|
文獻：Understanding VSIDS Branching Heuristics in Conflict-Driven Clause-Learning SAT Solvers 一、VIG圖與TVIG圖用於反映執行時資訊1. 基本思想 variable incidence graph
exponentially smoothed temporal graph centrality (TGC) ——TGC 是廣泛使用的圖中心性度量（例如度數和特徵向量中心性）的時間版本，用於識別圖中的重要頂點。 這些定義的靈感來自最近對社交網路時間方面的研究[22,42]。例如，定時PageRank演算法[42]用於發現將來可能被引用的重要出版物。結果表明，VSIDS通常選擇具有高時間度中心性和時間特徵向量中心性的變數。VSIDS picks high-centrality bridge variables. 結果表明，VSIDS通常選擇具有高時間度中心性和時間特徵向量中心性的變數。上述發現基本上告訴我們，我們有一個數學上精確的圖論度量系列，即TGC，它簡潔地表徵了VSIDS啟發式家族的加法凸起和乘法衰減分量。具有高中心性的變數對應於“最近”學習的子句中的變數，這些子句是“高度約束的”，並且會被累加顛簸。沒有“持續”高度約束的變數，即在最近學習的子句中不經常出現的變數會很快衰減掉。
temporal variable incidence graphs (TVIG) TVIG 透過將學習的子句資料庫的動態演變方面合併到 SAT 求解器中，將眾所周知的變數發生圖擴充套件到布林公式上，並使用指數平滑來關注最近學習的子句。
2. 定義
As an edge’s age increases, its weight decreases exponentially with time assuming no new learnt clause contains its variables. In many domains, it is often the case that more recent data points are more useful than older data points.
3. 度量指標
4. 應用
5. 分析與評價
6 結論： 在本文中，我們介紹了各種經過實證驗證的VSIDS發現。結果表明，VSIDS傾向於支援布林公式社群結構中的高中心性橋接變數。此外，我們表明，在搜尋過程中，VSIDS 專注於 SAT 例項圖中的一小部分社群。 最後，我們解釋了 VSIDS 與 EMA 的乘法衰減，並利用這一發現設計了一種新的分支啟發式方法，我們稱之為 adaptVSIDS。這些結果表明，社群結構、圖中心性和指數平滑是理解分支啟發式 VSIDS 家族行為和 CDCL SAT 求解的重要視角。 |
|
