报告主题: From Satisfiability to Optimization Modulo Theories

简介:

可满足性模理论(SMT)是决策的可满足性问题(通常quantifier-free)一阶公式对一些可决策的一阶理论(例如,rational LRA的线性运算或整数LIA及其数组AR,向量BV和浮点数的FP)及它们的组合。SMT引擎被广泛用作许多应用领域的后端引擎(包括规划、模型检查、需求工程、软件和HW验证)。然而,许多感兴趣的SMT问题都要求能够找到最优的wrt模型,一些目标函数。这些问题被归为优化模理论(OMT)一类。 本教程旨在提供OMT的主要问题、技术、功能和应用的概述,关注表达性和效率。具体的主题包括:支持在不同的兴趣理论中表达的目标函数;处理OMT增量;处理多个目标;处理重要的OMT子案例,如Max-SMT。我们简要地描述了一些有趣的应用。最后,指出了一些有待解决的问题和研究方向。

邀请嘉宾:

Roberto Sebastiani目前是意大利特伦托大学信息科学与工程系的副教授。他获得了意大利帕多瓦大学的电子工程硕士学位(1991年)和获得了意大利热那亚大学的计算机科学工程博士学位(1997年)。他目前的主要兴趣是优化模理论(OMT),可满足性模理论(SMT)及其在形式验证和AI问题中的应用。他的研究还涉及形式验证,SAT,模态和描述逻辑的决策程序,计划,定理证明。他发表了90多篇论文,其中许多论文发表在AI或与AI相关的期刊和会议上。

成为VIP会员查看完整内容
3

相关内容

对于给定d个属性描述的示例x=(x1,x2,......,xd),通过属性的线性组合来进行预测。一般的写法如下: f(x)=w'x+b,因此,线性模型具有很好的解释性(understandability,comprehensibility),参数w代表每个属性在回归过程中的重要程度。
英伟达Faster Transformer:作者带你揭秘BERT优化
机器之心
14+阅读 · 2019年9月18日
PRL导读-2018年120卷15期
中科院物理所
4+阅读 · 2018年4月23日
Arxiv
15+阅读 · 2019年9月11日
Arxiv
26+阅读 · 2018年9月21日
Arxiv
8+阅读 · 2018年3月17日
VIP会员
相关VIP内容
微信扫码咨询专知VIP会员