Adaptation des stratégies des solveurs SAT CDCL aux solveurs PB natifs
Résumé
Current implementations of pseudo-Boolean (PB) solvers working on native PB constraints are based on the CDCL architecture which empowers highly efficient modern SAT solvers. In particular, such PB solvers not only implement a (cutting-planes-based) conflict analysis procedure, but also complementary strategies for components that are crucial for the efficiency of CDCL, namely branching heuristics, learned constraint deletion and restarts. However, these strategies are mostly reused by PB solvers without considering the particular form of the PB constraints they deal with. In this paper, we present and evaluate different ways of adapting CDCL strategies to take the specificities of PB constraints into account while preserving the behavior they have in the clausal setting. We implemented these strategies in two different solvers, namely Sat4j (for which we consider three configurations) and RoundingSat. Our experiments show that these dedicated strategies allow to improve, sometimes significantly, the performance of these solvers, both on decision and optimization problems.
Les solveurs pseudo-booléens (PB) travaillant nativement sur des contraintes PB sont fondés sur l'architecture CDCL à l'origine des hautes performances des solveurs SAT modernes. En particulier, ces solveurs PB utilisent non seulement une procédure d'analyse de conflits (utilisant les plans-coupes), mais également des stratégies complémentaires qui sont cruciales pour l'efficacité du solveur, comme les heuristiques de choix de variable, de suppression des contraintes apprises et de redémarrage. Cependant, ces stratégies sont le plus souvent réutilisées par les solveurs PB sans tenir compte de la forme particulière des contraintes PB qu'ils considèrent. Dans cet article, nous présentons et évaluons différentes manières d'adapter ces stratégies pour tenir compte des spécificités des contraintes PB tout en préservant le même comportement que dans le cadre clausal. Nous avons implanté ces stratégies dans deux solveurs différents, à savoir Sat4j (pour lequel nous considérons trois configurations) et RoundingSat. Nos expérimentations montrent que ces stratégies dédiées permettent d'améliorer, parfois significativement, les performances de ces solveurs, à la fois sur des problèmes de décision et d'optimisation.
Domaines
Intelligence artificielle [cs.AI]
Origine : Fichiers produits par l'(les) auteur(s)