利用深度学习构建带性能界限的随机局部搜索 SAT 求解器

该文介绍了使用机器学习模型改进 SAT 求解器的启发式算法，以减少步数和总运行时间。作者建议使用训练好的机器学习模型进行几个初始步骤，然后将控制权交给经典启发式算法，以简化 SAT 求解的冷启动。作者还介绍了一种改进的 Graph-Q-SAT，专门针对从其他领域转换而来的 SAT 问题。作者通过随机和工业 SAT 问题验证了该方法的可行性。