An early sign of satisfiability
本文考虑命题子句集(SAT实例)的可满足性检查。结果表明,在求解SAT问题的过程中,子句的“单极集”(不包含肯定子句或否定子句)在所有子句满足之前提供了SAT实例可满足性的“早期信号”.在这个符号处,处理可以通过“单极集合终止”来终止,因此在它通常由SAT求解器完成之前UST(表1)。对SAT竞赛中使用的基准SAT实例的分析表明,UST可以加快解决源于许多现实问题的SAT实例。UST的效率随着被检查的SAT集合的“偏度”而增加,该偏度是集合中否定和非否定文字的概率之间的差异。许多现实世界的问题,由于它们的语义,是扭曲的(表2)。UST的效率可以通过揭示SAT集合的“隐藏偏度”来提高(表3)。
2016-12-15 cs.LO
A Non-CDCL SAT Solver with Early Conflict Detection: The Watched-Literal-Based CSFLOC Solver
Eszterh\'azy K\'aroly Catholic University Eger, Hungary
该研究提出基于监视文字的非-CDCL SAT求解器CSFLOC-WL3,通过早期冲突检测替换原CSFLOC的瓶颈搜索,实验显示其在近阈值随机3-SAT实例上优于对比求解器。
2026-08-26 cs.LO
ADCL: Acceleration Driven Clause Learning for Constrained Horn Clauses
本文提出加速驱动子句学习(ADCL)演算,利用循环加速避免递归 CHCs 在归结证明中的重复推导,从而缩短证明,并在 LoAT 中实现后与现有工具实证比较。
2023-07-14 cs.LO
Proving Non-Termination by Acceleration Driven Clause Learning (Short WST Version)
本研究将原本用于约束霍恩子句可满足性分析的加速驱动子句学习(ADCL)演算适配至转移系统非终止性证明场景,在工具LoAT中实现并与前沿方法开展对比评估。
2023-07-19 cs.LO
Conflict-Driven XOR-Clause Learning (extended version)
现代冲突驱动子句学习(CDCL)SAT求解器在求解合取范式(CNF)公式方面非常出色。然而,一些应用问题涉及大量的奇偶校验(XOR)约束,如果转换为CNF,不一定有效地处理。本文研究了在DPLL(XOR)框架下求解含XOR子句的CNF公式,其中CDCL SAT求解器与单独的XOR推理模块相耦合。新技术的开发,用于分析XOR推理推导,允许一个获得较小的CNF子句的XOR隐含文字的解释,也派生和学习新的XOR子句。它被证明,这些新技术允许非常短的不可满足性证明的一些公式,其CNF翻译没有多项式大小的分辨率证明,即使是一个非常简单的异或推理模块,只能单位传播。一组具有挑战性的逻辑密码分析实例的效率进行评估所提出的技术。
2014-07-24 cs.LO
Exploiting Isomorphic Subgraphs in SAT (Long version)
虽然静态对称破缺在SAT社区已经探索了几十年,但直到2010年,研究才集中在动态地利用相同的对称性,在SAT求解器运行期间,通过学习额外的子句。这两种方法是不同的,不兼容。前者修剪解决方案,而后者不修剪-它只修剪没有解决方案的搜索区域,如标准冲突条款。然而,这两种方法都需要我们称之为\emph{full symmetry}的东西,即文字之间的命题一致的映射$σ$,使得$σ(φ) \equiv φ$,其中$\equiv$表示句法等价模子句排序和子句内的文字排序。在这篇文章中,我们表明,这样的完全对称性是不是一个必要条件,增加额外的条款:同构之间的可能重叠的子图的着色关联图是充分的。虽然找到这样的子图是一个计算困难的问题,但在许多情况下,通过分析CNF所源自的问题的高级结构,可以检测到它们。我们证明了这一原则与几个著名的问题,包括范德瓦尔登数,有界模型检验和布尔毕达哥拉斯三元组。
2021-08-12 cs.LO
Complete Trigger Selection in Satisfiability modulo first-order Theories
本文证明在SMT求解器中,当触发器函数与文字选择函数一致时,量词实例化对饱和子句集是完备的,并给出停机条件及Horn或2SAT情形的多项式时间求解。
2023-06-21 cs.LO
Proving Non-Termination by Acceleration Driven Clause Learning
本文将加速驱动子句学习(ADCL)适配到迁移系统,提出 ADCL-NT 变体用于证明程序非终止性,并在 LoAT 工具中实现和评估。
