求解恰当可满足性问题的随机局部搜索算法

可满足性问题(SAT)是一种NP完全问题,被广泛运用于人工智能和机器学习等研究。恰当可满足性问题(XSAT)是SAT中一类重要的子问题。目前的大部分关于XSAT的研究主要为理论层面,对高效的求解算法特别是具有高效验证性的随机局部搜索算法研究很少。针对以上问题,分析了基础编码和等价编码两种转化方式的公式的部分性质,提出一种直接求解XSAT的随机局部搜索算法WalkXSAT。首先使用随机局部搜索框架进行基础搜索与条件判定;其次加入变元所属文字的恰当不可满足计分值,优先处理不易恰当满足的变元;然后使用防重复选择翻转变元的启发式策略减小搜索空间;最后,采用多种来源以及多种格式的实例进行对比实验。在直接求解XSAT时,相较于ProbSAT,WalkXSAT的变元翻转次数与求解时间显著减少;在求解基础编码转化后的实例中,当实例变元规模大于100时,ProbSAT已失效,而WalkXSAT依然能够在短时间内求解。实验结果表明,所提WalkXSAT精确性高、稳定性强、收敛快。

随机正则3-可满足性问题的解簇结构分析

正则3-可满足性(3-SAT)问题是一个NP难问题,研究正则3-SAT问题解簇结构变化,旨在深入理解该问题的判定难度和可满足性解的分布情况。然而,现有分析模型只研究了接近簇集相变点的几个离散值,在不同约束密度下,缺乏统一的分析模型来描述解簇的结构演变。为了解决这一问题,提出解簇结构相变分析模型(PMSS)。该模型主要思想是采用WalkSAT算法和信息传播算法求得正则3-SAT问题可满足的初始解,再利用随机游走构造该初始解的解簇,并对解簇进行分析。用模块度和社区度量解簇社区结构,用结构熵度量解簇结构复杂性。实验结果表明,PMSS能够准确分析解簇结构演变过程,并且正则3-SAT问题实例的可满足相变点位于13~14,与使用Zchaff求解器得到的相变点一致,进一步验证了PMSS的有效性。

可满足性问题中信念传播算法的收敛性分析

信念传播算法是基于因子图模型的消息传递算法,通过图中的边,将消息从一个结点传递给另一个结点,以高概率地确定部分变量的取值,这种方法被实验证明在求解可满足性问题时非常有效.然而,目前还未对其有效性从理论角度给予解释.通过对信念传播算法的收敛性分析,试图从理论上解释算法的有效性.在信息传播算法的信息迭代方程中,参数的取值范围为(0,1),将该取值范围扩展到整个实数空间,即(−∞,+∞).利用压缩函数的数学原理,得到了信息迭代方程收敛的判定条件.选取随机可满足性问题实例进行实验模拟,验证了结论的正确性.

命题逻辑可满足性问题的算法分析

1 引言可满足性问题(以下简称SAT)是问:对于一个命题逻辑公式,是否存在对其变元的一个真值赋值使之成立?这个问题在许多领域都有非常重要的意义,其快速求解算法的研究成为计算机科学的中心课题之一。例如在机器定理证明领域,某命题是否是一个和谐的公理集合的推论,这个问题归结为该命题的反面与该公理集合一起是否是不可满足的。通过量词消去技术和Herbrand定理的作用,谓词逻辑公式的不可满足性可以归结为命题逻辑公式的不可满足性。在知识库维护中,当知识以逻辑公式的形式表达时,知识库的一致性检查可以归结为命题逻辑公式的可满足性。在开放逻辑中,新事实是否与已有的知识矛盾,当遇到事实反驳时如何求得最大和谐的知识集,这些问题最后都要归结为命题逻辑公式的可满足性。1971年Cook首次证明了SAT是NP-完全的,从而大量的计算问题都可以归约到SAT。正是由于SAT的重要地位,各国学者对它进行了广泛而深入的研究。

