重访学习子句库缩减策略
人工智能
2014-02-11 v1
摘要
在本文中，我们重访了基于 CDCL 的 SAT 求解器的一个重要问题，即学习子句库管理策略。我们的动机源于对随机策略和有界大小缩减策略显著性能的简单观察。我们首先推导了一种简单的缩减策略，称为有界大小随机化策略（简称 SBR），该策略结合了保持短子句（大小以 k 为界）与随机删除大小大于 k 的子句。在来自最近 SAT 竞赛的 SAT 实例上，该策略的性能优于基于 LBD 的现有最先进策略。受保持短子句重要性的启发，我们提出了几种新的动态变体，并讨论了它们的性能。
引用
@article{arxiv.1402.1956,
title = {Revisiting the Learned Clauses Database Reduction Strategies},
author = {Said Jabbour and Jerry Lonlac and Lakhdar Sais and Yakoub Salhi},
journal= {arXiv preprint arXiv:1402.1956},
year = {2014}
}