在 Z3 中编码 max、min 和 abs 的最有效方式
The most efficient way to encode max, min and abs in Z3
我有一个我想解决的非线性整数不等式系统。在其中我需要计算整数的绝对值以及两个整数的 maximum/minimum。
这是一个玩具示例:
from z3 import *
set_option(verbose=10)
x, y, z, z1 = Ints('x y z z1')
def abs(x):
return If(x >= 0,x,-x)
def max(x, y):
return If(x>=y, x, y)
def min(x, y):
return If(x<=y, x, y)
s = Solver()
s.add(x**2 + y**2 >= 26)
s.add(min(abs(y), abs(x))> 5)
s.add(3*x**2 + 25*y**2 >= 100)
s.add(x*y - z*z1 < 10)
s.add(max(abs(z), abs(z1)) <= 10)
s.add(min(abs(z), abs(z1)) > 1)
s.check()
print(s.model())
我的真实系统更复杂,需要更长的时间才能 运行。
我不太明白 Z3 是如何工作的,但我担心我使用 Python 定义 abs
、max
和 min
的方式函数可能会使 Z3 难以求解不等式系统。有没有更好的方法可以让 Z3 更有效率?
您的编码方式很好。确实没有“更好”的方法来编写这些操作。
非线性问题对于 SMT 求解器来说真的很难。事实上,他们解决这些问题的一种方法是假设这些值是“实”数,解决它,然后检查模型是否实际上只包含整数。另一个技巧是减少到位向量:将越来越大的位向量分配给变量,看看是否可以找到模型。您可以想象这两种技术都适合“模型发现”,但在证明 unsat
方面却很糟糕。 (详情见:How does Z3 handle non-linear integer arithmetic?)
如果您的问题确实是非线性的,那么 SMT 求解器可能不是最适合您的工具。支持算术理论的实际定理证明器可能是更好的选择,当然这是一个完全不同的讨论。
您可以尝试的一件事是“简化”问题。例如,您似乎总是使用 abs(y)
和 abs(x)
,也许您可以删除 abs
术语并简单地断言 x > 0
和 y > 0
?请注意,这 不是 降噪:您 是 明确告诉求解器忽略所有负面 x
和 y
值,但它可能足以解决您的问题,因为您可能只关心 x
和 y
无论如何都是正的。这将有助于求解器,因为它会减少搜索 space 并摆脱条件表达式,但请记住,您在问一个不同的问题,因此您的解决方案 -space 现在不同了. (它甚至可能变成 unsat
新约束。)
长话短说;非线性算术很困难,您编码 min
/max
/abs
的方式很好。看看你是否可以通过不使用它们来“简化”问题,或许可以为求解器解决一个相关的更简单的问题。如果那不可能,恐怕您将不得不超越 SMT 求解器来处理您的非线性方程组。 (而且 none 当然会很容易,因为这个问题本身就很困难。再次通读 How does Z3 handle non-linear integer arithmetic? 以获得一些额外的细节。)
我有一个我想解决的非线性整数不等式系统。在其中我需要计算整数的绝对值以及两个整数的 maximum/minimum。
这是一个玩具示例:
from z3 import *
set_option(verbose=10)
x, y, z, z1 = Ints('x y z z1')
def abs(x):
return If(x >= 0,x,-x)
def max(x, y):
return If(x>=y, x, y)
def min(x, y):
return If(x<=y, x, y)
s = Solver()
s.add(x**2 + y**2 >= 26)
s.add(min(abs(y), abs(x))> 5)
s.add(3*x**2 + 25*y**2 >= 100)
s.add(x*y - z*z1 < 10)
s.add(max(abs(z), abs(z1)) <= 10)
s.add(min(abs(z), abs(z1)) > 1)
s.check()
print(s.model())
我的真实系统更复杂,需要更长的时间才能 运行。
我不太明白 Z3 是如何工作的,但我担心我使用 Python 定义 abs
、max
和 min
的方式函数可能会使 Z3 难以求解不等式系统。有没有更好的方法可以让 Z3 更有效率?
您的编码方式很好。确实没有“更好”的方法来编写这些操作。
非线性问题对于 SMT 求解器来说真的很难。事实上,他们解决这些问题的一种方法是假设这些值是“实”数,解决它,然后检查模型是否实际上只包含整数。另一个技巧是减少到位向量:将越来越大的位向量分配给变量,看看是否可以找到模型。您可以想象这两种技术都适合“模型发现”,但在证明 unsat
方面却很糟糕。 (详情见:How does Z3 handle non-linear integer arithmetic?)
如果您的问题确实是非线性的,那么 SMT 求解器可能不是最适合您的工具。支持算术理论的实际定理证明器可能是更好的选择,当然这是一个完全不同的讨论。
您可以尝试的一件事是“简化”问题。例如,您似乎总是使用 abs(y)
和 abs(x)
,也许您可以删除 abs
术语并简单地断言 x > 0
和 y > 0
?请注意,这 不是 降噪:您 是 明确告诉求解器忽略所有负面 x
和 y
值,但它可能足以解决您的问题,因为您可能只关心 x
和 y
无论如何都是正的。这将有助于求解器,因为它会减少搜索 space 并摆脱条件表达式,但请记住,您在问一个不同的问题,因此您的解决方案 -space 现在不同了. (它甚至可能变成 unsat
新约束。)
长话短说;非线性算术很困难,您编码 min
/max
/abs
的方式很好。看看你是否可以通过不使用它们来“简化”问题,或许可以为求解器解决一个相关的更简单的问题。如果那不可能,恐怕您将不得不超越 SMT 求解器来处理您的非线性方程组。 (而且 none 当然会很容易,因为这个问题本身就很困难。再次通读 How does Z3 handle non-linear integer arithmetic? 以获得一些额外的细节。)