87、回溯搜索通用重启策略及SAT分层硬度模型研究

回溯搜索通用重启策略及SAT分层硬度模型研究

回溯搜索相关实验

在回溯算法的研究中，为了实现算法的随机化，动态变量排序启发式方法会从排名前5的变量（若剩余变量不足5个，则取剩余的所有变量）中随机选取一个变量。该回溯算法具备三个级别的约束传播能力：
- 级别0：边界一致性
- 级别1：单例边界一致性
- 级别2：深度为2的单例边界一致性

为了评估不同约束传播级别下的算法性能，研究人员使用了SPEC 2000和MediaBench基准套件中的调度实例进行实验。这些基准套件包含了多种编程语言和应用类型的软件包源代码，研究人员共获取了来自28个不同软件包的6377个困难调度实例。其中，训练集选用了galgel、gap、mpeg和jpeg软件包中的927个困难调度实例，原因在于这些实例约占总调度实例的15%，且涵盖了整数和浮点指令，以及多种编程语言和应用类型，能很好地代表整体数据。测试集则使用了剩余的5450个困难调度实例。

对于训练集和测试集中的每个实例，研究人员通过运行随机化回溯算法1000次，记录每次运行所需的时间（精确到0.01秒），以此收集其实时分布样本。为了避免算法运行时间过长，采用了超时机制，若实例在10分钟内未得到解决，则终止算法并记录最大时间为10分钟。这些经验性的运行时间分布随后被用于学习和测试各种重启策略。

所有的运行时间实验均在一个由768台运行Linux系统的机器组成的集群上进行，每台机器配备4GB内存和四个2.2 GHz处理器。

实验1：限时求解问题数量优化

在第一个实验中，研究人员为每个实例设置了10分钟的时间限制，旨在探究从训练集中学习到的良好参数设置是否能减少测试