Khởi động lại ngẫu nhiên cho các trường hợp không thỏa mãn

Trong trường hợp xấu nhất, sự thỏa mãn của Boolean (giả sử P! = NP) mất thời gian theo cấp số nhân. Tuy nhiên, người giải SAT hiện đại sử dụng các biến thể của DPLL, có thể giải quyết đủ các trường hợp có ích trong thực tế.

Một kỹ thuật được sử dụng, đã cho thấy kết quả tốt trong thực tế, là khởi động lại ngẫu nhiên. Theo trực giác, khởi động lại ngẫu nhiên có nghĩa là có cơ hội nhận được may mắn hơn với việc đoán đúng các bài tập biến sẽ dẫn đến một giải pháp nhanh chóng.

Trực giác tương tự cho thấy điều này sẽ hiệu quả hơn nhiều khi thực tế vấn đề thực sự thỏa đáng (vì vậy bạn chỉ cần đoán một tập các phép gán biến tạo thành một giải pháp) so với nếu không (về nguyên tắc bạn phải kiểm tra tất cả có thể các bài tập dù sao đi nữa, các phần modulo của không gian tìm kiếm có thể được bỏ qua thông qua các kỹ thuật như lan truyền đơn vị và quay lui không theo trình tự thời gian, ít nhất là không nhạy cảm với các dự đoán ban đầu).

Là trực giác thứ hai đúng? Là khởi động lại ngẫu nhiên trong thực tế hiệu quả hơn nhiều, trung bình, trong trường hợp thực tế vấn đề là thực tế thỏa đáng?

Có một số nghiên cứu trong lĩnh vực này. Trong Hiệu ứng của việc khởi động lại hiệu quả của việc học theo điều khoản, Jinbo Huang cho thấy về mặt thực nghiệm rằng việc khởi động lại sẽ cải thiện hiệu suất của người giải đối với các bộ cả hai trường hợp SAT thỏa đáng và không thỏa mãn. Lý do lý thuyết cho việc tăng tốc là trong bộ giải CDCL, khởi động lại cho phép tìm kiếm được hưởng lợi từ kiến ​​thức thu được về các biến xung đột rắc rối liên tục sớm hơn so với nhảy ngược sẽ cho phép gán lại một phần tương tự. Trong thực tế, khởi động lại cho phép phát hiện các bằng chứng ngắn hơn về sự không thỏa mãn trung bình.