Determining the Multiplicative Complexity of Boolean Functions using SAT
我们提出了一种基于SAT的构造性算法来确定布尔函数的乘法复杂度,即,在由两输入端“与”门、两输入端“异”门和反相器组成的任何逻辑网络中,数量最少的“与”门。为了加快求解时间,我们利用几个对称性破缺的约束,这些利用XAGs的属性,可能是有用的,超出了建议的SAT为基础的算法。我们进一步提出了一个启发式的后优化算法,以减少“异”门的数量,一旦“与”门的最佳数量已经获得,这也利用SAT求解器。我们的算法是能够找到所有最佳的XAGs的所有5输入仿射等价类的代表,并为一组频繁出现的6输入功能。
2020-05-04 cs.DS cs.LO quant-ph
Thinking Out of the Box: Hybrid SAT Solving by Unconstrained Continuous Optimization
Department of Computer Science, Rice University(计算机科学系,里士大学);Department of Applied Mathematics and Statistics, Colorado School of Mines(应用数学与统计系,科罗拉多矿业学院);Department of Mathematics, University of California, Los Angeles(数学系,加州大学洛杉矶分校)
本文针对混合SAT求解问题,提出基于惩罚项的无约束连续优化公式,并通过理论与实验证明Adam等无约束优化器能有效提升混合基准上的SAT求解性能。
2025-05-31 cs.AI cs.LG cs.LO
DPMS: An ADD-Based Symbolic Approach for Generalized MaxSAT Solving
Rice University(莱斯大学)
针对现有MaxSAT方法难以原生处理混合约束和广义问题,提出基于代数决策图的动态规划框架DPMS,可求解MaxSAT、Min-MaxSAT等,实验显示在低宽度实例上高效且能解决其他算法失败的难题。
2023-05-07 cs.AI cs.LO math.OC
SAT solving techniques: a bibliography
我们提出了一个选择性的参考书目有效的SAT解决方案,专注于优化的CDCL为基础的算法。
2018-04-23 cs.LO
FourierSAT: A Fourier Expansion-Based Algebraic Framework for Solving Hybrid Boolean Constraints
Rice University(莱斯大学)
布尔可满足性问题(SAT)是计算机科学中的一个重要问题.虽然SAT被认为是NP完全的,但在工程方面的进展,特别是基于子句驱动的子句学习(CDCL)和局部搜索SAT求解器,已经取得了显着的进展。然而,虽然旨在以合取范式(CNF)求解工业规模基准的SAT求解器已经变得相当成熟,但是对其他类型的约束有效的SAT求解器,例如,基数约束和异或的研究较少;处理非CNF约束的一般方法仍然缺乏。此外,以前的工作表明,对于特定类别的基准测试,现有的SAT求解器的运行时间在很大程度上取决于公式的属性和编码的细节,而不是基准测试的规模,这增加了不确定性的预期运行时间。为了解决上述问题,我们设计了FourierSAT,一个不完全SAT求解器的基础上傅立叶分析的布尔函数,一种技术来表示布尔函数的多线性多项式。通过这种连续优化的减少,我们提出了一个代数框架,用于解决由不同类型的约束组成的系统。这个想法是利用梯度信息来引导搜索过程中的局部改进的方向。实证结果表明,傅立叶SAT是更强大的比其他求解器在某些类的基准。
2020-02-24 cs.IT cs.LG cs.LO
Distributed Incremental SAT Solving with Mallob: Report and Case Study with Hierarchical Planning
本报告扩展了Mallob平台以支持增量SAT求解,并在层次规划案例中验证,通过并行处理587个规划实例,在多个领域显著加速了求解过程。
2025-05-24 cs.DC cs.LO
Logic Optimization Meets SAT: A Novel Framework for Circuit-SAT Solving
本文提出一种结合逻辑综合与强化学习的电路SAT预处理框架,通过成本定制的LUT映射优化电路结构,在工业级基准上实现最高63%的求解时间缩减。
2025-07-02 cs.LO
Scalable Proof Producing Multi-Threaded SAT Solving with Gimsatul through Sharing instead of Copying Clauses
我们给我们的新的并行SAT求解器Gimsatul的第一个帐户。它的关键特性是在内存中物理共享子句,而不是复制子句,这是其他最先进的多线程SAT求解器在逻辑上交换子句的方法。我们的方法保留了有关哪些文字在一个解决线程的本地子句中被关注的信息,但在所有解决线程之间全局共享子句的实际不可变文字。这种设计提供了相当显着的并行可扩展性,允许积极的条款共享,同时保持较低的内存使用率,并生成更紧凑的证明。
2022-07-29 cs.LO
