87、回溯搜索通用重启策略与SAT分层硬度模型研究

回溯搜索通用重启策略与SAT分层硬度模型研究

在解决复杂问题时，回溯搜索算法和SAT问题求解是两个重要的研究领域。本文将深入探讨回溯搜索的通用重启策略以及SAT问题的分层硬度模型，通过实验结果分析其性能和有效性。

1. 回溯搜索算法及实验设置

回溯搜索算法是解决许多复杂问题的常用方法。为了随机化回溯算法，动态变量排序启发式方法会从排名前5的变量中随机选择一个变量（如果剩余变量少于5个，则从剩余变量中选择）。该回溯算法能够执行三个级别的约束传播：
- Level = 0 ：边界一致性
- Level = 1 ：单例边界一致性
- Level = 2 ：深度为2的单例边界一致性

实验使用了SPEC 2000和MediaBench基准套件中的调度实例，这两个套件是编译器研究中的标准真实世界基准。实验共使用了来自28个不同软件包的6377个硬调度实例，其中训练集选取了galgel、gap、mpeg和jpeg软件包的927个硬调度实例，测试集则使用了剩余的5450个硬调度实例。

对于训练集和测试集中的每个实例，通过运行随机化回溯算法1000次并记录每次运行的时间（以秒为单位）来收集其运行时分布样本。同时设置了超时机制，如果实例在10分钟内未解决，则终止算法并记录最大时间10分钟。所有实验均在由768台运行Linux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。

2. 实验一：有时间限制下的重启策略评估

在第一个实验中，为每个实例设置了10分钟的时间限制，目的