首页/论文/1102.4924

arXiv 1102.49242011-02-24cs.AI

# XSAT的新最差情况上限

New Worst-Case Upper Bound for #XSAT

Northeast Normal University（东北师范大学）

Junping Zhou, Minghao Yin

备注：: submitted to AAAI-10

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

给出了一个O（1.1995n）的精确可满足性公式（#XSAT）模型计数算法。这比以前运行在O（1.2190n）的最佳算法更快。为了提高算法的效率，提出了一个新的原则，即共同文字原则，以简化公式。这使我们能够消除更常见的文字。此外，我们首次将归结原理引入到#XSAT问题的求解中，从而进一步提高了算法的效率。

英文摘要：

An algorithm running in O(1.1995n) is presented for counting models for exact satisfiability formulae(#XSAT). This is faster than the previously best algorithm which runs in O(1.2190n). In order to improve the efficiency of the algorithm, a new principle, i.e. the common literals principle, is addressed to simplify formulae. This allows us to eliminate more common literals. In addition, we firstly inject the resolution principles into solving #XSAT problem, and therefore this further improves the efficiency of the algorithm.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

（1，2）- QSAT的最差情况上限

Worst-Case Upper Bound for (1, 2)-QSAT

Northeast Normal University（东北师范大学）

文献中已经提出了针对QSAT的一个子类（1，2）-QSAT的算法的严格理论分析。（1，2）-QSAT，在SAT'08中首次引入，可以被视为量化的扩展2-CNF公式。到目前为止，在我们的知识，有没有算法提出的最坏的上限（1，2）-QSAT。因此本文提出了一种求解（1，2）-QSAT的精确算法。通过对算法的分析，我们得到了最坏情况下的上界O（1.4142m），其中m是子句数。

2011-03-26cs.AIcs.CC

X3SAT的新最差情况上限

New Worst-Case Upper Bound for X3SAT

Northeast Normal University（东北师范大学）

文献中提出了精确3-可满足性（X3 SAT）算法的严格理论分析。如我们所知，以前的算法求解X3 SAT已经分析了仅关于变量的数量作为参数。然而，求解X3 SAT实例的时间复杂度不仅取决于变量的数量，还取决于子句的数量。因此，从另一个角度，即子句的数量，来利用时间复杂度是有意义的。在本文中，我们提出的算法，解决X3 SAT严格的复杂性分析，使用条款的数量作为参数。通过对算法的分析，我们得到了新的最坏情况上界O（1.15855m），其中m是子句数。

2011-03-26cs.AIcs.CC

# SAT的新最差上限

New worst upper bound for #SAT

College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院）；College of Computer, Northeast Normal University（东北师范大学计算机学院）

文献中已经提出了对#SAT算法的严格理论分析。如我们所知，以前求解#SAT的算法仅将变量的数量作为参数进行了分析。然而，求解#SAT实例的时间复杂度不仅取决于变量的数量，还取决于子句的数量。因此，从另一个角度，即子句的数量，来利用时间复杂度是有意义的。在本文中，我们提出了算法求解#2-SAT和#3-SAT严格的复杂性分析，使用条款的数量作为参数。通过对算法的分析，我们得到了新的最坏情况上界：2-SAT为O（1.1892m），3-SAT为O（1.4142m），其中m为子句数。

2010-06-08cs.AIcs.CC

对抗训练用于最坏设施损失下的鲁棒覆盖网络

Adversarial Training for Robust Coverage Network under Worst-case Facility Losses

State Key Laboratory of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology（自主智能无人系统国家重点实验室，北京理工大学）；School of AI, Beijing Institute of Technology（北京理工大学人工智能学院）

针对最大覆盖选址-阻断问题，提出基于对抗学习的双智能体深度强化学习框架，实现高效求解与鲁棒决策。

2026-05-26cs.AIcs.LG

关于确定N个变量间所有因果关系的充分和最坏情况下所需的试验次数

On the Number of Experiments Sufficient and in the Worst Case Necessary to Identify All Causal Relations Among N Variables

