- Latex sources of my "grosser beleg" from august 2011
- Precompiled pdf
In der Informatik beschäftigt man sich mit einer Vielzahl von kombinatori- schen Problemen und wie diese effizient gelöst werden können. Nicht jedes Problem ist gleich schwer bzw. leicht zu lösen, weshalb sie in sogenannte Problemklassen eingeteilt werden. Eine Klasse ist die Klasse der nichtdeter- ministisch polynomiell vollständigen Probleme. Für NP-vollständige Pro- bleme gibt es bisher keine Möglichkeit, diese effizient zu lösen. Ein Durch- probieren von allen Lösungsmöglichkeiten würde sehr viel Zeit in Anspruch nehmen und wird deshalb nur bei kleiner Problemgröße durchgeführt. Des- halb werden oft problemspezifische Heuristiken benutzt, wodurch trotz ex- ponentieller Komplexität durchaus gute Ergebnisse erzielt werden können. Auch das Erfüllbarkeitsproblem (engl. Satisfiability Testing SAT) gehört zur Klasse der NP-vollständigen Probleme. Moderne SAT Solver können SAT- Probleme mit mehreren millionen Variablen und Klauseln lösen und werden beständig weiter entwickelt.
Die Rechnerarchitekturen auf denen SAT-Solver ausgeführt werden ändern sich unaufhaltsam in Richtung Many-Core-Architekturen. Bereits heutige Serversysteme haben 12 unabhängige Rechenkerne [1] auf einem Prozes- sorchip, und selbst einfache Desktopsysteme sind standardmäßig mit 2 bis 4 Kernen ausgestattet.
Ein Nachteil von SAT-Solvern ist bisher, dass ihr Algorithmus auf sequentiel- le Verarbeitung optimiert ist, obwohl bereits mehrere parallele Einheiten zur Verfügung stehen. Deshalb müssen die Algorithmen angepasst werden, um auch in Zukunft die vorhandenen Ressourcen effektiv ausnutzen zu können. Man kann noch einen Schritt weiter gehen. Statt der Auslagerung der Algo- rithmen auf einige wenige Kerne, nutzt man die hohe Parallelität von Field Programmable Gate Arrays (FPGAs). Ein Ansatz ist es den Inferenzmecha- nismus, welcher ca. 80 bis 90% der Rechenleistung in aktuellen SAT-Solver belegt, auf einen FPGA auszulagern und ihn hochparallel auszuführen.