是否应该施加额外的约束来缩短 SMT 求解器的求解时间？
Should imposing additional constraints improve solving time for SMT solvers?
我有一个 SMT 应用程序（建立在 Haskell SBV 库上），它使用 Z3 在实数逻辑中针对单个 s 变量求解一些复杂方程。就我而言，找到解决方案大约需要 30 秒。
为了加快速度，我添加了额外的约束 s < 40000，因为我对解决方案有一些估计。我在想这样的约束会缩小搜索 space 并使求解器 return 更快地得到结果。然而，这只会让它变慢（实际上它甚至没有在 10 分钟内完成）。
问题是：是否可以假设附加约束总是 会减慢down/speeds 求解过程，或者没有通用规则并且总是取决于具体情况？
我担心即使我的 30 秒算法也可能包含一些不一定需要的额外约束，但只会减慢过程。
我认为您不能对此做出任何一般性假设。它可能会或可能不会影响解决时间，假设 sat/unsat 状态没有改变。
等式通常有帮助（因为它们可以自由传播），但对于其他任何事情，这是任何人的猜测。此外，对于相同的加法，不同的求解器可能会表现出不同的行为。
考虑这一点的一种方法是，底层 DPLL(T) 算法本质上是一种非常智能的美化搜索算法。它不断生成 "learned lemmas"，希望它能找到与先前已知事实的矛盾。您添加的新 "constraint" 可能会导致它生成大量正确但不相关的引理，使它陷入困境而没有任何有用的结果。 （量化公式通常是这样的：您可以用一百万种不同的方式实例化它们；但除非您找到 "correct" 实例化，否则它们所做的只是污染您的搜索 space。）
至少这是我的经历！
我有一个 SMT 应用程序（建立在 Haskell SBV 库上），它使用 Z3 在实数逻辑中针对单个 s 变量求解一些复杂方程。就我而言，找到解决方案大约需要 30 秒。
为了加快速度，我添加了额外的约束 s < 40000，因为我对解决方案有一些估计。我在想这样的约束会缩小搜索 space 并使求解器 return 更快地得到结果。然而，这只会让它变慢（实际上它甚至没有在 10 分钟内完成）。
问题是：是否可以假设附加约束总是 会减慢down/speeds 求解过程，或者没有通用规则并且总是取决于具体情况？
我担心即使我的 30 秒算法也可能包含一些不一定需要的额外约束，但只会减慢过程。
我认为您不能对此做出任何一般性假设。它可能会或可能不会影响解决时间，假设 sat/unsat 状态没有改变。
等式通常有帮助（因为它们可以自由传播），但对于其他任何事情，这是任何人的猜测。此外，对于相同的加法，不同的求解器可能会表现出不同的行为。
考虑这一点的一种方法是，底层 DPLL(T) 算法本质上是一种非常智能的美化搜索算法。它不断生成 "learned lemmas"，希望它能找到与先前已知事实的矛盾。您添加的新 "constraint" 可能会导致它生成大量正确但不相关的引理，使它陷入困境而没有任何有用的结果。 （量化公式通常是这样的：您可以用一百万种不同的方式实例化它们；但除非您找到 "correct" 实例化，否则它们所做的只是污染您的搜索 space。）
至少这是我的经历！