2023-07-07 cs.LO
Disjoint Projected Enumeration for SAT and SMT without Blocking Clauses
University of Trento(特伦托大学);University of Freiburg(弗赖堡大学)
本文提出两种新型求解器,结合CDCL与时间顺序回溯,实现高效且不相交的枚举。通过改进的implicant shrinking算法减少部分赋值数量,提升搜索效率,并在投影枚举和SMT推理中表现优异。
2024-11-21 cs.LO
Core First Unit Propagation
自CDCL求解器开发以来,单位传播(也称为布尔约束传播)一直是每个现代CDCL SAT求解器的重要组成部分。一般来说,单元传播是通过在线性观察列表上顺序扫描每个子句来实现的。本文提出了一种新的单元传播技术,称为核心优先单元传播。其主要思想是在单元传播过程中优先选择核心子句而不是非核心子句,试图生成更短的学习子句。这里,核心子句被定义为文字块距离小于或等于7的子句。实证结果表明,核心第一单元传播提高了2018年SAT竞赛的获胜者MapleLCMDistChronoBT的性能。
2019-07-02 cs.LO
Learned Clause Minimization in Parallel SAT Solvers
学习子句最小化(LCM)可以提高现代SAT求解器的性能,特别是在解决困难SAT实例。尽管LCM方法在顺序求解器中取得了成功,但它们并没有广泛地应用于并行SAT求解器中。在本文中,我们探讨了潜在的LCM并行SAT求解器定义多个LCM方法的基础上,子句vivification,比较它们在不同的SAT求解器的运行时间,并讨论性能的收益和损失的原因。结果表明,LCM只提高性能的并行SAT求解器的SAT实例的一小部分。更常见的是,应用LCM会降低性能。只有某些LCM方法能够提高并行SAT求解器的整体性能。
2019-08-05 cs.DS cs.LO
Conflict Resolution: a First-Order Resolution Calculus with Decision Literals and Conflict-Driven Clause Learning
本文定义了(一阶)冲突解决演算:现代SAT求解器中使用的技术启发的决议演算的扩展。决议推理被限制为(一阶)单位传播和演算扩展的机制,假设决策文字和一个新的推理规则的子句学习,这是一个一阶推广的命题冲突驱动的子句学习(CDCL)过程。微积分是可靠的(因为它可以被自然演绎模拟)和反驳完备的(因为它可以模拟归结),这些事实在这里得到了详细的证明。
2016-02-15 cs.LO
Clause Vivification by Unit Propagation in CDCL SAT Solvers
Huazhong University of Science and Technology(华中科技大学);University of Picardie Jules Verne(皮卡第儒勒·凡尔纳大学);Artificial Intelligence Research Institute (IIIA), Spanish Scientific Research Council (CSIC)(西班牙高等科学研究委员会人工智能研究所(IIIA))
原始和学习的条款,在语句驱动的子句学习(CDCL)SAT求解器往往包含冗余的文字。这可能会对性能产生负面影响,因为冗余文字可能会降低布尔约束传播的有效性和后续学习子句的质量。为了克服这个缺点,我们提出了一个子句活化方法,通过应用单位传播消除冗余的文字。在SAT求解器触发一些选定的重新启动之前,激活所提出的子句活化,并且仅影响原始子句和学习子句的子集,根据文字块距离(LBD)等度量,这些子句被认为是更相关的。此外,我们进行了实证调查的实例来自最近的SAT比赛的硬组合和应用类别。结果表明,显着数量的额外的情况下,解决了所提出的方法被纳入五个最好的表现CDCL SAT求解器(葡萄糖,TC_葡萄糖,COMiniSatPS,MapleCOMSPS和MapleCOMSPS_LRB)。更重要的是,实证研究包括对小句活化的有效性的深入分析。值得一提的是,这里描述的SAT求解器之一在2017年SAT竞赛的主赛道中排名第一,这要归功于引入了拟议的子句vivification。该求解器在本文中得到了进一步的改进,并在2018年SAT竞赛的主赛道上获得铜牌。
2018-07-29 cs.AI cs.LO
Incrementally Computing Minimal Unsatisfiable Cores of QBFs via a Clause Group Solver API
