[论文解读] A Simple Model to Generate Hard Satisfiable Instances

Ke Xu, Fr ́ed ́eric Boussemart+2 more|arXiv (Cornell University)|Sep 12, 2005

Constraint Satisfaction and Optimization参考文献 19被引用 68

一句话总结

本文提出一种简单、参数化的模型（RB 和 RD），通过控制域大小和约束紧密度，生成随机、困难且可满足的约束满足问题（CSP）实例。研究表明，在相变阈值处的实例表现出指数级树解析复杂度，且关键的是，强制可满足实例——保证可满足——的难度与非强制实例相当，使其成为测试 SAT 和 CSP 求解器的理想基准。

ABSTRACT

In this paper, we try to further demonstrate that the models of random CSP instances proposed by [Xu and Li, 2000; 2003] are of theoretical and practical interest. Indeed, these models, called RB and RD, present several nice features. First, it is quite easy to generate random instances of any arity since no particular structure has to be integrated, or property enforced, in such instances. Then, the existence of an asymptotic phase transition can be guaranteed while applying a limited restriction on domain size and on constraint tightness. In that case, a threshold point can be precisely located and all instances have the guarantee to be hard at the threshold, i.e., to have an exponential tree-resolution complexity. Next, a formal analysis shows that it is possible to generate forced satisfiable instances whose hardness is similar to unforced satisfiable ones. This analysis is supported by some representative results taken from an intensive experimentation that we have carried out, using complete and incomplete search methods.

研究动机与目标

• 开发一种生成困难、可满足的 CSP 实例的方法，使其在理论上理解透彻且在实践中对基准测试具有实用性。
• 克服标准随机 CSP 模型的局限性，这些模型在问题规模增大时会因平凡的不可满足性而失效。
• 确保强制可满足实例（保证可满足）的难度与非强制实例相当，从而实现对不完整求解器的公平评估。
• 提供一种易于实现的模型，无需强制施加复杂的结构属性（如弧一致性或路径一致性）。
• 通过使用完整和不完整搜索方法的大量实验，验证生成实例的难度。

提出的方法

• RB 和 RD 模型通过控制两个关键参数（域大小（相对于变量数量）和约束紧密度）来生成随机 CSP 实例。
• 这些模型通过要求域大小 > n^(1/k) 且约束紧密度 ≤ (k−1)/k（对于 k 元约束）来确保渐近相变。
• 通过解析计算出一个临界阈值 p_cr，此时一半的实例是可满足的，且所有处于该阈值的实例均保证具有指数级树解析复杂度。
• 通过一种保持与非强制实例相同难度分布的构造方法，确保所有解被保留，从而生成强制可满足实例。
• 该方法使用直接编码将 CSP 实例转换为 SAT 实例，以用于 SAT 竞赛中的评估。
• 实验采用完整求解器（MAC 算法）和不完整求解器（禁忌搜索），并分析运行时间分布以检测重尾行为。

实验结果

研究问题

• RQ1 能否通过一种简单、参数化的模型生成困难、可满足的 CSP 实例，而无需强制施加复杂的结构约束？
• RQ2 RB 和 RD 模型中的相变是否导致在阈值处出现具有指数级树解析复杂度的实例？
• RQ3 使用该模型生成的强制可满足实例是否与非强制实例具有相同的难度，特别是在搜索代价方面？
• RQ4 完整求解器和不完整求解器在这些实例上是否均表现出搜索代价的类似指数增长？
• RQ5 能否通过大规模实验，使用多种求解器，实证确认这些实例的难度？

主要发现

• 在相变阈值 p_cr ≈ 0.41（k=2，α=0.8，r=1.5）处生成的实例表现出指数级树解析复杂度，证实了其理论上的困难性。
• 在 p_cr 处实例上，随机化 MAC 算法的运行时间分布未表现出重尾行为，表明其困难性源于问题本身，而非求解器特异性异常。
• 在阈值之上的非强制不可满足实例中，搜索代价随 n 呈指数增长，即使随着约束紧密度增加，指数值也会减小。
• 强制实例与非强制实例在完整求解器（MAC）和不完整求解器（禁忌搜索）中表现出相当的搜索代价，表明其难度相当。
• 在 SAT 竞赛 2004 中，50% 的求解器解决了 n=40 的实例（d=19，m=410），但仅有 1 个求解器解决了 n=50 的实例（d=23，m=544），证实了难度的指数级增长。
• 该模型成功生成了困难、可满足的实例，这些实例易于生成，且适用于现代 SAT 和 CSP 求解器的评估。