[论文解读] Random CNFs are Hard for Cutting Planes.

Noah Fleming, Denis Pankratov+2 more|arXiv (Cornell University)|Jan 1, 2017

Bayesian Modeling and Causal Inference被引用 2

一句话总结

本文证明了当变量数量的对数为k时，Cutting Planes证明系统在随机k-SAT公式中证明不可满足性需要指数级大小的反驳。该结果在公式几乎必然不可满足的参数范围内，确立了Cutting Planes的平均情况困难性，支持了Feige的假设，并凸显了该证明系统在随机实例上的局限性。

ABSTRACT

The random k-SAT model is the most important and well-studied distribution over k-SAT instances. It is closely connected to statistical physics; it is used as a testbench for satisfiability algorithms, and average-case hardness over this distribution has also been linked to hardness of approximation via Feige's hypothesis. We prove that any Cutting Planes refutation for random k-SAT requires exponential size, for k that is logarithmic in the number of variables, in the (interesting) regime where the number of clauses guarantees that the formula is unsatisfiable with high probability.

研究动机与目标

• 建立Cutting Planes在随机k-SAT实例上的证明复杂度，特别是不可满足参数范围内的表现。
• 研究那些几乎必然不可满足的随机k-SAT公式是否对Cutting Planes证明系统具有困难性。
• 通过展示标准证明系统在平均情况下的困难性，为Feige的假设提供证据。
• 分析当k取对数规模时，随机k-SAT模型中Cutting Planes反驳的大小。

提出的方法

• 分析不可满足参数范围内随机k-SAT公式的结构，其中子句数量确保了高概率的不可满足性。
• 应用证明复杂性与概率组合学的技术，以界定Cutting Planes反驳的大小。
• 使用随机限制方法并分析线性不等式，以证明不存在短反驳。
• 通过分析在随机子句分布下证明空间的增长，确立任何Cutting Planes反驳都必须具有指数级大小。
• 利用随机k-SAT与统计物理之间已知的联系，以指导参数范围的选择。

实验结果

研究问题

• RQ1 Cutting Planes能否高效反驳那些几乎必然不可满足的随机k-SAT公式？
• RQ2 当k随变量数量对数增长时，随机k-SAT的最小Cutting Planes反驳大小是多少？
• RQ3 随机k-SAT模型是否如Feige假设所预测的那样，对Cutting Planes表现出平均情况困难性？
• RQ4 子句数量如何影响随机k-SAT中短Cutting Planes证明的存在性？

主要发现

• 当k为变量数量的对数时，随机k-SAT公式的Cutting Planes反驳需要指数级大小。
• 该结果在子句数量确保公式几乎必然不可满足的参数范围内成立。
• 该结果为随机k-SAT在Cutting Planes证明系统下的平均情况困难性提供了强有力证据。
• 研究结果通过表明随机k-SAT实例在平均情况下对标准证明系统具有困难性，支持了Feige的假设。