Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.00557

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2507.00557 (cs)
[提交于 2025年7月1日 ]

标题: 通过MCSAT集成改进SMT-NRA中的局部搜索

标题: Advancing Local Search in SMT-NRA with MCSAT Integration

Authors:Tianyi Ding, Haokun Li, Xinpeng Ni, Bican Xia, Tianqi Zhao
摘要: 在本文中,我们推进了满足非线性实数算术理论的可满足性问题(SMT-NRA)的局部搜索。 首先,我们引入了一种二维单元跳跃移动,称为\emph{$2d$-单元跳跃},这是 SMT-NRA 局部搜索方法中的关键操作单元跳跃的推广。 然后,我们提出了一种扩展的局部搜索框架,命名为\emph{$2d$-LS}(遵循 SMT-NRA 的局部搜索框架 LS),将模型构建可满足性演算(MCSAT)框架集成以提高搜索效率。 为了进一步提高 MCSAT 的效率,我们实现了一种最近提出的称为\emph{样本单元投影算子}的技术,该技术非常适合实数域中的 CDCL 风格搜索,并有助于引导搜索远离冲突状态。 最后,我们设计了一个结合 MCSAT、$2d$-LS 和 OpenCAD 的 SMT-NRA 混合框架,通过信息交换提高搜索效率。 实验结果展示了局部搜索性能的提升,突显了所提出方法的有效性。
摘要: In this paper, we advance local search for Satisfiability Modulo the Theory of Nonlinear Real Arithmetic (SMT-NRA for short). First, we introduce a two-dimensional cell-jump move, called \emph{$2d$-cell-jump}, generalizing the key operation, cell-jump, of the local search method for SMT-NRA. Then, we propose an extended local search framework, named \emph{$2d$-LS} (following the local search framework, LS, for SMT-NRA), integrating the model constructing satisfiability calculus (MCSAT) framework to improve search efficiency. To further improve the efficiency of MCSAT, we implement a recently proposed technique called \emph{sample-cell projection operator} for MCSAT, which is well suited for CDCL-style search in the real domain and helps guide the search away from conflicting states. Finally, we design a hybrid framework for SMT-NRA combining MCSAT, $2d$-LS and OpenCAD, to improve search efficiency through information exchange. The experimental results demonstrate improvements in local search performance, highlighting the effectiveness of the proposed methods.
主题: 人工智能 (cs.AI) ; 计算机科学中的逻辑 (cs.LO); 符号计算 (cs.SC)
引用方式: arXiv:2507.00557 [cs.AI]
  (或者 arXiv:2507.00557v1 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.00557
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Haokun Li [查看电子邮件]
[v1] 星期二, 2025 年 7 月 1 日 08:27:29 UTC (3,728 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.LO
cs.SC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号