[论文解读] Random MAX SAT, Random MAX CUT, and Their Phase Transitions

Don Coppersmith, David Gamarnik+2 more|arXiv (Cornell University)|Jun 2, 2003

Constraint Satisfaction and Optimization参考文献 43被引用 46

一句话总结

本文分析了随机 MAX 2-SAT 和 MAX CUT 问题中的相变现象，表明在密度 c=1 时，可满足子句或割边的期望数量发生急剧变化，利用一阶矩方法、微分方程和核结构分析，推导出精确的渐近界。研究证明，当 c=1+ε 时，最优解可满足 (1+ε−Ω(ε³/lnε))n 个子句；在缩放窗口 c=1+Θ(n⁻¹ᐟ³) 下，未满足比例为 Θ(1)，与决策型 2-SAT 的可满足性阈值一致。

ABSTRACT

Given a 2-SAT formula $F$ consisting of $n$ variables and $\cn$ random clauses, what is the largest number of clauses $\max F$ satisfiable by a single assignment of the variables? We bound the answer away from the trivial bounds of $(3/4)cn$ and $cn$. We prove that for $c<1$, the expected number of clauses satisfiable is $\cn-Θ(1/n)$; for large $c$, it is $((3/4)c + Θ(\sqrt{c}))n$; for $c = 1+\eps$, it is at least $(1+\eps-O(\eps^3))n$ and at most $(1+\eps-Ω(\eps^3/\ln \eps))n$; and in the ``scaling window'' $c= 1+Θ(n^{-1/3})$, it is $cn-Θ(1)$. In particular, just as the decision problem undergoes a phase transition, our optimization problem also undergoes a phase transition at the same critical value $c=1$. Nearly all of our results are established without reference to the analogous propositions for decision 2-SAT, and as a byproduct we reproduce many of those results, including much of what is known about the 2-SAT scaling window. We consider ``online'' versions of MAX-2-SAT, and show that for one version, the obvious greedy algorithm is optimal. We can extend only our simplest MAX-2-SAT results to MAX-k-SAT, but we conjecture a ``MAX-k-SAT limiting function conjecture'' analogous to the folklore satisfiability threshold conjecture, but open even for $k=2$. Neither conjecture immediately implies the other, but it is natural to further conjecture a connection between them. Finally, for random MAXCUT (the size of a maximum cut in a sparse random graph) we prove analogous results.

研究动机与目标

• 理解在子句密度 c 变化时，随机 MAX 2-SAT 实例中最大可满足子公式的性质。
• 在 2-SAT 的优化版本中建立相变现象，与决策版本中已知的可满足性阈值相对应。
• 将分析扩展至稀疏随机图中的随机 MAX CUT，识别出在边密度 1/n 处存在类似的相变。
• 在亚临界、临界和超临界区域中，对未满足子句或未割边的期望数量提供紧密的渐近界。
• 探讨优化阈值与决策阈值之间的联系，并推测 MAX k-SAT 的极限函数。

提出的方法

• 使用一阶矩方法推导随机 MAX 2-SAT 中可满足子句期望数量的上界。
• 应用算法分析与微分方程方法，建立可满足比例的下界。
• 分析随机图的 2-核与核结构，以建模 MAX CUT 中的约束，特别关注边奇偶性与割违反情况。
• 采用基于熵的集中性论证，界定在缩放窗口内满足大量约束的概率。
• 考虑 MAX 2-SAT 的在线版本，并在某些模型下证明贪心算法的最优性。
• 将结果推广至 MAX k-SAT 和 MAX CSP，推测一个类似于可满足性阈值猜想的极限函数。

实验结果

研究问题

• RQ1 对于具有 n 个变量和 ⌊cn⌋ 个子句的随机 MAX 2-SAT 公式，其可满足子句的期望数量如何随 c 变化？
• RQ2 在 c=1 处的相变过程中，特别是缩放窗口 c=1+Θ(n⁻¹ᐟ³) 下，未满足子句的期望数量如何变化？
• RQ3 在随机 MAX CUT 中是否可观察到相同的相变行为？其临界边密度是多少？
• RQ4 MAX 2-SAT 的优化阈值与 2-SAT 的决策阈值之间是否存在联系？该联系能否形式化？
• RQ5 随机 MAX k-SAT 中最大可满足子公式大小的渐近行为如何？是否存在极限函数？

主要发现

• 当 c<1 时，随机 MAX 2-SAT 中可满足子句的期望数量为 ⌊cn⌋−Θ(1/n)，表明接近最优满足。
• 当 c 较大时，可满足子句的期望数量为 (3/4 c + Θ(√c))n，显示相对于随机赋值的次线性改进。
• 当 c=1+ε 且 ε>0 很小时，可满足子句的期望数量至少为 (1+ε−O(ε³))n，至多为 (1+ε−Ω(ε³/lnε))n，表明上下界之间差距极小。
• 在缩放窗口 c=1+λn⁻¹ᐟ³ 下，未满足子句的数量为 Θ(1)，确认了与 2-SAT 决策阈值类似的临界转变点。
• 对于随机 MAX CUT，相变发生在边密度 1/n 处，未割边数量在阈值两侧由 Θ(1) 变为 Θ(n)。
• 对随机图核结构的分析表明，至少存在一个常数比例的约束必须被违反，因此当 c=1+ε 时，未割边数量为 Θ(ε³n)。