적 팽창을 겪는다.
• 밀도 기반 추론과 확률론적 구성에 기반한 증명 기법은 최적의 매개변수 선택조차도 구성된 공식에 대해 OBDD 표현의 크기가 어떤 다항식 경계를 초월할 수 있음을 보여준다.