Year: 2025
Type: dissertation
Abstract: Maximum Boolean Satisfiability (MaxSAT) is a central NP-hard optimization problem with wide-ranging applications.In this work, we address the challenge of algorithm selection for MaxSAT by developing and comparing multiple prediction models designed to narrow the performance gap between the Single Best Solver (SBS) and the theoretical Virtual Best Solver (VBS).We propose grouping based models including Family Based Prediction (FP) and Clustering Based Prediction (CP), as well as their hierarchical extensions (FHP and CHP) that employ dedicated random forests for each group of instances.In addition, we examine the Direct Solver Predictor (DSP) model, which is not based on grouping.All models are evaluated on a dataset comprising 13,742 weighted CNF instances from the Global Benchmark Database, with performance measured through k-fold cross-validation and a range of metrics including PAR-2 score, prediction accuracy, gap closure, and Matthews Correlation Coefficient.Our experiments reveal that while grouping by families or clusters achieves high prediction accuracy when ample training data is available, only clustering significantly enhances the discriminative ability of the predictors in the face of unseen instance families.Notably, the Direct Solver Predictor model consistently achieves robust performance and closes the performance gap by up to 73%.An dieser Stelle möchte ich mich herzlich bei allen Personen bedanken, die mich während der Bachelorarbeit unterstützt haben.Mein besonderer Dank gilt meinem Betreuer Markus Iser, nach dessen Meetings ich stets wieder Licht am Ende des Tunnels sah.Ebenso danke ich meinen Freunden, die mir immer zur Seite standen und ebenfalls für viel Motivation gesorgt haben. Use of Generative AIIn dieser Arbeit wurde generative KI eingesetzt, um Code zu genrieren, die Rechtschreibung, Grammatik und den Stil zu korrigieren sowie die relevante Literatur besser zu verstehen (z.B. durch das Generieren von Zusammenfassungen und anschließenden Fragen).Dabei sind jedoch keine Informationen oder Ideen in die Arbeit eingeflossen, die nicht zuvor auf ihre Echtheit in der Originalquelle überprüft worden sind.Insbesondere wurde generative KI nicht für die Literaturrecherche und auch nicht zur Generierung von ganzen Abschnitten oder Kernaussagen sowie anderen thematischen Schwerpunkten eingesetzt.Es sind folgende Modelle verwendet worden: GitHub Copilot, ChatGPT mit GPT-4o, o1, o3 Mini und Gemini mit 2.0 Flash und 1.5 Pro.Hiermit versichere ich, dass ich diese Arbeit selbständig verfasst und keine anderen, als die angegebenen Quellen und Hilfsmittel benutzt, die wörtlich oder inhaltlich übernommenen Stellen als solche kenntlich gemacht und die Satzung des Karlsruher Instituts für Technologie zur Sicherung guter wissenschaftlicher Praxis in der jeweils gültigen Fassung beachtet habe.
Author: Hummel, Salomo
Language: English
Subfield: Computer Networks and Communications
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7108318679
Cites:
Cited by:
Related to: