随机子立方体作为约束满足问题的玩具模型
该论文研究了随机约束满足问题的解空间结构,并证明了在解消失之前,它们会组成指数数量的簇,并且每个簇都相对较小且相距较远。此外,每个簇内的大部分变量都被冻结,并提出 Survey Propagation 算法的一项重要假设。
Nov, 2006
研究了随机约束满足性问题的两个典型集合,并主要考虑其相空间的纯态、相变等问题,阐述了相变精确位置和多种算法在不同相的表现,包括局部蒙特卡罗马尔科夫链、置信传播和调查传播技术。
Dec, 2006
本文利用 RB 和 RD 模型展示随机 CSP 实例的理论和实际兴趣,证明在限制域大小和约束紧密性的情况下,可以保证渐近相变阈值点的准确定位,并且所有实例在阈值处的困难度保证是指数级别的。
Sep, 2005
通过系统的约束求解器的黑盒方案,结合搜索空间的统一探索,我们提出了一种新的采样技术,可以克服采样过程中的诸多困难,形成了自然的近似模型计数技术。
Oct, 2012
介绍了一种新的基于熵的 Monte Carlo 方法来高效地采样随机约束满足问题的解决方案。通过优化本地熵度量,该方法构建了快速求解器,并展示了其在不同结构的典型约束满足问题上的性能表现。
Nov, 2015
我们利用统计物理学中的一步副本对称性预测,为所有的 k≥k_0,建立了随机 k-SAT 的可满足性阈值,给出满足阈值和不满足阈值的限制密度的显式计算公式,并用一种新的分析方法对随机图进行矩计算,将一个高维的优化问题映射到了一个更易处理的分析树递归问题,证明了我们的阈值计算方法适用于 1-RSB 普适性类中的各种随机约束满足问题。
Nov, 2014
通过采用玻璃体系的空腔方法,我们在随机可满足性和随机图着色问题中,探讨困难问题的算法性质以及所谓的冻结变量的存在与问题的难度之间的关系,从而引入一个新的 “锁定” 约束满足问题的类别。
Jun, 2008