提取极小布尔不可满足子式.pdfVIP

提取极小布尔不可满足子式+ 邵明1,2李光辉1,2,3李晓维1 1中国科学院计算技术研究所信息网络室，北京100080 2中国科学院研究生院，北京100039 3浙江林学院信息系，杭州311300 摘要本文研究了提取极小布尔不可满足子式的算法。它分为近似算法和精确算法两种，该文 提出了局部预先赋值的优化方案。并且在理论上证明了它的正确性，更进一步通过实验说明了该算 法在效率上获得的提高。此外通过模拟实验观察到DPLL近似提取算法的一个有趣现象，即随着公 式密度的增加，算法的提取误差会趋于下降。 关键词布尔可满足问题极小布尔不可满足子式． 1引言与研究背景 可满足问题是指对于一个布尔函数，问是否存在对它变量的赋值以使得该函数结果为真，或者证明 对于它变量的任何赋值其结果为假。可满足问题一直受到各个领域研究者的广泛关注。在实际应用中，可 满足问题一般采用合取范式形式，它是由许多子句的“与”构成，在许多场合下，当问题不可满足时候， 人们需要精确知道哪些子句构成了不可满足的原因，即提取极小布尔可满足问题，英文文献中称为 Minimal Unsatlsfiablesub-formula，本文以下简称MU。 譬如，在超大规模集成电路的设计验证领域中，设计的不同层次(例如规范与实现两个层次)之间 需要进行等价性证明，当问题不可满足的时候，就说明了待比较的两种层次的设计在功能上是等价的， 而Mu子式所占的比例就可以反映设计的目标层次中(例如实现层次)功能冗余的多少。又譬如在对设 满足问题进行高效率的求解，一组可满足的赋值代表了一种可行的方案，反之若问题不可满足，就说明 了原问题存在规划上的错误，这就需要进行错误的定位，而MU子式就为此提供了很重要的调试信息． 与提取MU子式密切相关的问题是对它进行识别的问题【4，5，6]，现在已经有文献证明，对于变量数 是严格大于变量数目，即K0，这样识别MU的阀题是多项式时间内可以解决的。但是对于一个不可 满足问题，它往往不是MU，提取它的MU子式仍然没有得到很好的解决，事实上它的难度至少不会低 于可满足问题，因为很明显如果能够找到它的MU子式就可以立刻推断它是不可满足的。目前在研究文 献上，提取MU的算法大致可以分为如下两类。其～为近似算法，例如[7，8，9】利用了在求解可满足问题 的DPLL完全算法过程中产生的分解图或称为隐含图)，进行冲突点(即在隐含过程中产生的冲突子句) 的扇入予句集合的计算，然后去除因为回跳而增加的子句，这样就得到了近似MU(或者称为不可满足 问题核)。其二是精确算法，例如文献【lo】中通过把可满足问题转化为线性规划问题，在线性代数Farkas 定理基础上，规划的一组可行性解对应着一个MU子式，从文献中提供的实验数据可以看出，该方法很 句，否则若不可满足则删除该子句。 本文对精确提取MU提出了预先局部赋值的优化方案。另外本文就提取MU子式的近似算法通过模 拟实验进行了误差分析。 2基本概念与算法分析 2．1基本概念 定义1：可满足问题是指给定如下形式的布尔函数 ^f r)· F。会iCm·(cmV。。mn丫“m 问是否存在布尔变量靠，∈{X1 上面的式子中C。称为一个子句，它是不同变量肯定或否定形式的并，而变量的肯定x。。或否定形式 —Ⅸ。，称为字。如果存在布尔变量的某个赋值使得F=1则称F是可满足的，否则如果对于任何赋值都有 F=0，则称F是不可满足的。 F＼Q=A．，Cn是可满足的，则称F是极小不可满足的，简称MU。 定义3：如果对于两个布尔函数F，G：B”一B．B={0，1)，如果对于任何x∈占”， 2．2遍历子句的精确算法 算法1(zminimal)[11]：对于不可满足的合取范式F=C1AC2 次执行如下步骤： 步骤K：如果最一。＼C￡是可满足的，则令=∥否则令足=R一1＼cr． 算法2(预先赋值算法)：与算法一类似，只是将算法一的步骤K替换如下 步骤K：如果