本文提出了加权布尔优化（Weighted Boolean Optimization，WBO）的新统一框架，并提出了一种基于不可满足性的算法为 WBO 提供解决方案，并且该算法可用于解决众多相关问题，包括 非常规的伪布尔约束条件。实验结果表明，基于不可满足性的算法比现有的专用算法更有效。

Mar, 2009

本文通过两种方法提高局部搜索算法的效率解决了伪布尔优化问题 (PBO)。首先使用一些机制 (如单位传播) 将其广义化为 PBO 问题，然后利用措辞这个桥梁来增强对其的理解。实验表明我们的算法比现有算法性能更好。

Jan, 2023

本文提出了一种基于多臂赌博机的本地搜索算法 BandHS 用来解决 MaxSAT 及其两个泛化问题，和一个初始化方法优化算法的表现。经过大量实验证明，本文提出的方法在解决 MaxSAT 问题时表现出色。

Nov, 2022

提出一种基于连续局部搜索与信念传播结合的算法 GradSAT，能在求解混合布尔约束问题方面有很好的应用表现，对称布尔约束和小系数伪布尔约束也可适用，并有望成为解决布尔满足性和优化问题的有效方法之一。

Dec, 2020

本文提出了一种新的框架 UpMax，将分割过程与 MaxSAT 解决算法分离，使用户能够根据问题来提出分割方案，证明分割对于基于不可满足性的 MaxSAT 算法的性能有很大的影响。

May, 2023

本文提出了两种近似策略来改进不完全解决 MaxSAT 问题，并通过在 MaxSAT 评估 2017 中实验结果表明，这两种策略能够比最佳不完全求解器找到更好的解决方案。这两种策略分别是：通过聚类并用代表权重近似表示，以及将求解无法满足的子句权重之和最小化的问题分解成多个最小化子问题。

Jun, 2018

本文介绍了一种结合 solution prediction model 和神经网络的方法 ——NLocalSAT，用于提高 stochastic local search 在解 Boolean satisfiability problem 时的有效性，并且在 SAT Competition 2018 的实验中取得了 27% ~ 62% 的性能提升。

Jan, 2020

利用图神经网络训练适用于布尔可满足性问题的 SLS 求解器，可显著提高性能，平均解决比例更高、步骤更少，具有性能保证。

Sep, 2023

本研究提出了一个名为 BandMaxSAT 的局部搜索算法，它应用多臂赌博机模型来引导搜索方向，特别适用于 Partial MaxSAT (PMS) 和 Weighted PMS (WPMS) 问题，相较于现有算法 SATLike3.0，实验证明 BandMaxSAT 在解决这些问题上更为优秀，与 TT-Open-WBO-Inc 结合可以获得更好的效果。

Jan, 2022

该研究提出了一种基于整数规划和强化学习算法的统一框架 DCSAT，用于解决不同类型的布尔可满足性问题，包括 MaxSAT、Weighted MaxSAT、PMS 和 WPMS 等。通过调整目标函数系数，构建了统一的整数规划表示方法，并基于 0-1 整数规划构建了适当的强化学习模型。基于二叉树搜索结构，在 SAT 问题上应用了蒙特卡罗树搜索（MCTS）方法，证明了该方法能够基于维纳 - 欣钦大数定律找到所有最优的布尔赋值。实验证明，该方法能够剪枝不必要的搜索空间，找到问题的最优布尔赋值，同时为 SAT 问题的监督学习方法提供多样的标签。

Dec, 2023