ฉันไม่แน่ใจว่านี่คือสิ่งที่คุณกำลังมองหาหรือไม่ แต่มีวรรณกรรมมากมายเกี่ยวกับการเปลี่ยนเฟส 3-SAT
Monasson, Zecchina, Kirkpatrcik, Selman และ Troyanskyมีกระดาษในธรรมชาติที่พูดถึงการเปลี่ยนเฟสของการสุ่ม k-SAT พวกเขาใช้การกำหนดพารามิเตอร์ของอัตราส่วนของส่วนคำสั่งต่อตัวแปร สำหรับสุ่ม 3-SAT พวกเขาพบตัวเลขว่าจุดเปลี่ยนอยู่ที่ประมาณ 4.3 เหนือจุดนี้อินสแตนซ์ 3-SAT แบบสุ่มมีข้อ จำกัด และเกือบจะไม่สามารถระบุได้แน่นอนและปัญหาด้านล่างนี้อยู่ภายใต้ข้อ จำกัด และน่าพอใจ (มีความน่าจะเป็นสูง) Mertens, Mezard และ Zecchinaใช้ขั้นตอนวิธีโพรงเพื่อประเมินจุดเปลี่ยนเฟสให้แม่นยำยิ่งขึ้น
อยู่ห่างจากจุดวิกฤติอัลกอริทึม "dumb" ทำงานได้ดีสำหรับอินสแตนซ์ที่น่าพอใจ (walk sat ฯลฯ ) จากสิ่งที่ฉันเข้าใจเวลาตัวแก้ปัญหาที่กำหนดขึ้นจะเพิ่มขึ้นเป็นทวีคูณที่หรือใกล้กับช่วงเปลี่ยนผ่าน (ดูที่นี่สำหรับการอภิปรายเพิ่มเติม)
ลูกพี่ลูกน้องใกล้ชิดของการเผยแผ่ความเชื่อ, Braunstein, Mezard และ Zecchina ได้แนะนำการเผยแผ่แบบสำรวจที่มีการรายงานเพื่อแก้ปัญหาอินสแตนซ์ 3-SAT ที่น่าพอใจในตัวแปรหลายล้านตัว Mezard มีการบรรยายที่นี่เกี่ยวกับแว่นตาสปิน (ทฤษฎีที่เขาใช้ในการวิเคราะห์การเปลี่ยนเฟสแบบสุ่ม NP-Complete) และ Maneva มีการบรรยายที่นี่เกี่ยวกับการขยายพันธุ์สำรวจ
จากอีกทางหนึ่งดูเหมือนว่านักแก้ปัญหาที่ดีที่สุดของเราใช้เวลาเป็นจำนวนมากในการพิสูจน์ว่าไม่น่าพอใจ ดูที่นี่ , ที่นี่และที่นี่สำหรับปรู๊ฟ / การอภิปรายของธรรมชาติชี้แจงของวิธีการบางอย่างร่วมกันในการพิสูจน์ unsatisfiability (ขั้นตอนเดวิสพัทและวิธีการแก้ปัญหา)
เราต้องระมัดระวังอย่างมากเกี่ยวกับการเรียกร้อง 'ความง่าย' หรือ 'ความแข็ง' สำหรับปัญหา NP-Complete แบบสุ่ม การมีปัญหา NP-Complete แสดงการเปลี่ยนเฟสไม่รับประกันว่าจะเกิดปัญหาที่ยากหรือไม่หรือแม้กระทั่งมี ตัวอย่างเช่นปัญหาวงจร Hamiltoniain ในกราฟสุ่มของ Erdos-Renyi นั้นพิสูจน์ได้ง่ายแม้ในหรือใกล้กับจุดเปลี่ยนสำคัญ ปัญหาพาร์ติชั่นตัวเลขดูเหมือนจะไม่มีอัลกอริธึมใด ๆ ที่สามารถแก้ปัญหานี้ได้ดีในความน่าจะเป็น 1 หรือ 0 โดยที่อยู่ใกล้กับจุดวิกฤติ จากสิ่งที่ฉันเข้าใจปัญหาสุ่ม 3-SAT มีอัลกอริธึมที่ทำงานได้ดีสำหรับกรณีที่น่าพอใจเกือบหรือต่ำกว่าระดับวิกฤต (การขยายการสำรวจเดินวอล์ดและอื่น ๆ ) แต่ไม่มีอัลกอริธึมที่มีประสิทธิภาพเหนือขีด จำกัด วิกฤติ