[论文解读] Symbiosis of Search and Heuristics for Random 3-SAT

Sid Mijnders, Boris de Wilde+1 more|arXiv (Cornell University)|Feb 18, 2014

Constraint Satisfaction and Optimization参考文献 9被引用 18

一句话总结

本文提出一种共生方法，结合一种新型递归权重启发式方法与一种新的差异搜索变体ALDS，显著减少了随机3-SAT实例在前瞻SAT求解器中的搜索树规模。递归权重启发式方法通过推广先前的前瞻启发式方法，改进了决策过程；而ALDS则通过优化遍历顺序，几乎达到最优性能，从而使march求解器在SAT 2009竞赛中对随机k-SAT公式的表现优于所有其他求解器。

ABSTRACT

When combined properly, search techniques can reveal the full potential of sophisticated branching heuristics. We demonstrate this observation on the well-known class of random 3-SAT formulae. First, a new branching heuristic is presented, which generalizes existing work on this class. Much smaller search trees can be constructed by using this heuristic. Second, we introduce a variant of discrepancy search, called ALDS. Theoretical and practical evidence support that ALDS traverses the search tree in a near-optimal order when combined with the new heuristic. Both techniques, search and heuristic, have been implemented in the look-ahead solver march. The SAT 2009 competition results show that march is by far the strongest complete solver on random k-SAT formulae.

研究动机与目标

• 通过改进决策与方向启发式方法，提升完整SAT求解器在随机3-SAT实例上的性能。
• 通过一种推广现有前瞻技术的更有效分支启发式方法，减少搜索树的规模。
• 开发一种差异搜索变体，使其在具有解分布偏倚的条件下，以接近最优的顺序遍历搜索树。
• 通过实证与理论分析，证明新启发式与ALDS之间的协同效应可带来更优越的求解器性能。

提出的方法

• 提出一种递归权重启发式方法 $ w_3^ imes $，通过基于子句结构和单位传播效应递归评估变量权重，推广了先前的前瞻启发式方法。
• 引入ALDS（高级有限差异搜索），一种ILDS与DDS的混合体，旨在以接近最优的顺序遍历具有偏置解分布的搜索树。
• 将递归权重启发式作为方向启发式，ALDS作为搜索策略，集成到前瞻求解器march中。
• 在每个节点使用单位传播来减小公式规模，与DPLL框架保持一致。
• 使用单个目标节点的理论模型分析搜索顺序效率，并将其扩展至具有多个解的真实实例。
• 采用贪婪搜索策略作为最优性能的代理，用于比较ALDS在真实数据集上与近似最优遍历的性能。

实验结果

研究问题

• RQ1 一种广义的递归权重启发式方法是否能显著减少前瞻SAT求解器在随机3-SAT实例中的搜索树规模？
• RQ2 当与有效启发式方法结合时，ALDS作为新的差异搜索变体，是否能实现接近最优的搜索树遍历顺序？
• RQ3 新启发式与ALDS之间的协同效应在随机3-SAT实例上，相较于现有搜索与启发式策略，表现如何？
• RQ4 由改进启发式带来的解分布偏倚，在多大程度上增强了差异搜索的有效性？

主要发现

• 尽管计算成本更高，递归权重启发式方法 $ w_3^ imes $ 在随机3-SAT实例上产生的搜索树显著小于其他启发式方法。
• 在真实3-SAT实例上，ALDS将找到解前探索的搜索空间期望比例（$ E_{\text{goal}}^*(12) $）降低至0.036114，优于DFS（0.148317）和ILDS（0.042362）。
• 理论分析表明，ALDS的性能与最优搜索顺序仅相差极小，其在深度为12的模型树上的差异仅为0.006904。
• 在包含20,146个随机3-SAT实例（350个变量，1,491个子句）的数据集上，march求解器结合新方法在SAT 2009竞赛中比所有其他求解器更快解决了大多数问题。
• 由数据子集构建的贪婪搜索策略未能泛化，在剩余测试集上的表现劣于ALDS，表明ALDS对数据分布偏移具有鲁棒性。
• 递归权重启发式与ALDS的结合实现了接近最优的遍历顺序，这一结论得到了理论建模与真实世界实例的实证评估的双重支持。