可满足性问题生物芯片DNA算法

首先研究可满足性问题,报告了DNA计算关于可满足性问题的研究现状;然后介绍了微流路芯片高压凝胶电泳,给出了解决可满足性问题的解法;最后通过实例验证了算法的可行性。给出的算法操作简单、出错率低。算法只需要芯片电泳,不需要构造探针,也不需要荧光标记。对解决其他NP问题具有很好的借鉴意义。

可满足性问题的巨磁电阻型DNA计算模型

DNA计算是一种新的计算模式,因其海量的信息存储能力、高度的并行性及低能耗等优点而被广泛地应用于求解各类NP完全问题.文中利用免疫磁标记和巨磁电阻(GMR)效应,对生物特异性反应进行检测,构建了可满足性问题的巨磁电阻型DNA计算模型,并用实例说明了模型的有效性和可行性.与传统的荧光标记法DNA计算模型相比,巨磁电阻型DNA计算模型的输出结果是电信号形式,因而具有检测信号易处理、检测时间短、解可靠性高、无需标记和读解简单等优点.

可满足性问题全部解的求解算法

SAT问题在人工智能、计算机基础理论研究和人工智能等领域有着广泛的应用,近年来,证明该问题的可满足性取得了巨大的成功,但在求出SAT问题的所有解方面还有待进一步研究。利用一个简单的变换,将可满足性(SAT)问题转化为多项式形式,然后根据命题逻辑的性质以及多项式的性质,得到一个求解出SAT问题所有解的算法。

由一阶逻辑公式得到命题逻辑可满足性问题实例(英文)

命题逻辑可满足性(SAT)问题是计算机科学中的一个重要问题.近年来许多学者在这方面进行了大量的研究,提出了不少有效的算法.但是,很多实际问题如果用一组一阶逻辑公式来描述,往往更为自然.当解释的论域是一个固定大小的有限集合时,一阶逻辑公式的可满足性问题可以等价地归约为 SAT 问题.为了利用现有的高效 SAT工具,提出了一种从一阶逻辑公式生成 SAT 问题实例的算法,并描述了一个自动的转换工具,给出了相应的实验结果.还讨论了通过增加公式来消除同构从而减小搜索空间的一些方法.实验表明,这一算法是有效的,可以用来解决数学研究和实际应用中的许多问题.

用吴方法求解可满足性问题(Ⅰ)─—算法变换

本文在算法变换的思想指导下，研究了用吴方法求解可满足性问题的特点．通过建立吴方法的基本操作与子句间有限制的归结操作的对应，证明了吴方法求解可满足性问题基本上是一种以特征列计算为核心的有限制的子句归结过程，不仅使吴方法和归结法相互引入新的概念和认识，而且在算法实现时可以避免复杂的多项式计算，同时可以更好地利用问题特性和已有经验以获得更高的效率．

可满足性问题的研究综述

对SAT问题及其各种约束子问题进行分类并给出具体定义,着重介绍常规SAT问题、最大可满足性问题(MAX-SAT)和参数化SAT问题的相关算法,并对参数算法中运用的技术进行分析和比较,提出一些SAT问题研究中值得关注的几个方面。

基于免疫B-Cell算法求解可满足性问题的性能分析

可满足性问题(SAT)是计算机科学和人工智能研究中的核心NP-完全问题.构造了两类SAT问题实例,易解和难解实例.从理论上分析了B-Cell算法求解该两个实例的运行时间,并证实了B-Cell算法在某些问题上有效而在一些问题上无效.进一步提出了一个简单的基于免疫的多目标优化算法(IBMO),对于一个双目标的SAT问题,证明了IBMO能够有效地找到整个Pareto前沿.这些分析结果从理论上证实和说明了人工免疫系统的有效性.

