|
文献：Understanding VSIDS Branching Heuristics in Conflict-Driven Clause-Learning SAT Solvers 一、VIG图与TVIG图用于反映运行时信息1. 基本思想 variable incidence graph
exponentially smoothed temporal graph centrality (TGC) ——TGC 是广泛使用的图中心性度量（例如度数和特征向量中心性）的时间版本，用于识别图中的重要顶点。 这些定义的灵感来自最近对社交网络时间方面的研究[22,42]。例如，定时PageRank算法[42]用于发现将来可能被引用的重要出版物。结果表明，VSIDS通常选择具有高时间度中心性和时间特征向量中心性的变量。VSIDS picks high-centrality bridge variables. 结果表明，VSIDS通常选择具有高时间度中心性和时间特征向量中心性的变量。上述发现基本上告诉我们，我们有一个数学上精确的图论度量系列，即TGC，它简洁地表征了VSIDS启发式家族的加法凸起和乘法衰减分量。具有高中心性的变量对应于“最近”学习的子句中的变量，这些子句是“高度约束的”，并且会被累加颠簸。没有“持续”高度约束的变量，即在最近学习的子句中不经常出现的变量会很快衰减掉。
temporal variable incidence graphs (TVIG) TVIG 通过将学习的子句数据库的动态演变方面合并到 SAT 求解器中，将众所周知的变量发生图扩展到布尔公式上，并使用指数平滑来关注最近学习的子句。
2. 定义
As an edge’s age increases, its weight decreases exponentially with time assuming no new learnt clause contains its variables. In many domains, it is often the case that more recent data points are more useful than older data points.
3. 度量指标
4. 应用
5. 分析与评价
6 结论： 在本文中，我们介绍了各种经过实证验证的VSIDS发现。结果表明，VSIDS倾向于支持布尔公式社区结构中的高中心性桥接变量。此外，我们表明，在搜索过程中，VSIDS 专注于 SAT 实例图中的一小部分社区。 最后，我们解释了 VSIDS 与 EMA 的乘法衰减，并利用这一发现设计了一种新的分支启发式方法，我们称之为 adaptVSIDS。这些结果表明，社区结构、图中心性和指数平滑是理解分支启发式 VSIDS 家族行为和 CDCL SAT 求解的重要视角。 |
|