RustSAT: A Library For SAT Solving in Rust
为降低SAT求解技术的使用门槛,研究提出Rust语言的SAT求解库RustSAT,提供实例生成读写、多求解器统一接口及多语言高层约束编码,推动SAT技术的广泛应用。
2025-05-21 cs.LO
On Tackling the Limits of Resolution in SAT Solving
布尔可满足性(SAT)求解器的实际成功源于SAT求解的CDCL方法。然而,从命题证明复杂性的角度来看,CDCL并不比解决证明系统更强大,因为存在许多困难的例子。提出了一种新的问题变换,将合取范式(CNF)公式的判定问题转化为求解Horn公式的最大可满足性问题.给出了新的变换,证明了鸽洞公式MaxSAT分解步数的多项式界.这一结果是在明显的对比与早期的结果的长度证明的MaxSAT分辨率鸽子公式。本文还建立了相同的多项式约束的情况下,现代核心引导MaxSAT求解器。实验结果表明,CNF公式已知是很难CDCL SAT求解器,这些可以有效地解决与现代MaxSAT求解器。
2017-07-05 cs.LO
Prioritized Unit Propagation with Periodic Resetting is (Almost) All You Need for Random SAT Solving
DeepMind(深度思维);University of Pennsylvania(宾夕法尼亚大学)
我们提出了定期重置的优先单位传播,这是一个简单但令人惊讶的有效算法,用于解决随机SAT实例,这意味着很难。特别是,对2017年和2018年SAT竞赛的随机轨道的评估表明,这个简单想法的基本原型已经在这两年排名第二。我们分享这一观察结果,希望它能帮助SAT社区更好地理解竞赛中使用的随机实例的难度,并激发其他关于SAT求解的有趣想法。
2019-12-04 cs.AI cs.LG cs.LO
SAT Solving for Argument Filterings
本文介绍了一种与依赖对有关的字典式路径序的命题编码。这有利于SAT求解器的终止性分析的术语重写系统的依赖对方法的基础上的应用。我们解决两个主要的相互关联的问题,并将它们编码为命题公式的可满足性问题,可以有效地处理SAT解决:(1)字典路径顺序与\emph{argument filtering}一起定向一组不等式的组合搜索;(2)参数过滤的选择如何影响必须定向的一组不等式。我们已经在终止证明程序AProVE中实现了我们的贡献。大量的实验表明,通过我们的编码和SAT求解器的应用程序,获得了数量级的加速,以及增加终止证明功率。
2006-05-17 cs.LO
Effectiveness of pre- and inprocessing for CDCL-based SAT solving
Universität zu Köln(科隆大学)
在搜索之前和搜索过程中应用预处理和内处理技术来简化CNF公式可以大大提高现代SAT求解器的性能。这些算法主要旨在减少公式中的子句、文字和变量的数量。然而,为了值得,它们的附加运行时间必须不超过在后续SAT求解器执行期间保存的运行时间。在本文中,我们调查的效率和实用性选择的简化算法的CDCL为基础的SAT求解。我们首先分析他们的CNF公式和SAT解决所有的预期影响。在现实世界和组合SAT实例上测试它们的同时,我们展示了哪些技术和它们的组合产生了理想的加速,哪些应该避免。
2013-10-17 cs.AI cs.LO
A Logical Approach to Efficient Max-SAT solving
加权Max-SAT是SAT的优化版本,许多重要问题可以自然编码。求解加权Max-SAT问题是一个重要的理论和实际问题。近年来,有相当大的兴趣,在寻找有效的解决技术。这项工作的大部分集中在良好的质量下限的计算中使用的分支和绑定DPLL类算法。大多数情况下,这些下限是以程序的方式描述的。因此,很难实现后面的{ \em逻辑}。在本文中,我们介绍了一个原始的Max-SAT框架,强调与经典SAT的并行性。然后,我们扩展了两个基本的SAT求解技术:{ \em search}和{ \em inference}。我们表明,许多算法{ \em技巧}中使用的国家的最先进的最大-SAT求解器很容易表达在{ \em逻辑}方面与我们的框架在一个统一的方式。此外,我们引入了一个原始的搜索算法,执行有限数量的{ \em加权分辨率}在每个访问节点。我们经验比较我们的算法与各种解决方案的几个基准。据我们所知,我们的实验构成了有史以来最全面的Max-sat评估报告,表明我们的算法通常比任何竞争对手快几个数量级。
2006-11-06 cs.AI cs.LO
Scalable SAT Solving in the Cloud
以前的努力,使可满足性(SAT)解决适合高性能计算(HPC)导致超线性加速特定的公式,但大多数输入不能有效地利用大量的处理器。此外,作业调度的长延迟(几分钟到几天)使得大规模SAT按需求解对于大多数应用程序来说是不切实际的。我们用Mallob解决这两个问题,Mallob是一个在SAT求解的背景下进行作业调度的框架,它利用了延展性,即,在作业的计算过程中增加或减少其处理能力的能力。Mallob包括一个基于Hordesat的大规模并行,分布式和可延展的SAT求解引擎,具有更简洁和通信效率更高的子句共享方法,并对其前身进行了许多进一步的改进。例如,在640个内核上的Mallob性能优于在2560个内核上更新和改进的Hordesat配置。此外,Mallob还可以并行求解许多公式,同时动态地适应分配的资源,并且到达系统的作业通常在几分之一秒内启动。