我们考虑QBF的最小不可满足核(MUC)的增量计算。为此,我们为增量QBF求解器DepQBF配备了一个新的API,以允许基于子句组的增量求解。子句组是一组子句,这些子句被递增地添加到先前求解的QBF中或从先前求解的QBF中移除。我们的新API的实现与基于选择器变量和假设的增量SAT求解有关。然而,API完全隐藏了用户的选择器变量和假设,这有利于DepQBF在其他工具中的集成。我们目前的实施细节,并首次报告相关的实验使用DepQBF的新条款组API的QBF的MUCs的计算。
2015-07-23 cs.LO
Extended Resolution Clause Learning via Dual Implication Points
University of California, San Diego(加州大学圣地亚哥分校);Lorica Cybersecurity(洛里卡网络安全);Georgia Institute of Technology(佐治亚理工学院);Universitat Politècnica de Catalunya(加泰罗尼亚理工大学)
提出一种基于双蕴含点(DIP)动态引入新变量的扩展归结子句学习(ERCL)算法,并集成到CDCL求解器中,实验表明在Tseitin和XORified公式上优于多个领先求解器。
2026-05-22 cs.LO
Compact SAT Encoding for Power Peak Minimization
Faculty of Information Technology, VNU University of Engineering and Technology(信息技术学院,越南国立大学工程技术大学)
本文提出了一种紧凑的SAT编码方法,用于解决SALBP-3PM问题,通过减少子句数量提升计算效率,从而在工业规模实例上实现精确优化。
2025-12-12 cs.LO
Flat and One-Variable Clauses: Complexity of Verifying Cryptographic Protocols with Single Blind Copying
Comon和Cortier使用一阶子句的新类$\mathcal C$定义并建模了具有单盲复制的密码协议。他们在3-DEXPTIME中证明了它的可满足性问题。我们改进了这一结果表明,满足这个类是NEXPTIME完全的,使用新的分辨率技术。我们证明了满足是DEXPTIME完整的,如果条款是霍恩,这是所需的建模加密协议。虽然翻译霍恩条款只给出了一个DEXPTIME上界的保密问题,这些协议,我们进一步表明,这个保密问题实际上是DEXPTIME完全的。
2005-11-03 cs.CR cs.LO
Generating clause sequences of a CNF formula
给定具有子句$C_1,\ldots,C_m$和变量$V=\{x_1,\ldots,x_n\}$的CNF公式$Φ$,$Φ$的真值赋值$a:V\rightarrow\{0,1\}$导致子句序列$σ_Φ(a)=(C_1(a),\ldots,C_m(a))\in\{0,1\}^m$,其中$C_i(a) = 1$ if子句$C_i$在赋值$a$下求值为$1$,否则为$C_i(a) = 0$。所有可能的子句序列的集合携带关于公式的大量信息,例如SAT、MAX-SAT和MIN-SAT可以根据找到具有极值属性的子句序列来编码。我们考虑在Dagstuhl研讨会19211“数据管理中的枚举”(2019)上提出的一个问题,关于生成给定的具有有界维数的CNF的所有可能的子句序列。我们证明了问题可以在增量多项式时间内解决。我们进一步给出了这类易处理CNF公式的多项式延迟算法。我们还考虑了最大子句序列和最小子句序列的生成问题,证明了最大子句序列的生成是NP-困难的,而最小子句序列的生成具有多项式延迟。
2020-02-17 cs.DM cs.LO
Solving non-linear Horn clauses using a linear Horn clause solver
在本文中,我们表明,检查可满足性的一组非线性霍恩条款(也称为非线性霍恩条款计划)可以实现使用求解器的线性霍恩条款。我们实现这一点,通过交错的程序转换与线性霍恩条款(也称为线性霍恩条款求解器)的可满足性检查。程序转换是基于树维度的概念,我们将其应用于一组非线性子句,产生一组其派生树具有有界维度的集合。这样一套条款可以线性化。然后,主要的算法进行应用线性化变换和求解器的线性霍恩条款的一系列条款的连续增加的维度范围。然后,通过使用较低维度的条款解决方案来(部分)线性化较高维度的条款,进一步发展了该方法。我们构建了一个原型实现这种方法,并进行了一些实验上的一组验证问题,这表明了一些承诺。
2016-07-15 cs.LO cs.PL
