基于活化比率的分支策略选择方法
人工智能
2021-12-15 v1
摘要
两种最有效的分支策略LRB与VSIDS在不同类型实例上表现各异。一般而言，LRB在人工构造实例上更有效，而VSIDS在应用类实例上更有效。然而，区分实例类型较为困难。为克服该缺陷，我们提出一种基于活化比率的分支策略选择方法。该方法对活化比率极低的实例更多地使用LRB分支策略。我们测试了近年SAT竞赛主赛道的实例。结果表明所提方法具有鲁棒性，并显著增加了已求解实例的数量。值得一提的是，借助我们的方法，求解器Maple_CM在2020年SAT竞赛的基准上可多求解超过16个实例。
引用
@article{arxiv.2112.06917,
title = {Branching Strategy Selection Approach Based on Vivification Ratio},
author = {Mao Luo and Chu-Min Li and Xinyun Wu and Shuolin Li and Zhipeng Lü},
journal= {arXiv preprint arXiv:2112.06917},
year = {2021}
}