2022-05-13 cs.DC cs.LO
A novel approach of solving the CNF-SAT problem
本文讨论了CNF-SAT问题(NP-Complete problem),分析了两种解决该问题的方法:PL-Resolution算法和WalkSAT算法。PL-归结是一个可靠的、完备的算法,可以用来确定可满足性和不可满足性。如果WalkSAT找到了一个模型,它可以确定可满足性,但即使存在模型,它也不能保证找到一个模型。然而,WalkSAT比PL-Resolution快得多,这使得WalkSAT更实用;并且我们分析了这两种算法的性能,如果问题不是很难,WalkSAT的性能是可以接受的。
2013-07-24 cs.AI cs.LO
Solving SAT By Computing A Stable Set Of Points In Clusters
本文提出以簇为单位计算稳定点集(SSP)来求解SAT,避免逐点计算不可行的问题,从而更好地利用公式结构并促进并行SAT求解。
2025-07-17 cs.LO
Machine Learning Methods in Solving the Boolean Satisfiability Problem
Shanghai Jiao Tong University(上海交通大学)
本文综述了利用机器学习求解布尔可满足性问题(SAT)的最新进展,涵盖从手工特征分类器到端到端求解器(如NeuroSAT)以及CDCL和局部搜索与机器学习的结合,并指出了当前局限与未来方向。
2022-03-02 cs.AI cs.LG cs.LO
Solving MaxSAT by Successive Calls to a SAT Solver
Cairo University(开罗大学)
最大可满足性(MaxSAT)问题是在合取范式(CNF)中找到使给定布尔公式的满足子句的数目最大化的真值分配的问题。近年来,MaxSAT的许多精确求解器已经开发出来,其中许多都在著名的SAT会议上发表。MaxSAT的算法一般分为两类:(1)分支定界算法和(2)连续调用SAT求解器的算法(基于SAT的),在实际问题中,基于SAT的算法被证明是更有效的。本文提供了一个实验研究,以比较最近的SAT为基础的分支定界算法的MaxSAT评估基准的性能。
2016-03-11 cs.AI cs.CC cs.LO
GaloisSAT: Differentiable Boolean Satisfiability Solving via Finite Field Algebra
University of Maryland(马里兰大学);NVIDIA Research(英伟达研究院);University of Colorado Boulder(科罗拉多大学博尔德分校);University of Michigan(密歇根大学)
本文提出GaloisSAT,一种结合GPU和CPU的新型SAT求解器,利用可微SAT求解引擎和传统CDCL方法,显著提升SAT竞赛指标PAR-2性能。
2026-03-25 cs.AI cs.LO
On Continuous Local BDD-Based Search for Hybrid SAT Solving
Rice University(莱斯大学)
我们探讨了连续局部搜索(CLS)在SAT求解的潜力,提出了一种新的方法来寻找一个混合系统的布尔约束的解决方案。该算法是基于CLS结合置信传播二叉决策图(BDD)。我们的框架接受所有的布尔约束,承认紧凑的BDD,包括对称布尔约束和小系数伪布尔约束作为有趣的家庭。我们提出了一种新的算法,有效地计算CLS所需的梯度。我们研究我们的多功能CLS求解器,GradSAT的能力和局限性,通过将其应用于许多基准测试实例。实验结果表明,GradSAT可以是一个有用的除了现有的SAT和MaxSAT求解器解决布尔可满足性和优化问题的投资组合。
2021-06-12 cs.AI cs.IT cs.LG
diff-SAT -- A Software for Sampling and Probabilistic Reasoning for SAT and Answer Set Programming
National University of Ireland, Galway(爱尔兰国立高威大学)
本文介绍了diff-SAT,一个答案集和SAT求解器,它结合了经常使用概率条款,事实和规则的能力,解决和采样的最佳世界观(满足布尔变量分配或答案集的多集)受用户提供的概率约束。采样过程使用称为可微可满足性求解($\partial\mathrm{SAT}$)或可微答案集编程($\partial\mathrm{ASP}$)的基于梯度下降的优化方法来最小化用户定义的可微目标函数。用例是i.a.概率逻辑编程(以概率答案集编程的形式),概率布尔可满足性求解(PSAT)和模型多集(答案集或布尔解释)的分布感知采样。
2021-01-03 cs.AI cs.LO
Orthologic for SAT Solving
EPFL(苏黎世联邦理工学院)
本文提出一种新的正交逻辑公式蕴含判定算法,避免了先前方法的高成本预处理阶段,同时保持相同的最坏复杂度。通过合成SAT基准测试,展示了正交逻辑归一化在某些难题中的提升效果。
2026-05-14 cs.AI cs.LO