41、高效计算最小点代数约束与CSP不可满足性的细粒度解释

高效计算最小点代数约束与CSP不可满足性的细粒度解释

1. 不同领域的CSP生成

在研究中，涉及到多个不同的领域来生成约束满足问题（CSP），以下是各领域的详细介绍：
| 领域 | 描述 | 生成方式 |
| — | — | — |
| 领域C | 基于凸点代数（convex PA）的链式结构随机生成的CSP | 对于每个考虑的变量数量n，按照特定方法生成100个CSP |
| 领域D | 由倾向于形成链的数据集组成的凸点代数上的随机生成CSP | 对于每个考虑的变量数量n，生成100个CSP，每个CSP包含$n \cdot \lfloor(\log_2(n))\rfloor$个约束 |
| 领域E | 与领域A类似，但CSP还包含 $\neq$-约束 | 对于每个考虑的变量数量n，生成100个CSP，每个CSP包含$n \cdot \lfloor(\log_2(n))\rfloor$个约束，其中10%是 $\neq$-约束 |
| 领域F | 全点代数（full PA）上具有链式结构和许多 $\neq$-菱形（禁止图）的随机生成CSP | 对于每个考虑的变量数量n，将变量划分为三个子集，每个子集包含 $\lfloor n/3 \rfloor$ 个变量，约束形成 $\leq$-约束链，每个子集中的变量约束至少确定 $\lfloor n/3 \rfloor - 1$ 个 $\neq$-菱形，生成的CSP中 $\neq$-约束的百分比约为50% |

2. 实验结果

实验主要对比了tgc和pc（或pc-fg）在不同领域的性能，具体结果如下：
- 领域A和B ：
-