[论文解读] Chain, Generalization of Covering Code, and Deterministic Algorithm for k-SAT

S. Cliff Liu|arXiv (Cornell University)|Jan 1, 2018

Complexity and Algorithms in Graphs参考文献 18被引用 5

一句话总结

该论文通过结合一种新颖的分支算法与去随机化的局部搜索，提出了目前已知最快的确定性k-SAT算法，利用了一种名为“链”的新结构以及基于线性规划的广义覆盖码。关键结果是3-SAT的时间复杂度为O(1.32793^n)，优于此前的最佳界限1.3303^n。

ABSTRACT

We present the current fastest deterministic algorithm for $k$-SAT, improving the upper bound $(2-2/k)^{n + o(n)}$ dues to Moser and Scheder [STOC'11]. The algorithm combines a branching algorithm with the derandomized local search, whose analysis relies on a special sequence of clauses called chain, and a generalization of covering code based on linear programming. We also provide a more ingenious branching algorithm for $3$-SAT to establish the upper bound $1.32793^n$, improved from $1.3303^n$.

研究动机与目标

• 通过克服将随机算法（如PPSZ）去随机化时的局限性，开发一种更快的确定性k-SAT算法。
• 在k-SAT上改进现有的确定性上界(2−2/k)^n，特别是针对3-SAT。
• 引入一种新的结构化框架——“链”，以更好地控制去随机化局部搜索中的搜索空间。
• 通过线性规划将覆盖码推广至非均匀空间，从而能够更紧密地分析非均匀搜索空间。

提出的方法

• 引入“链”——由共享变量连接的子句序列——用于划分和分析公式结构。
• 使用一种分支算法，要么快速求解公式，要么返回一个包含大量链的大集合，从而将问题简化为更小的k-CNF。
• 应用基于线性规划的广义覆盖码，以覆盖由链诱导的非均匀搜索空间。
• 通过用由广义覆盖码引导的确定性选择替代随机变量翻转，实现局部搜索的去随机化。
• 通过字符串编码（ζ(S)）定义链类型，并使用分支数（bi）量化每类链的搜索代价。
• 通过权衡优化结合分支与去随机化局部搜索，利用链向量与对数约束平衡分支与局部搜索的代价。

实验结果

研究问题

• RQ1 去随机化局部搜索的搜索空间是否能被充分缩小，从而突破确定性k-SAT的(2−2/k)^n界限？
• RQ2 能否利用一种新的结构抽象——“链”——来细化并改进k-SAT中分支算法的分析？
• RQ3 是否可以将覆盖码推广至非均匀空间，以处理由复杂子句结构引发的非均匀搜索空间？
• RQ4 分支与去随机化局部搜索的结合能否产生比单独使用任一方法更紧的最坏情况上界？
• RQ5 在组合算法中，何种链类型配置能最小化整体时间复杂度？

主要发现

• 该论文为3-SAT实现了新的上界O(1.32793^n)，优于此前的最佳界限1.3303^n。
• 该算法采用一种新颖的分支策略，将1-链的分支数从7降低至3，显著降低了搜索代价。
• 基于线性规划的广义覆盖码能够完美覆盖由链诱导的非均匀搜索空间。
• 最小化时间复杂度的最优链类型是1-链（ζ(S) = *），其在最坏情况下主导了搜索空间。
• 该方法可推广至k-SAT，通过用高阶链替代1-链，有望将时间复杂度从O((2k−1)^n)改进至O((2^{k−1}−1)^n)。
• 该框架具有可扩展性，如后续工作中应用于NAE-k-SAT所示，其边界优于k-SAT本身。