论文提出了关于大规模自然问题中精确概率推断效率的新极限，尤其是给出了关于知识编译到 SDD 和 DNNF 形式的新下限，并利用 SDD 大小与最佳划分通信复杂度的关系证明了一类大型问题的 SDD 大小的指数下限。

Jun, 2015

本文介绍了可分解否定范式（DNNF）作为可行的命题理论形式，并提供了一些在多项式时间内可以执行的强大逻辑操作。在此基础上，本文提出了将任何合取范式（CNF）转化为 DNNF 的算法，并提供其空间和时间复杂度上的结构保证。同时它也介绍了将有序二叉决策图（OBDD）表示的命题理论转换为等价的 DNNF 的线性时间算法。接着，介绍了采用新的操作在 d-DNNF 上遍历之后实现线性时间、完整的信念修正系统。

Mar, 2000

通过使用 Davis-Putnam 算法，提出了一种算法 CDP，用于计算 CNF 或 DNF 公式的模型的准确数量，该算法的平均运行时间是 O (nm^d)，在大量的 CNF formulas 实验中的实际表现已经被估计。

Jun, 2011

本文研究了命题模型计数问题，针对约束条件表达式分别为 DNF 公式和 CNF 公式分别介绍了 Monte Carlo 和基于哈希的计数技术，并提出了两种新算法技术：Symbolic Hashing 和 Stochastic Cell Counting，通过设计基于哈希的 FPRAS for DNF counting 提高了效率和应用价值。

Oct, 2017

我们提出了第一个准确的伪布尔模型计数器 PBCount，它通过代数决策图的知识编译方法来实现。我们的实证评估表明，PBCount 可以计算 1513 个实例的计数，而当前最先进的方法只能处理 1013 个实例。我们的工作为进一步研究伪布尔公式的模型计数提供了几个方向，如预处理技术的开发和除知识编译之外的其他方法的探索。

Dec, 2023

该研究论文主要研究了基于二元决策图的 Pseudo-Boolean 约束编码技术，提出了使用系数分解方法克服爆炸性增长问题，并给出了第一个多项式广义弧一致的 ROBDD 编码算法。

Jan, 2014

使用动态规划算法和代数决策图作为主要数据结构来计算布尔公式的精确文字加权模型计数，并将该方法实现在 ADDMC 中，通过在 1914 个标准模型计数基准测试中的比较，展示 ADDMC 在加权模型计数上显著优于现有最佳的求解器。

Jul, 2019

该研究讨论了 #SMT 的编译策略，提出了一种基于穷尽 DPLL (T) 搜索的自上而下的编译器。

Jun, 2023

结构化 d-DNNF、SDD 和 OBDD 之间存在可处理性转换和简洁性差距的问题，我们通过实验证明结构化 d-DNNF 不支持多项式时间的取反、析取和存在量词操作，并且存在一些函数，其具有等价的多项式大小的结构化 d-DNNF，但没有等价的 SDD 表示。我们还通过对算术电路（AC）的研究，将这个结果推广到 PSDD 和结构化 d-DNNF 的单调 AC 类似物之间，从而展示了简洁性差距。

Feb, 2024

通过有限精度变量、关键性分析、贪婪策略等技术实现近似深置信网络 (ApproxDBNs)，在保证目标准确率的前提下，最大化降低硬件实现的能耗。实验结果表明，通过限制准确度损失，能够显著降低硬件的处理精度。

Apr, 2017