[论文解读] Complexity of Weighted First-Order Model Counting in the Two-Variable Fragment with Counting Quantifiers: A Bound to Beat

Jan Tóth, Ondřej Kuželka|arXiv (Cornell University)|Apr 19, 2024

Scientific Computing and Data ManagementDecision Sciences被引用 3

一句话总结

本文通过将计数量词参数的指数依赖关系降低至二次方，显著提升了带权一阶模型计数（WFOMC）在含计数量词的二元逻辑片段（C²）中的时间复杂度界限，实现了超指数级的速度提升。新方法通过一种新颖的编码方式重构WFOMC计算过程，显著收紧了多项式次数的上界，为领域可提升的逻辑推理设定了新的效率基准。

ABSTRACT

We study the time complexity of the weighted first-order model counting (WFOMC) over the logical language with two variables and counting quantifiers. The problem is known to be solvable in time polynomial in the domain size. However, the degree of the polynomial, which turns out to be relatively high for most practical applications, has never been properly addressed. First, we formulate a time complexity bound for the existing techniques for solving WFOMC with counting quantifiers. The bound is already known to be a polynomial with its degree depending on the number of cells of the input formula. We observe that the number of cells depends, in turn, exponentially on the parameter of the counting quantifiers appearing in the formula. Second, we propose a new approach to dealing with counting quantifiers, reducing the exponential dependency to a quadratic one, therefore obtaining a tighter upper bound. It remains an open question whether the dependency of the polynomial degree on the counting quantifiers can be reduced further, thus making our new bound a bound to beat.

研究动机与目标

• 分析并形式化现有WFOMC技术在含计数量词的C²片段中的时间复杂度。
• 识别出模型计数中关于领域大小的多项式次数会随计数量词参数k呈指数级增长，从而限制了实际效率。
• 提出一种新算法方法，将对k的依赖关系从指数级降低至二次方，从而收紧时间复杂度的上界。
• 建立一个更高效的时间复杂度上界，作为未来C²上WFOMC研究的‘需超越的基准’。
• 通过在C²公式及其扩展上的运行时间测量，实证验证理论上的改进效果。

提出的方法

• 推导现有C²中WFOMC算法的时间复杂度上界，表明多项式次数随计数量词参数k呈指数增长。
• 提出一种新型编码技术，通过基于量词结构与变量共享关系对子公式进行分组与预计算，重构WFOMC计算流程。
• 引入C²公式的规范形式，以隔离计数量词的依赖关系，并支持对模型计数的高效聚合。
• 在对Herbrand基的精细化划分上应用动态规划，利用对称性与变量等价性，减少冗余计算。
• 将新编码技术集成至WFOMC流水线中，取代先前方法中使用的标准分解方式。
• 通过位复杂度分析确认，即使在处理大权重时，新方法仍保持多项式复杂度，从而维持领域可提升性。

(a) $3$ -regular

实验结果

研究问题

• RQ1 现有WFOMC算法在含计数量词的C²中的时间复杂度关于领域大小的多项式次数的确切次数是多少？
• RQ2 能否将对计数量词参数k的指数依赖关系降低至更低阶的多项式？
• RQ3 所提出的编码方法是否能在实际WFOMC计算中带来可测量的性能提升？
• RQ4 新提出的时间复杂度上界是否足够紧致，足以作为未来研究的有意义基准？
• RQ5 该方法是否可扩展至一阶逻辑的其他领域可提升片段？

主要发现

• 现有C²中WFOMC算法的时间复杂度中，关于领域大小的多项式次数随计数量词参数k呈指数增长。
• 所提方法将对k的依赖关系从指数级降低至二次方，从而在k上实现超指数级速度提升。
• 在C²公式及其扩展上的运行时间测量结果表明，性能提升显著，尤其在k值较高的公式中更为明显。
• 新上界比此前已知的C²中WFOMC上界更为紧致，确立了新的效率标准。
• 该方法保持了领域可提升性，因为位复杂度仍为多项式，确保在大权重下仍具可扩展性。
• 新时间复杂度上界现为目前最优的已知上界，作者将其定位为未来研究需‘超越的基准’。

(b) $4$ -regular