About: Hypothèse de contrainte, une explication de la réussite de l'heuristique UP dans la résolution des problèmes de satisfiabilité des expressions booléennes   Goto Sponge  NotDistinct  Permalink

An Entity of Type : rdac:C10001, within Data Space : data.idref.fr associated with source document(s)

AttributesValues
type
Thesis advisor
alternative label
  • Constraint hypothesis, an explanation of UP heuristic success in the resolution of boolean satisfiability problems
dc:subject
  • NP
  • SAT
  • Intelligence artificielle
  • Thèses et écrits académiques
  • Fonctions booléennes
  • Contraintes (mécanique)
  • Heuristique
  • Résolution de problème
  • Arbre recherche binaire
  • Informatique expérimentale
  • Problème NP complet
  • Problème SAT
  • Procédure DPL
preferred label
  • Hypothèse de contrainte, une explication de la réussite de l'heuristique UP dans la résolution des problèmes de satisfiabilité des expressions booléennes
Language
Subject
dc:title
  • Hypothèse de contrainte, une explication de la réussite de l'heuristique UP dans la résolution des problèmes de satisfiabilité des expressions booléennes
Degree granting institution
note
  • Le problème SAT est un cas particulier du problème de satisfaction de contraintes où les variables prennent la valeur booléenne 0 ou 1. Le problème de satisfaction de contrainte lui-même joue un rôle central dans l'intelligence artificielle (IA). L'étude du problème SAT a une forte utilité pratique car il est à la base de très nombreux problèmes d'IA, notamment la déduction automatique, le contrôle de circuits VLSI, la programmation logique, l'apprentissage, l'ordonnancement, etc. en 1962, Davis, Logemann et Loveland ont présenté leur algorithme, appelé ensuite procédure DPL, pour résoudre le problème SAT. Selon cette procédure, des systèmes complets ont été crées, par exemple, Grasp, Posit, Relsat(4), Satz, etc. notre travail se situe précisément au sein du domaine des études empiriques pour la résolution du problème SAT en utilisant les systèmes complets. Tout d'abord, nous réalisons une étude empirique pour trouver quelques propriétés intéressantes correspondant à la difficulté de la résolution des problèmes 3-SAT aléatoires, en utilisant les systèmes différents. Puis, nous contribuons à l'amélioration du système Satz, en mettant en œuvre une série d'expérimentations utilisant heuristiques UP différentes. Nous utilisons ensuite Satz pour analyser les arbres produits par ce système, pour réaliser la comparaison avec les systèmes les plus performants de la littérature et également pour créer quelques extensions. Enfin, nous essayons d'expliquer la performance de Satz par l'hypothèse de contrainte. Nos expériences dans ce travail renforcent la conviction que l'heuristique UP est puissante pour les problèmes SAT aléatoires, et elle l'est aussi pour les problèmes SAT structures. Nous pensons également que la stratégie essentielle, pour implanter la procédure DPL dans un système, est d'essayer d'atteindre une contradiction aussi vite que possible ; d'autre part, selon nous, les heuristiques sont probablement la méthode la plus efficace pour mettre en œuvre de telles stratégies. Toutefois, si les heuristiques venaient à ne pas bien fonctionner, il faudrait recourir à d'autres méthodes. Par exemple, pour les problèmes ou la plupart des variables sont symétriques, il pourrait être judicieux d'essayer des méthodes telles que l'apprentissage ou la détection de symétrie. Satz pourrait être amélioré dans ce sens. Il n'existe a ce jour aucun système capable de résoudre tous les problèmes NP-complets et en particulier les problèmes SAT. Les systèmes qui existent actuellement ne résolvent que certaines classes du problème SAT.
dc:type
  • Text
http://iflastandar...bd/elements/P1001
rdaw:P10219
  • 1998
has content type
is primary topic of
is rdam:P30135 of
Faceted Search & Find service v1.13.91 as of Aug 16 2018


Alternative Linked Data Documents: ODE     Content Formats:       RDF       ODATA       Microdata      About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data]
OpenLink Virtuoso version 07.20.3229 as of May 14 2019, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (70 GB total memory)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software