[論文レビュー] BAXMC: a CEGAR approach to Max#SAT

Griggio, Alberto, Rungta, Neha|arXiv (Cornell University)|Oct 1, 2022

Formal Methods in Verification被引用数 4

ひとこと要約

本稿では、Max#SATを解くためのCEGARベースのアルゴリズムBAXMCを提示する。この手法は、正確または近似のモデルカウントを用いて、反復的に過剰近似を精緻化する。既存のツールと比較して、特に複雑なベンチマークにおいて優れた性能を発揮し、正確および近似の両設定において顕著な高速化とスケーラビリティの向上を達成している。

ABSTRACT

Max#SAT is an important problem with multiple applications in security and program synthesis that is proven hard to solve. It is defined as: given a parameterized quantifier-free propositional formula compute parameters such that the number of models of the formula is maximal. As an extension, the formula can include an existential prefix. We propose a CEGAR-based algorithm and refinements thereof, based on either exact or approximate model counting, and prove its correctness in both cases. Our experiments show that this algorithm has much better effective complexity than the state of the art.

研究の動機と目的

• Max#SATの高い計算複雑性に対処すること。Max#SATは、プログラム合成やセキュリティ解析において中心的な役割を果たす問題である。
• 正確および近似の両方の解法をサポートし、確率的保証を備えたスケーラブルかつ正しく動作するアルゴリズムの開発。
• SATの対称性除去技術およびヒューリスティクスの統合による性能の向上。

提案手法

• 反例誘導抽象化精緻化（CEGAR）を活用し、投影モデル数の過剰近似を反復的に精緻化する。
• 与えられたワーキット割り当てのモデル数を推定するために、正確または近似の投影モデルカウンタをサブプロシージャとして使用する。
• SATソルバーより得られる対称性除去技術を適用し、探索空間を削減し、効率を向上させる。
• リードベースの探索スケジューリングおよびリテラル選択戦略などのヒューリスティクスを用いて、探索プロセスをガイドする。
• 部分的に最適でない、または既に探索済みの領域を再訪問しないように、ブロッキングクリーゾンの集合を維持する。
• 不実行可能な制約に対処し、最適解へ向かう精緻化を誘導するために、緩和メカニズムを統合する。

実験結果

リサーチクエスチョン

• RQ1 CEGARベースのアプローチは、正しさとスケーラビリティの両面でMax#SATを効果的に解くことができるか？
• RQ2 近似モデルカウントの統合が、Max#SAT解法の性能と精度に与える影響は何か？
• RQ3 対称性除去およびヒューリスティクス技術は、Max#SATソルバーの効率をどの程度向上させ得るか？
• RQ4 異なるリテラル選択戦略が、アルゴリズムの収束性および性能に与える影響は何か？
• RQ5 BAXMCは、MAXCOUNTのような既存のツールと比較して、多様なベンチマークにおいて実行時間およびスケーラビリティの面でどの程度優れているか？

主な発見

• BAXMCは、唯一の他の利用可能なツールであるMAXCOUNTを著しく上回り、ActivityServiceおよびProjectServiceを含む複数のベンチマークで最大100倍の高速化を達成した。
• g2_n35e34_n58e61ベンチマークでは、BAXMCは0.17秒で問題を解釈したが、MAXCOUNTは1000秒でタイムアウトとなった。
• pwd-backdoorベンチマークでは、BAXMCは236.87秒で完了したのに対し、MAXCOUNTはタイムアウトに終わった。これは、BAXMCの優れたスケーラビリティを示している。
• 対称性除去ヒューリスティクスの適用により、特定のベンチマークで実行時間が最大10％短縮された。これは、その有効性を裏付けている。
• キャッシュヒューリスティクスを用いたアルゴリズムが、全テストインスタンスにおいて「rnd」と「vsids」を上回る最良の平均性能を達成した。
• MAXCOUNTがタイムアウトとなったケースにおいても、BAXMCは常に合理的な時間制限内で最適解を発見し、その頑健性を示している。