[论文解读] Hard satisfiable formulas for DPLL-type algorithms

Sergey Nikolenko|ArXiv.org|Jan 15, 2003

Constraint Satisfaction and Optimization参考文献 9被引用 3

一句话总结

本文构造了显式定义的、可满足性可证明的 k-CNF 公式，迫使 DPLL 类算法——特别是 GUC 和随机化 GUC——表现出指数级运行时间。该构造利用结构上的不对称性，误导启发式选择机制，导致在找到满足赋值前产生指数级数量的递归调用，从而首次建立了在 DPLL 类算法使用这些启发式策略时，可满足实例的指数级下界。

ABSTRACT

We address lower bounds on the time complexity of algorithms solving the propositional satisfiability problem. Namely, we consider two DPLL-type algorithms, enhanced with the unit clause and pure literal heuristics. Exponential lower bounds for solving satisfiability on provably satisfiable formulas are proven.

研究动机与目标

• 通过证明 DPLL 类算法在可满足公式上的指数级下界，弥补文献中仅针对不可满足公式的研究空白。
• 构造显式且可证明可满足的公式，迫使 GUC 和随机化 GUC 算法进入指数级数量的递归调用。
• 证明即使在使用纯文字和单位文字启发式策略的情况下，DPLL 类算法仍可能被系统性地误导，导致在可满足实例上探索搜索树的极大区域。
• 将已知的不可满足公式下界扩展至可满足公式，表明困难性并非仅存在于矛盾检测任务中。

提出的方法

• 公式由一个来自先前工作的难解 k-CNF 公式 G 和一组强制对 M 个变量赋特定值的 3-子句构成的合取式构建而成。
• 该结构确保唯一满足赋值将所有 x₁,…,xₘ 设为真，而其余子句形成对称的 3-子句簇，若做出错误选择则会引发回溯。
• GUC 算法因偏好最短子句（即 3-子句）且初始无纯文字符号，而被误导进入错误子树。
• 对随机化 GUC 的分析采用概率方法：每一步从最短子句中随机选择一个文字，有微小但非零的概率选择正确路径。
• 分析计算出随机化 GUC 的成功概率为 (1/2) × (1/4)^{M/3} = (1/2) × 2^{-(2/3)M}，导致期望的尝试次数呈指数级增长。
• 时间复杂度下界为 poly(M) × 2^{(2c_{k-1}/(2+3c_{k-1}))N}，其中公式包含 N 个变量和 O(N²) 个子句，c_k = O(1/k^{1/8})。

实验结果

研究问题

• RQ1 能否在存在满足赋值的前提下，为 DPLL 类算法在可满足公式上建立指数级下界？
• RQ2 为何标准启发式策略如 GUC 和随机化 GUC 在某些结构化但可满足的公式上无法高效找到满足赋值？
• RQ3 公式的何种结构特性可系统性地误导 DPLL 类算法，导致即使存在解也进入指数级搜索？
• RQ4 能否构造出线性子句数量而非二次数量的此类难解可满足实例，以更真实地反映实际 SAT 公式的规模？

主要发现

• 本文构造了一类包含 N 个变量、最多 aN² 个子句的可满足 k-CNF 公式 F^k_N，使得随机化 GUC 算法至少需要 poly(N) × 2^{(2c_{k-1}/(2+3c_{k-1}))N} 步才能找到满足赋值。
• 当 k ≥ 4 时，下界在 N 上呈指数级增长，且指数部分依赖于 c_{k-1} = O(1/(k-1)^{1/8})，表明随着 k 增大，问题难度增加。
• 随机化 GUC 在所构造公式上的成功概率为 (1/2) × 2^{-(2/3)M}，随外层子句组中变量数 M 呈指数级衰减。
• GUC 算法因公式结构被系统性误导，反复选择 3-子句簇中的文字，而迟迟无法到达正确路径。
• 该公式设计为：若任一 x_i 被设为假，则子公式 G 将难以被否证，迫使算法在不可满足的子问题上耗费指数级时间。
• 结果首次为在 GUC 和随机化 GUC 启发式策略下，DPLL 类算法在可满足公式上的运行时间建立了已知的指数级下界，解决了关于此类难解实例是否存在这一开放性问题。