Portfolio Selection for SAT Instances
Notice bibliographique
Résumé
SAT problems are fundamental in representing and solving combinatorial applications. Over the past years, many sophisticated SAT solvers have been proposed. Due to the topic’s relevance, a SAT competition is scheduled yearly to promote solving hard SAT instances. There is no unique solver to tackle all SAT problems efficiently. Indeed, some solvers work best for some SAT instances but perform poorly for others. This limitation has been addressed, in the literature, by identifying a pool of solvers that complement each other for efficiently tackling a given set of SAT instances. This pool of solvers is called a portfolio. Several studies have been conducted to find the optimal portfolio maximizing the number of solved SAT instances, minimizing the overall running time, or a trade-off between both. In this context, we present a new approach that first finds the suitable portfolio meeting each of these objectives. Then, the approach predicts the best solver for any new SAT instance. Our approach is based on Greedy search techniques, clustering, and deep learning. More precisely, we investigate two different scenarios. In the first one, our goal is to find the best portfolio capable of solving the largest number of instances within a given time limit. Both the Greedy-based method and clustering are used in this case. The second scenario aims to find the optimal portfolio to minimize the penalized average running time. The latter objective captures a good trade-off between the objective in the first scenario and the overall average running time. In addition to Greedy search and clustering, we consider a variant of the Beam-search technique to address this scenario. To assess the performance of our approach regarding the two scenarios, we conduct multiple experiments on the SAT2021 competition datasets that include SAT instances together with participants’ solvers’ results for each instance. The outcomes from the conducted experiments are encouraging and promising.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».