基于学习子句长度和LBD的删除策略

学习子句的删除在求解器的构成中是非常重要的。因为学习子句删除策略的"优劣"不仅影响BCP的效率,还影响内存的占用问题,为避免出现这些问题,很多学者做了大量的工作,提出了很多良好的学习子句删除策略。然而当前的学习子句删除策略都有一个缺点:删除学习子句时有可能会删除在后续搜索过程中有很大作用的子句,因为不能确保每次删除的都是没有"价值"的子句。在充分考虑学习子句的长度和变量的决策层的基础上,本文提出基于学习子句长度和LBD的删除策略——LLBD策略,并形成算法,然后用该策略替换Glucose求解器中的删除策略,最后通过实验表明LLBD策略能够求解出更多的实例,求解器的效率也有所提高,表明本文策略有一定的优势。