带通配符的压缩：二元决策图的所有k-模型
Compression with wildcards: All k-models of a binary decision diagram
AI总结：
该研究针对布尔函数的二元决策图，提出固定汉明重量k的所有模型可在n、BDD规模与模型数的多项式时间内枚举，且借助新型通配符实现压缩枚举，拓展了BDD模型枚举的适用场景。
摘要：
给定n个变量的布尔函数φ的二元决策图（Binary Decision Diagram，BDD）B，众所周知，所有φ-模型都能以输出多项式时间、并借助“无关项”符号以压缩方式枚举。我们证明，所有N个具有固定汉明重量k的φ-模型，同样可以在关于n、|B|和N的多项式时间内完成枚举。此外，通过使用新型通配符，可再次实现这些模型的压缩枚举。
英文摘要：
Given a Binary Decision Diagram $B$ of a Boolean function $φ$ in $n$ variables, it is well known that all $φ$-models can be enumerated in output polynomial time, and in a compressed way (using don't-care symbols). We show that all $N$ many $φ$-models of fixed Hamming-weight $k$ can be enumerated as well in time polynomial in $n$ and $|B|$ and $N$. Furthermore, using novel wildcards, again enables a compressed enumeration of these models.
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。
