一种基于深度学习的加速最大可满足性问题局部搜索方法

摘要

本发明提出了一种基于深度学习的加速最大可满足性问题局部搜索方法，属于布尔可满足性问题的局部搜索求解技术领域。本发明可以在不同PMS局部搜索求解器使用之前，输入将要求解的对应PMS问题，随后通过门控图卷积神经网络(GGCN)和多边图卷积神经网络(MGCN)输出一组确定初始解分配。实验证明，以通过深度学习获得的初始解为搜索起点的不同局部搜索求解器均获得了巨大的求解性能提升。