[论文解读] New worst upper bound for #SAT

Junping Zhou, Minghao Yin+1 more|arXiv (Cornell University)|Jun 8, 2010

Constraint Satisfaction and Optimization参考文献 10被引用 3

一句话总结

本文通过基于子句数量而非仅变量数量的时间复杂度分析，提出了 #SAT 的新最坏情况上界。对于 #2-SAT 和 #3-SAT，作者分别实现了 O(1.1892^m) 和 O(1.4142^m) 的上界，其中 m 为子句数量，相较于以往仅基于变量的分析，提供了更紧致的理论界。

ABSTRACT

The rigorous theoretical analyses of algorithms for #SAT have been proposed in the literature. As we know, previous algorithms for solving #SAT have been analyzed only regarding the number of variables as the parameter. However, the time complexity for solving #SAT instances depends not only on the number of variables, but also on the number of clauses. Therefore, it is significant to exploit the time complexity from the other point of view, i.e. the number of clauses. In this paper, we present algorithms for solving #2-SAT and #3-SAT with rigorous complexity analyses using the number of clauses as the parameter. By analyzing the algorithms, we obtain the new worst-case upper bounds O(1.1892m) for #2-SAT and O(1.4142m) for #3-SAT, where m is the number of clauses.

研究动机与目标

• 解决以往 #SAT 算法仅基于变量数量分析复杂度的局限性。
• 从子句数量 m 作为关键参数的视角，探讨 #SAT 的时间复杂度。
• 设计并严格分析以 m 为主要复杂度参数的 #2-SAT 和 #3-SAT 算法。
• 通过在理论分析中引入子句数量，建立 #SAT 的更紧致最坏情况上界。

提出的方法

• 设计针对 #2-SAT 和 #3-SAT 的专用算法，以利用子句的结构特性。
• 基于子句数量 m 而非变量数量来分析算法行为。
• 应用递归与情况分析，在每一步减少问题规模，并追踪子句数量。
• 使用子句数量作为度量，以限制搜索树的大小并推导指数时间界。
• 应用基于子句的分支规则的有界搜索树方法，以控制增长。
• 基于子句减少建立递推关系，推导最终的上界。

实验结果

研究问题

• RQ1 当以子句数量衡量时，#2-SAT 的最坏情况时间复杂度是多少？
• RQ2 当以子句数量衡量时，#3-SAT 的最坏情况时间复杂度是多少？
• RQ3 若使用子句数量作为复杂度参数而非变量数量，能否获得更紧致的 #SAT 理论上界？
• RQ4 基于子句的分支策略如何影响 #SAT 算法中的指数因子？

主要发现

• 本文为 #2-SAT 建立了新的最坏情况上界 O(1.1892^m)，其中 m 为子句数量。
• 对于 #3-SAT，本文推导出新的最坏情况上界 O(1.4142^m)，显著优于以往基于变量的上界。
• 分析将复杂度参数从变量数量转变为子句数量，提供了新的理论视角。
• 结果表明，子句数量是理论分析中界定 #SAT 复杂度的有意义且有效的参数。