Compact SAT and MaxSAT Encodings for Business-to-Business Meeting Scheduling with Idle-Time Balancing
Faculty of Information Technology VNU University of Engineering and Technology, Hanoi, Vietnam(越南国立大学工程技术大学信息技术学院)
本文针对企业对企业会议调度问题,提出兼顾空闲时间平衡的紧凑SAT与MaxSAT编码,实验表明其在子句数量、内存使用及求解效率上均优于已有方法与商用求解器Gurobi。
2026-11-19 cs.LO
Automated Catamorphism Synthesis for Solving Constrained Horn Clauses over Algebraic Data Types
本文提出按需自动综合 catamorphisms 以表达 ADT 上 CHC 模型的框架,并实现 Catalia,实验显示其在可满足实例上优于现有求解器且支撑 ChocoCatalia 获奖。
2025-07-28 cs.LO
Quantifier Elimination With Structural Learning
考虑了含有存在量词的命题CNF公式的量词消去问题。QE在形式化验证中起着关键作用。前面,我们提出了一种基于以下观察的方法。为了执行量化宽松,人们只需要添加一组依赖于自由变量的子句,这使得量化子句(即具有量化变量的子句)冗余。为了实现这种方法,我们引入了一个分支算法,使量化子句在子空间中冗余,并合并分支的结果。为了实现这个算法,我们开发了机器的D-序列。D-子句是一个记录,说明量化子句在指定的子空间中是冗余的。子句的冗余是一种结构属性(即,它只适用于逻辑上等价的公式的子集,而不是语义属性)。因此,在SAT问题中,重复使用D-序列并不像重复使用冲突子句那么容易。在本文中,我们解决这个问题。我们引入了一个新的定义的D-序列,使他们的可重用性。我们开发了一个理论,表明在什么条件下,D-射线可以安全地重复使用。
2018-10-15 cs.LO
Local Consistency and SAT-Solvers
University of Oxford(牛津大学)
局部一致性技术,如k-一致性是约束满足问题的专用求解器的关键组成部分。在本文中,我们表明,使用k-一致性技术的权力,约束满足问题,正是通过使用一个特定的推理规则,我们称之为负超分辨率,标准的直接编码的问题,布尔子句。我们还表明,目前的子句学习SAT求解器将发现在预期的多项式时间的任何不一致,可以推断出从一组给定的子句使用负超解式的固定大小。我们结合这两个结果表明,没有明确设计这样做,目前的子句学习SAT求解器有效地模拟k-一致性技术,为所有固定值的k。然后,我们给出了一些实验结果表明,这个功能允许子句学习SAT求解器有效地解决某些家庭的约束问题,这是传统的约束编程求解器的挑战。
2014-01-18 cs.AI cs.LO
Search-Driven Clause Learning for Product-State Quantum $k$-SAT (PRODSAT-QSAT)
本文提出一种基于CDCL的反驳框架,用于确定量子k-SAT实例是否存在满足的产品态,通过几何近似和子句学习实现产品态不可满足性的证明。
2026-03-20 cs.CC cs.LO quant-ph
Phase transition for Local Search on planted SAT
局部搜索算法(或爬山法,或迭代改进法)是解决可满足性和最大可满足性问题的最简单的算法之一。它是许多可满足性和最大可满足性求解器的一部分,用于为更复杂的算法找到一个好的起点,并改进候选解。本文分析了随机种植3-CNF公式的局部搜索问题。我们证明了如果k<7/6使得子句与变量的比率小于kln(n)(n是CNF中变量的数量),那么局部搜索whp找不到满意的分配,如果k>7/6使得子句与变量的比率大于kln(n)$,那么局部搜索whp找到满意的分配.作为一个副产品,我们还表明,对于任何常数r有g,使本地搜索应用到一个随机的(不一定种植)3-CNF与条款变量比r产生的分配,满足至少gn条款小于最大数量的可满足的条款。
2008-11-16 cs.DS cs.LO
Subsumption-driven clause learning with DPLL+restarts
LIB;Université de Bourgogne(勃艮第大学)
我们建议使用DPLL+重新启动解决SAT实例的基础上生产的条款,subcruise初始条款的连续简化。我们表明,这种方法可以反驳卵石公式在多项式时间和线性空间,有效地与CDCL求解器。
2019-06-18 cs.AI cs.LO
SATformer: Transformer-Based UNSAT Core Learning
