যদি আপনার স্যাট অ্যালগরিদম ব্যবহারিক হতে বোঝানো হয়, তবে আপনার এটির উপর স্যাট প্রতিযোগিতার মানদণ্ড চালানো উচিত । স্যাট সমাধানকারী সম্প্রদায়টি আপনার কাজটিকে আরও বেশি গুরুত্ব সহকারে নিতে চলেছে যদি আপনি দেখাতে পারেন যে আপনার পদ্ধতির বিদ্যমান সমাধানকারীদের সাথে প্রতিযোগিতা রয়েছে। আপনার সমাধানকারী প্রতিটি দ্রাবকের চেয়ে দ্রুত হতে হবে না বা আরও উদাহরণ সমাধান করতে হবে না তবে এটি একটি গুরুতর প্রতিযোগী হওয়া উচিত। মাপদণ্ড চালানোর জন্য আপনার খুব দ্রুত বা শক্তিশালী মেশিনের দরকার নেই; আপনি কেবল মিনিস্যাট বা পিকোস্যাটের মতো ফ্যাট স্যাট সলভারগুলির মধ্যে একটির তুলনায় রানটাইম তুলনা করতে পারেন । এই সমাধানকারীরা আপনাকে উত্তরগুলি কেমন দেখতে হবে তা দেখার অনুমতি দেবে।
আপনি যদি এমন কোনও ব্যবহারিক সলভারের সাথে কাজ করছেন যা নতুন কৌশলগুলি ব্যবহার করে এবং আপনার দৃষ্টিভঙ্গি এখনও প্রতিযোগিতামূলক না হয় তবে আমি এই মানদণ্ডগুলি চেষ্টা করার পরামর্শ দেব। আপনি যে ধরণের সমস্যার সমাধান করতে চাইছেন এবং আপনার কী ধরণের পারফরম্যান্সের জন্য লক্ষ্য করা উচিত তা বুঝতে তারা আপনাকে সহায়তা করবে। আপনি সন্তুষ্টি হ্যান্ডবুকের কিছু মূল অধ্যায় বা সাম্প্রতিক জরিপটি পড়তে চাইতে পারেন
- নট Pipatsrisawat এবং আদনান Darwiche, আধুনিক ধারা-লার্নিং Satisfiability solvers উপর , অটোমেটেড জার্নাল রিজনিং 44 277-301, 2010. ( পিডিএফ )
প্রধান সমাধানকারীদের সমর্থন করে এমন আর্গুমেন্টগুলি দেখতে। আপনার যদি এমন নতুন ধারণা থাকে যা শীর্ষস্থানীয় সমাধানকারীদের পাশাপাশি সঞ্চালনের জন্য এখনও অনুকূল না হয় তবে আপনার "এমন" ব্যক্তির সাথে আপনার পদ্ধতির সম্ভাব্য সুবিধাগুলি ব্যাখ্যা করতে হবে যারা তাত্ত্বিক যুক্তির দীর্ঘ ক্রম জানে যা "সেরা" সেট তৈরি করেছে অনুশীলন "ডিজাইন সিদ্ধান্ত।
যদি আপনার অবদান নিখুঁত তাত্ত্বিক হয়, তবে আপনাকে এই ক্ষেত্রের অনেকগুলি কাগজ সম্পর্কে সচেতন হওয়া দরকার, এবং আপনার কাগজে ব্যাখ্যা করুন কেন আপনার পদ্ধতির অন্তত কোনও উপায়ে আরও ভাল। শিল্পের অবস্থা এবং গুরুত্বপূর্ণ কাগজগুলির পক্ষে দরকারী পয়েন্টারগুলির জন্য অনুভূতি পেতে উদাহরণস্বরূপ আমিন কোজা-ওঘলান বা অ্যালান ফ্রিজের সাম্প্রতিক কাজটি দেখুন।