Carnegie Mellon University（卡内基梅隆大学）

我们表明，如果任何数量的变量被允许在任何一个实验中同时和独立随机化，log 2（N）+1实验是足够的，在最坏的情况下，必要的，以确定N >= 2个变量之间的因果关系时，没有潜变量，没有样本选择偏差，没有反馈周期。对于所有K，0 < K < 1/（2N），我们提供了当每个实验同时随机化K个变量时确定因果结构所需的实验数量的上限。对于较大的N，这些界限显着低于N - 1界限时，每个实验随机化最多一个变量所需的。当kmax < N/2时，我们证明了（N/kmax-1）+N/（2kmax）log 2（kmax）实验是充分的，在最坏情况下是必要的。我们在猜想的最小数量的实验，在最坏的情况下，足以确定所有的因果关系N个观察到的变量是一个DAG的顶点的子集。

2012-07-04cs.AIstat.ME

贪婪概率规则集及其子类的最坏情况最优查询搜索

Worst-case Optimal Query Answering for Greedy Sets of Existential Rules and Their Subclasses

TU Dresden（德累斯顿工业大学）；Inria（法国国家信息与自动化研究所）；University Montpellier 2（蒙彼利埃第二大学）

在数据库和知识表示领域都已经认识到，需要在数据之上建立一个本体层，并与能够利用本体中编码的语义的高级推理机制相关联。本文主要研究本体查询应答问题，即在查询数据的同时考虑本体知识。更具体地说，我们建立了存在性规则类（也称为元组生成依赖关系，数据库+/-规则或forall-exists-rules）的合取查询蕴涵问题的复杂性。我们的贡献是双重的。首先，我们介绍了一类贪婪有界树宽集（gbts）的规则，其中包括保护规则，和他们最有名的推广。我们提供了一个通用的算法，查询蕴涵在gbts下，这是最坏情况下的最优组合复杂度有界谓词arity或没有，以及数据复杂度和查询复杂度。其次，我们分类几个gbts类，其复杂性是未知的，相对于组合复杂性（与无界和有界谓词arity）和数据复杂性，以获得一个全面的图片的复杂性的存在规则片段，是基于不同的guardedness概念。上界显示，所提出的算法是最佳的所有这些。

2014-12-15cs.AIcs.DB

更多相关论文收起更多论文

挑战遗忘：揭示机器遗忘中的最坏情况遗忘集

Challenging Forgets: Unveiling the Worst-Case Forget Sets in Machine Unlearning

Michigan State University（密歇根州立大学）；University of Michigan（密歇根大学）；MIT-IBM Watson AI Lab, IBM Research（麻省理工学院-IBM沃森人工智能实验室，IBM研究院）

该研究从对抗视角提出机器遗忘的新评估框架，通过双层优化定位最坏情况遗忘集，在多数据集与多模型上的实验揭示了现有遗忘策略的优缺点，为更鲁棒的遗忘算法研发提供指引。

2024-07-09cs.AIcs.CVcs.LG

具有独立偏好的指派问题的平均情形分析

Average-case Analysis of the Assignment Problem with Independent Preferences

University of Pennsylvania（宾夕法尼亚大学）；University of Southampton（南安普顿大学）

基本的分配问题是在寻找福利最大化的机制，分配项目的代理人时，私人偏好不可分割的项目是由自利代理。主流机制\textit{Random Priority}是渐进的最佳机制，为此目的，当比较其福利的最佳社会福利使用规范\textit{worst-case approximation ratio}。尽管它很受欢迎，但由最坏情况比率表示的效率损失并没有恒定的界限。最近，[Deng，Gao，Zhang 2017]表明，当代理人的偏好来自均匀分布时，其\textit{average-case approximation ratio}的上限为3.718。他们留下了一个悬而未决的问题，即恒定的比率是否适用于一般情况。在本文中，我们提供了一个肯定的答案，这个问题表明，该比率是有界的$1/μ$时，偏好值是独立和同分布的随机变量，其中$μ$是值分布的期望。这个上限也改进了[Deng，Gao，Zhang 2017]中均匀分布的上限3.718。此外，在温和的条件下，该比率对任何独立的随机值都有一个\textit{constant}界。在获得这些结果的过程中，我们开发了强大的工具来展示在大多数情况下效率损失很小的见解。

