前提:
我假设您只需要一个模型,其中以固定的精度p
接近 1。
在这个答案NB 状态(重点是我的)
epsilon 指的是非标准数(无穷小)。您可以将其设置为任意小。同样,模型只使用标准数字,因此它选择了一些数字,在本例中为 9。
鉴于..
epsilon
我在 Python API 和smt2选项中都找不到任何设置选项
通过改变 的区间大小,返回模型中x
的值x
与最优值的距离不同(例如区间0, 10
为x=9
,而0, 1
为x=0.5
)
..我对前面引用的看法是z3选择了一些随机的可满足值,就是这样。
因此:
我会通过以下方式做到这一点:
from z3 import *
epsilon = 0.0000001
p = Real('p')
q = Real('q')
s = Optimize()
s.add(p > 0, p < 1)
s.add(q > 0, q < 1)
s.push()
h = s.maximize(p)
print s.check() # Here I assume SAT
opt_value = h.value()
if epsilon in opt_value: # TODO: refine
s.pop()
opt_term = instantiate(opt_value, epsilon) # TODO: encode this function
s.add(p > opt_value)
s.check()
print s.model()
else:
print s.model()
s.pop()
Whereinstantiate(str, eps)
是一个自定义函数,它解析形状为的字符串ToReal(1) + ToReal(-1)*epsilon
并返回对此类字符串的明显解释的结果。
----
我想提一下,另一种方法是将问题编码为smt2公式并将其作为输入提供给OptiMathSAT:
(set-option:produce-models true)
(declare-fun p () Real)
(declare-fun q () Real)
(assert (and (< 0 p) (< p 1)))
(assert (and (< 0 q) (< q 1)))
(maximize p)
(check-sat)
(set-model 0)
(get-model)
OptiMathSAT有一个命令行选项-optimization.theory.la.epsilon=N
来控制epsilon
返回的公式模型中的值。默认情况下N=6
和epsilon
是10^-6
。这是输出:
### MAXIMIZATION STATS ###
# objective: p (index: 0)
# interval: [ -INF , +INF ]
#
# Search terminated!
# Exact strict optimum found!
# Optimum: <1
# Search steps: 1 (sat: 1)
# - binary: 0 (sat: 0)
# - linear: 1 (sat: 1)
# Restarts: 1 [session: 1]
# Decisions: 3 (0 random) [session: 3 (0 random)]
# Propagations: 6 (0 theory) [session: 13 (0 theory)]
# Watched clauses visited: 1 (0 binary) [session: 2 (1 binary)]
# Conflicts: 3 (3 theory) [session: 3 (3 theory)]
# Error:
# - absolute: 0
# - relative: 0
# Total time: 0.000 s
# - first solution: 0.000 s
# - optimization: 0.000 s
# - certification: 0.000 s
# Memory used: 8.977 MB
sat
( (p (/ 1999999 2000000))
(q (/ 1 2000000)) )