DPLL 算法解决 SAT 问题

DPLL 算法解决 SAT 问题

DPLL 算法
Davis-Putnam-Logemann-Lovelace 算法解决 SAT 问题
它以 CNF 公式 φ 作为输入
如果 JφKv = 1 对于某些分配 v，它会输出“是”, 否则输出“否”
我们提出声明性变体
一些 SAT 求解器会返回令人满意的作业（如果存在）, CNF 算法在必要时对公式进行预处理

步骤 1：删除所有重言式子句 {p, ¬p, . . . }
第 2 步：对于每个单元子句 {l}，删除所有包含 l 的子句, 从所有子句中删除 ¬l
第三步：删除所有包含纯文字的子句（如果集合中没有子句包含它的否定，则字面量是纯子句集中的）
第4步：
如果产生了□（输入集矛盾），返回“No”
如果生成了∅（输入集可满足），则返回“是”（也许是令人满意的任务)
第 5 步：否则，选择文字 l 并对 Γ 进行大小写拆分 Γ[⊤/l] 和 Γ[⊥/l],这相当于以下简化：
case ⊤：删除所有包含 l 的子句，从所有子句中删除 ¬l
case ⊥：删除所有包含 ¬l 的子句，从所有子句中删除 l
然后将步骤 1-4 递归地应用于两个结果子句集
我们在所有步骤中默认将 ¬¬l 简化为 l

DPLL 算法
案例拆分由以下属性证明：
如果 Γ[⊤/l] 和 Γ[⊥/l] 不可满足，则子句集 Γ 不可满足
因此 Γ 是可满足的，当且仅当 Γ[⊤/l] 或 Γ[⊥/l] 是可满足的

DPLL 算法健全且完整（并终止）
健全：如果它给出了答案，那就是正确的
完整：如果存在正确答案，它会给出一个
终止：没有输入使它永远运行
校样草图
健全性：所有规则至少保持（不）可满足性
完整性：最坏情况通过案例拆分扩展完整的真值表
终止：每一步产生较小的子句集或具有较少文字的子句集

问题：证明 p ∧ q → q ∧ r 不是重言式。
解：我们证明 ¬(p ∧ q → q ∧ r) 是可满足的。 根据 CNF算法，这有子句集表示 {{p}, {q}, {¬q, ¬r}}

DPLL 算法和真值表
二叉决策树中的分支对应于真值表的行
DPLL 效率更高，因为它可以根据需要扩展分支case splits 扩展得相当大（因此被懒惰地应用）
选择最好的文字可以提高性能,但计算困难,因此启发式很重要

另一种技术：命题解析
解析可用于命题演算和谓词演算。 在这里我们看
在命题版本。
再次考虑 CNF 中的命题公式。 我们会写
C、C’ 子句,l 用于文字,C ∨ l 而不是 C ∪ {l}
命题解析使用一种特定的推导规则：解析规则

反驳定理证明
分辨率用于反驳定理证明
证明一个 φ 是重言式
¬φ 转换为 CNF 公式 ψ,分辨率用于从 ψ 推导出 □
为什么这种方法有效
□ 是⊥ 的别称。 如果你可以从 ¬φ 导出 □，这意味着 ¬φ 不能是满足，因此 φ 必须是重言式。查看 CNF 的详细信息

实现以不同方式执行证明搜索
从 Γ0 = Γ，他们构造集合 Γ1，添加 Γ0 的所有分解子
Γ1 = Γ0 ∪ {{p}, {q}, {p, ¬p}, {q, ¬q}, {¬q}, {¬p}}
然后他们构造集合 Γ2，为 Γ1 添加所有解析子
Γ2 = Γ1 ∪ {。 . . , □, . . . }生成 □ 时停止证明搜索
添加解决方案保留可满足性、不可满足性、有效性
如果 C 是子句集 Γ 中两个子句的分解子，则Γ ≡ Γ ∪ {C}

饱和
我们给出了解析算法的抽象说明性规范,让 res(X) = X ∪ {C | C 是 X 中子句的解析}

健全性（分辨率给出正确答案）
如果它的饱和度包含 □，则子句集是不可满足的。
证明
通过先前的事实和对 n 的归纳，Γ ≡ Γ
1 ≡ · · · ≡ Γ
n ≡ · · · ≡ Γ*
因此如果 □ ∈ Γ*, 然后 Γ∗ 不可满足，Γ 也是如此。

证明（反驳完整性）：
这意味着分辨率从任何不可满足的 Γ 推导出来
如果 Γ 不可满足，那么一些有限 Γ0 ⊆ Γ 也是如此（通过紧凑性）
所以 Γ0 包含 n 个命题变量 p1, 。 . . , pn 对于一些 n ∈ N
我们通过对 n 的归纳证明声明,在基本情况下，不可满足意味着 Γ0 = {□}对于归纳步骤（Γ0 具有 n + 1 个变量）