论非确定性 DNNF 的编译
人工智能
2017-09-22 v1
摘要
最先进的知识编译器生成确定性的 DNNF 子集，最近研究表明其指数级地不如 DNNF 简洁。在本文中，我们提出了一种新方法来编译 DNNF，而不必然强制确定性。我们的方法基于在输入公式中添加辅助变量来编译确定性 DNNF。然后在线性时间内将这些变量从确定性结构中存在量化，从而得到一个与输入公式等价但不必然确定性的 DNNF。在理论方面，我们证明了新方法可以生成比确定性 DNNF 指数级更小的 DNNF，即使只添加单个辅助变量。此外，我们展示了在输入公式中引入辅助变量的各种现有技术可以应用于我们的框架。在实践方面，我们凭经验证明，我们的新方法可以在某些基准测试上显著推进 DNNF 编译。
引用
@article{arxiv.1709.07092,
title = {On Compiling DNNFs without Determinism},
author = {Umut Oztok and Adnan Darwiche},
journal= {arXiv preprint arXiv:1709.07092},
year = {2017}
}