The Chinese University of Hong Kong(香港中文大学)
本研究提出基于Transformer的SATformer方法,通过建模子句交互识别不可满足子问题,结合多任务学习训练,性能显著优于NeuroSAT,还能将现有SAT求解器运行时间平均缩短21.33%。
2024-03-12 cs.AI cs.LG cs.LO
A Fixed-Parameter Algorithm for #SAT with Parameter Incidence Treewidth
我们提出了一种有效的固定参数算法,用于#SAT,由关联树宽度参数化,即,二分图的树宽,其顶点是给定CNF公式的变量和子句;当且仅当变量出现在子句中时,变量和子句通过边连接。我们的算法运行时间为O(4^kklN),其中k表示关联树宽度,l表示最大子句的大小,N表示树分解的节点数。
2007-02-21 cs.CC cs.DS cs.LO
Improving abcdSAT by At-Least-One Recently Used Clause Management Strategy
Donghua University(东华大学)
我们进一步改进了abcdSAT的2015年版本,通过各种算法,如至少一个最近使用的策略,学习子句数据库近似约简等。基于2016年SAT竞赛中不同赛道的需求,我们开发了三个版本的abcdSAT:drup,inc和lim,分别参加主(敏捷),增量库和无限制赛道的比赛。
2016-05-05 cs.AI cs.LO
An Experimental Study of Permanently Stored Learned Clauses
Simon Fraser University(西蒙菲莎大学)
现代CDCL SAT求解器能够快速学习子句,一个重要的启发式算法是子句删除方案。大多数当前的求解器都有两个(或更多)子句存储。一个是永远不会删除的“有价值”条款。大多数学习子句被添加到另一个子句中,并使用积极的删除策略来限制其大小。MapleSAT家族中的最新求解器具有相对复杂的删除方案,并且表现良好。许多求解器只永久存储二进制子句,但MapleLCMDistChronoBT永久存储具有小LBD的子句。我们报告了MapleLCMDistChronoBT中永久子句存储的实验研究。我们观察到,这个商店可以得到相当大,但几种方法限制其大小降低性能。我们还表明,备用大小和LBD为基础的标准提高性能,同时仍然有大型永久商店。特别是,将子句的大小保存到8,并添加少量的高中心性子句,这两种方法都提高了性能,使用这两种方法都有最好的改进。
2021-10-27 cs.AI cs.LO
Reset Early, Reset Often, Eliminate Models
University of Cambridge(剑桥大学)
该研究提出SATResetCoP证明器,通过不回溯无成效表、启动新表生成接地子句的方式改进,在TPTP和MPTP2078基准上较leanCoP、SATCoP风格基准取得显著性能提升。
2026-10-14 cs.AI cs.LO
Lemma Generation for Horn Clause Satisfiability: A Preliminary Study
众所周知,命令式、函数式和逻辑程序的验证可以归结为约束Horn子句(CHC)的可满足性,并且这种可满足性检查可以通过使用CHC求解器(诸如Eldarica和Z3)来执行。这些求解器在处理简单的约束理论时表现良好,如线性代数和布尔理论,但当子句引用归纳定义的结构(如列表或树)上的约束时,它们的效率会大大降低。最近,我们提出了一种转换技术,用于消除那些归纳定义的数据结构,从而避免了将归纳原理纳入CHC求解器的需要。然而,这种技术可能会失败时,转换需要使用的lemmata的生成需要独创性。在本文中,我们通过一个例子,如何在转换CHCs消除归纳定义的结构的过程中,可以引入合适的谓词,称为差异谓词,其定义对应于引理被引入。通过第二个例子,我们表明,每当差异谓词不能介绍,我们可以介绍,而不是,辅助查询也对应于引理,这些引理的证明可以通过显示这些查询的可满足性。
2019-08-20 cs.LO cs.PL cs.SC
Clause-Learning Algorithms with Many Restarts and Bounded-Width Resolution
Vienna University of Technology(维也纳工业大学);University of California at Berkeley(加州大学伯克利分校)
