2-2 组合优化问题-常用模型与通用求解器

组合优化问题常用模型

组合优化问题常常难以求解，我们可以把这些转化为目前已经有成熟求解器的模型。

1. 可满足性问题（Satisfiability, SAT）

上一节已经讲过，SAT 是一个 NPC 问题，很多NP难的组合优化问题都可以归约到SAT。用SAT问题求解另一问题的过程，称作SAT编码。下面给出k-图着色的判定问题归约到SAT的编码方式。

例1. k-图着色问题（k-coloring problem）：判定一个无向图 $G=(V,E)$ 是否可以由 k 种不同的颜色对 V 中所有的顶点着色，其中 E 中任意一条边的两个顶点不能着同一种颜色。判定是否存在一种着色方案满足要求。

编码方式：

1. 定义变量 $x_{i,j}$ 表示对G中第i个顶点着第j种颜色，共有 k|V| 个变量。
2. 为了保证图中每个顶点都着色，定义子句：
   $$c_i=\underset{1\le j\le k}{\bigvee }{x}_{i,j}$$
   表明每个顶点至少有一种颜色，这样的子句共有 |V| 条。
3. 为了保证图中任意两条边的颜色不同，定义如下子句：
   $$c_{i,j,k}^{\prime }=\neg x_{i,k}\vee \neg x_{j,k}$$
   其中i，j表示E中的边，k表示某种着色。这样的子句共有k|E|条。

这样就得到了一个k-图着色问题可行的SAT编码。

上面给出的编码简单直接，但并不是最好的编码。但我们可以由此得出编码SAT问题的思路：

 1. 考虑约束变量的定义和个数
 2. 考虑问题的条件可以用什么子句表达
 3. 考虑问题的对称性

目前的SAT求解器有 MiniSAT（主流）, Glucose, Maple, ReasonLS等。

2. SAT的变形（MaxSAT, partial MaxSAT, weighted partial MaxSAT）

MaxSAT 问题是SAT问题的变形。

MaxSAT： 给定一个CNF公式，找到一个完备赋值，满足给定的 CNF 公式 F 中最多的子句。

当F中所有的子句都可以被满足的时候，MaxSAT就等同于SAT问题。

partial MaxSAT： 假如将子句分为硬字句和软子句两部分，partial MaxSAT
问题需要尽可能的满足更多的软子句并满足所有的硬字句。

例2. 找图G=（V，E）中的最大团，可以按照如下的策略将其编码成partial MaxSAT 问题：

1. 对每一个G中的顶点定义一个变量$x_i$，表示该顶点是否在团中。共有 |V| 个这样的变量。
2. 定义一条硬子句，满足图中任意一堆不相邻的顶点，不能都在团中：
   $$c_{i</}$$