2019-06-01cs.AIcs.GTcs.MA

有限VC类递归教学维数的二次上界

Quadratic Upper Bound for Recursive Teaching Dimension of Finite VC Classes

Tsinghua University（清华大学）；Peking University（北京大学）

本文研究了有限规模概念类的递归教学维数（RTD）与VC维数（VCD）之间的定量关系。概念类$\mathcal C \subseteq \{0, 1\}^n$的RTD由Zilles等人（2011）提出，是一种组合复杂性度量，其特征在于根据递归教学模型识别$\mathcal C$中的概念所需的最坏情况示例数。对于任何具有$\mathrm{VCD}(\mathcal C)=d$的有限概念类$\mathcal C \subseteq \{0,1\}^n$，Simon & Zilles（2015）提出了一个开放问题$\mathrm{RTD}(\mathcal C) = O(d)$，即，RTD的上界是由VCD决定的吗？以前，最著名的结果是Chen等人（2016）的指数上限$\mathrm{RTD}(\mathcal C) = O(d \cdot 2^d)$。在本文中，我们展示了一个二次上限：$\mathrm{RTD}(\mathcal C) = O(d^2)$，更接近于一个开放的问题的答案。我们还讨论了充分解决问题的挑战。

2017-02-18cs.AIcs.LGstat.ML

通过对抗蒸馏提升认证鲁棒性

Improving Certified Robustness via Adversarial Distillation

School of EEECS Queen’s University Belfast（贝尔法斯特女王大学电子、电气工程与计算机科学学院）

提出AD-CERT方法，结合对抗蒸馏与区间传播上界进行认证训练，在多个鲁棒性基准上取得最优认证性能，并证明logit级蒸馏优于特征空间蒸馏。

2026-10-12cs.AIcs.LG

任意阶非凸优化的最坏情况评估复杂度界限

Sharp worst-case evaluation complexity bounds for arbitrary-order nonconvex optimization with inexpensive constraints

Mathematical Institute, Oxford University（牛津大学数学研究所）；Computational Mathematics Group, STFC-Rutherford Appleton Laboratory（STFC-拉瑟福德苹果顿实验室计算数学组）；Namur Center for Complex Systems (naXys), University of Namur（纳慕尔复杂系统中心（naXys），纳慕尔大学）

本文研究了具有低成本约束的任意阶非凸优化问题的最坏情况评估复杂度界限，提出了一种概念性正则化算法，能够在给定精度和最优阶数的情况下，以O(ε^(- (p+1)/(p-q+1)))的次数评估目标函数及其导数，计算出合适的q阶近似极小值点。

2018-11-03cs.AIcs.CCcs.NA

局部极小极大最优最佳臂识别的广义Neyman分配

Generalized Neyman Allocation for Locally Minimax Optimal Best-Arm Identification

Graduate School of Arts and Sciences, The University of Tokyo（东京大学文学部学院）；Data Analytics Department, Mizuho–DL Financial Technology, Co., Ltd.（瑞穗数字金融科技有限公司数据分析部）

提出渐近局部极小极大最优的广义Neyman分配算法，在小差距体制下实现紧致的误识别上下界，解决BAI与处理选择的开放问题。

2025-02-02cs.AIcs.LGecon.EM

重新审视基于搜索的复杂性分析：新的计算技术和改进的边界

Revisiting the Complexity Analysis of Conflict-Based Search: New Computational Techniques and Improved Bounds

Technion–Israel Institute of Technology（以色列理工学院）

多智能体路径查找（MAPF）问题要求在给定的环境中为一组智能体找到一组无冲突的路径。可以说，计算最优解的最先进方法是基于搜索的搜索（CBS）。在这项工作中，我们重新审视CBS的复杂性分析，在最坏的情况下，算法的运行时间提供更严格的界限。我们的分析铺平了道路，以更好地查明参数，治理（在最坏的情况下）的算法的计算复杂性。我们的分析是基于两种互补的方法：在第一种方法中，我们绑定的运行时使用的多值决策图（MDD）的大小-一个分层的图，其中包含所有可能的单代理路径之间的两个给定的顶点为一个特定的路径长度。在第二种方法中，我们表示的运行时间由一个新的递归关系的边界算法的复杂性。我们使用基于生成函数的分析，以紧密结合的递归。使用这些技术，我们提供了几个新的上限CBS的复杂性。结果使我们能够改善现有的约束CBS的运行时间在许多情况下。例如，在一组常见的基准测试中，我们将上限至少提高了$2^{10^{7}}$。

2021-04-18cs.AIcs.CCcs.MA