求解难可满足性问题的混合算法

提出了一个求解难可满足性问题的简单混合算法 .拟人和禁忌表两个策略被给出 .数值实验表明 ,对于一类公认比较难的可满足性问题 ,该算法胜过目前据认为是最好方法之一的 NOVEL

求解可满足性问题的两个启发式策略(英文)

提出了两个用于求解可满足性 (SAT)问题的启发式策略。数值实验表明 ,基于该策略的模拟退火算法的性能优于局部搜索算法 ,因此这两个策略是可行和有效的。

基于可满足性问题求解器的星上FPGA永久损伤容错技术研究

现代卫星广泛使用的FPGA在空间高能粒子的影响下,会产生门电路的永久性损伤。而传统的三模冗余等容错方法不但成倍增加了系统硬件开销,还存在因冗余器件耗尽而失效的风险。因此,提出一种利用FPGA自身冗余资源,修复永久性损伤的容错方案。该方案通过建立FPGA内部资源的功能模型,将容错问题转化为数学上的可满足性问题。并且利用经过改进的GSAT算法对该问题求解,可以获得在功能上与损伤前完全相同的电路结构,及其所对应的FPGA配置文件。将该文件重新下载到FPGA中,可以屏蔽损伤带来的影响,从而达到利用FPGA自身冗余资源容错的目的。通过实验和分析可以看出,本文方案具有对损伤修复成功率高、计算量小和需要内存空间少的特点,因此符合星上计算能力和硬件资源十分有限的实际情况。

一个约束可满足性问题的演化算法求解

约束可满足性问题是一大类常出现于现实应用中的复杂问题,因其繁多的约束条件而出名。本文针对一个经典的约束可满足性问题——斑马属谁问题,基于演化算法的框架进行求解。我们采用矩阵的表示方式,并设计了相应的杂交和变异算子。实验表明,演化算法能高效地解决该问题。

一种规约于可满足性问题(SAT)的知识推理算法

传统的知识推理算法主要依赖于通用的定理证明器,因此会有明显的组合爆炸问题和半自动化问题,只能处理小规模的问题。在文[1]中,给出了一个实用而紧致的知识的语义模型——知识结构(knowledge struc- ture),并给出相应的利用BDD(Binary Decision Diagram)的符号化计算方法,实验表明这种基于BDD的算法比传统方法有很大的优势,但这种基于BDD的方法在计算规模大的例子时仍存在明显的组合爆炸。文章在知识结构(knowledge structure)的语义基础上,通过挖掘知识结构语义中各元素的关系,把知识的计算规约于可满足性问题(SAT),因为SAT Solver在符号化计算方面以及在计算规模和效率上都要明显优于BDD。实验结果证实了这种方法的有效性。

用吴方法求解可满足性问题(Ⅱ)─—实验研究

本文使用随机3－SAT实例模型，对算法变换思想指导下设计的吴方法求解可满足性问题的算法进行了实验，并与语义归结、支持集归结和DP算法进行了对比．

求解可满足性问题全部解的改进多种群克隆免疫算法

对于可满足性问题全部解(ALLSAT问题)的求解而言,随着问题规模增大,现有算法逐渐变得不适用.针对不能有效求解ALLSAT问题的现状,提出了一种多种群克隆免疫算法,该算法采用小生境方法和位爬山算法进行优化,维持种群多样性,提高算法收敛速度进行了算法收敛性分析.ALLSAT问题的求解结果表明,该算法是非常有效的.

可满足性问题的三维DNA图结构算法

论文提出用三维图结构解决DNA分子计算问题,给出了解决3-SAT问题的方法。在所提出的方法中,算法所要求的步骤与公式中变量的数目相等。

基于多Agent的可满足性问题求解系统研究

为了得到高效可扩展的可满足性问题求解方法,融合目前解决可满足性问题(SAT)的诸多最新策略:快速DPLL、启发式极性决策算法等,提出了一种基于多Agent(Multi-Agent)的可满足性问题(SAT)验证方法。该方法给出了基于多Agent的可满足性问题求解系统的总体结构、工作流程和消息协议,详细分析了有关Agent的结构原理,在JADF(Java Agent development framework)基础上设计出智能仿真模型,通过实例研究表明该方法比传统的一般性求解方法精度高、速度快,且有较好的扩展性和可移植性。