我们提供了一个新的理解,一些方面的实际SAT求解器是基于DPLL与单位子句传播,子句学习,并重新启动。我们这样做是通过分析一个具体的算法,我们声称是忠实于实际的求解器做什么。特别是,在做出任何新的决定或重新开始之前,求解器重复应用单位分辨率规则,直到饱和,并且除了一些内部随机性之外,不留下任何组件受非确定性的支配。我们证明了一个可能令人惊讶的事实,即尽管求解器不是为它明确设计的,但在不超过O(n^2k+2)次冲突和重新启动后,它很有可能最终表现为宽度k分辨率,其中n是变量的数量。换句话说,宽度k分辨可以被认为是O(n^2k+2)的单位分辨规则的重新开始。
2014-01-16 cs.AI cs.LO
On the Effect of Learned Clauses on Stochastic Local Search
Ulm University(乌尔姆大学)
在成功的SAT求解器中有两种相互竞争的范式:随机驱动的子句学习(CDCL)和随机局部搜索(SLS)。CDCL系统地探索搜索空间,并具有学习新子句的能力。SLS检查当前完整分配的邻域。与CDCL不同,它缺乏从错误中学习的能力。这项工作围绕着SLS在原始公式中添加新条款是否有益的问题展开。我们的实验表明,条款与大量的正确文字w。R. t.一个固定的解决方案是有益的运行SLS。我们称这种条款为高质量条款。实验结果表明,CDCL学习的短句具有高质量的属性。我们研究了几个领域的随机生成的实例,并推导出最有益的策略,添加高质量的条款作为预处理步骤。在SLS求解器中实现的策略,它表明,这大大提高了国家的最先进的随机生成的实例。结果具有统计学意义。
2020-05-07 cs.AI cs.LO
A comparison of encodings for cardinality constraints in a SAT solver
基数约束在许多SAT问题中很重要;以前的研究提供了关于最佳编码的矛盾结论。在这里,比较了三种编码:Sinz的顺序计数器,Bailleux和Boufkhad的基于树的方法,以及Ab 'ıo和同事的基于排序的方法。顺序计数器的方法被发现是最快的这些相关的,组合的测试用例的范围。所有编码都允许辅助变量中的多个解决方案用于主变量的单个解决方案;多个解决方案的数量可以非常大,并且可能会妨碍Sat求解器。开发了编码的变体,其中额外的子句减少了多个解决方案的数量。这些变量被发现有显着的影响不大的解决方案的时间,即使条款的数量大约是一倍。结果强调了众所周知的观察,子句计数和编码大小的其他措施是不可靠的指标的难度,一个SAT问题。
2018-10-27 cs.LO math.CO
Bounds for variables with few occurrences in conjunctive normal forms
我们调查SAT(命题可满足性问题)和组合数学之间的连接,围绕最小程度(出现次数)的变量在各种形式的冗余的无布尔合取范式(子句集)。精益子句集没有非平凡的自给自足,也就是说,不可能满足某些子句而不触及其他子句。子句集的不足是子句数和变量数的差异。我们证明了一个精确的上界的最小可变程度的精益条款集依赖于不足。如果一个子句集不满足这个上界,那么它必须有一个非平凡的自给自足,我们表明,自给自足的减少(消除受影响的条款)可以在多项式时间内完成,而它是开放的,找到自给自足本身在多项式时间。然后我们研究了极小不可满足子句集的特殊情形的这个上界。我们表明,在这里的界可以得到改善,引入一个一般的方法来提高潜在的复发。我们考虑精确的关系,因此研究具有数论的味道。我们试图建立一个桥梁,从逻辑组合(特别是超图着色),我们彻底讨论的背景和开放的问题,并提供了许多例子和解释。
2017-01-20 cs.DM cs.LO math.CO
Towards Clause Learning à la Carte through VarMonads
越来越多的语言需要约束求解功能,例如错误检测或自动代码生成。想象一下,一种依赖类型的语言,只要给出它的类型,就可以立即实现一个程序。在SAT求解中,已经有几种技术来加速搜索过程,以满足可以用于程序合成的变量的分配。这些技术之一是子句学习,如果搜索分支遇到冲突,则分析冲突的原因并用于创建新子句,以便在冲突再次出现时使分支更早失败。我们提供了一个框架,这种技术可以来免费的布尔求解器,但任何约束求解器上运行的递归代数数据类型。我们通过跟踪变量赋值之前发生的读操作来实现这一点,并使用这些信息来创建冲突分析所需的依赖图。我们的结果在Agda中实现以获得最佳可读性,但它们也可以转移到其他函数式语言中。为了简洁起见,我们没有提供利用子句学习的整个搜索系统,但是从形式主义中可以清楚地看出,我们的技术确实能够构建子句学习搜索系统。
2022-08-22 cs.LO cs.PL
Deeply Optimizing the SAT Solver for the IC3 Algorithm
Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所);University of Chinese Academy of Sciences(中国科学院大学);Advanced Computing and Intelligence Engineering, Wuxi, China(无锡先进计算与智能工程学院);Beijing Forestry University(北京林业大学)
针对IC3算法中SAT查询的独特特征,提出变量决策子集计算、桶替代VSIDS二元堆、支持无额外激活变量的临时子句三项优化,集成于轻量级CDCL求解器GipSAT,使基于它的IC3求解速度比基于MiniSat的版本平均提升3.61倍。
2025-05-21 cs.AI cs.LO
A criterion for "easiness" of certain SAT problems
一个广义的1-in-3SAT问题的定义和发现是在复杂性类P时,限制到某个子集的CNF表达式。特别地,当被限制为具有相等数目的子句(m)和变量(n)并且没有纯文字的精确READ-3公式时,可以在多项式时间内判定对每个子句的文字数目没有限制的1-in-kSAT。也可以检查单个实例是否容易相对于给定的SAT问题。通过识别整个类的公式是可有效解决的方法也可能是感兴趣的互补搜索硬的情况。
2017-07-01 cs.CC cs.LO
Polynomial time estimates for #SAT
从各种不等式中导出了n个变量和m个子句的CNS实例的满意赋值的数量限制。一些边界可以在多项式时间内计算,更精确的边界需要关于未满足子句数量分布的信息。通常,满意分配的数量涉及该分布的方差和均值。对于大型公式,m>>1,边界随2**n/n而变化,因此它们可能仅用于具有大量满意赋值的实例。
2017-05-01 cs.CC cs.LO math.LO
Improved SAT models for NFA learning
LERIA(昂热大学信息学、机器人学与人工智能实验室);University of Angers(昂热大学)
语法推理是研究从单词中学习自动机和语法的算法。我们专注于从单词样本中学习大小为k的非确定性有限自动机。为此,我们制定了一个SAT模型的问题。生成的SAT实例是巨大的,我们提出了一些模型的改进,无论是在变量的数量,条款的数量,条款的大小。这些改进显著减少了实例,但代价是生成时间更长。因此,我们试图平衡实例大小与生成和求解时间。我们还实现了一些实验比较,我们分析了我们的各种模型的改进。
2021-07-13 cs.AI cs.LO
Predicate Pairing for Program Verification
命令式程序部分正确性的验证可以归结为约束Horn子句的可满足性问题。然而,基于谓词抽象的最先进的CHC求解器(CHC求解器)有时无法验证可满足性,因为它们寻找在给定的A类约束中可定义的模型,称为A-可定义模型。我们介绍了一种转换技术,称为谓词配对(PP),这是能够,在许多有趣的情况下,一组条款转换成一个equisatisifiable集,其可满足性可以证明通过找到一个A-可定义的模型,因此可以有效地验证CHC求解器。我们证明,在非常一般的条件下,A,展开/折叠变换规则保持存在的A-可定义的模型,即,如果原始子句具有A-可定义模型,则转换后的子句具有A-可定义模型。反之一般不成立,我们提供了适当的条件下,转换条款有一个A-可定义的模型当且仅当原来的有一个A-可定义的模型。然后,我们提出了PP战略,指导应用的转换规则的目标,推导出一组条款,其可满足性可以证明通过寻找A-可定义的模型。PP引入了一个由两个谓词的合取加上一些约束定义的新谓词。我们通过一些例子表明,一个A-可定义的模型可能存在的新谓词,即使它不存在其定义原子合取。我们还提出了一些案例研究,表明PP在程序的关系属性的验证中起着至关重要的作用(例如,程序等价性和非干扰性)。最后,我们进行了实验评估,以评估PP在提高CHC解决能力方面的有效性。
2018-06-27 cs.LO cs.SE
Removing Unnecessary Variables from Horn Clause Verification Conditions
验证条件(Verification Conditions,VC)是一种逻辑公式,其可满足性保证了程序的正确性。我们认为VC的形式约束霍恩条款(CHC),这是自动生成的编码(解释器)的程序设计语言的操作语义。VC是通过基于展开/折叠变换规则的程序专门化而得到的,并且正如在专门化解释器时经常发生的那样,它们包含不必要的变量,即,在验证下的程序的正确性证明不需要的变量。在本文中,我们适应的CHC设置的一些技术,开发用于删除不必要的变量,从逻辑程序,我们表明,在某些情况下,这些技术的应用增加了霍恩子句求解器的有效性时,证明程序的正确性。
2016-07-15 cs.LO cs.PL cs.SE