[論文レビュー] DepQBF: An Incremental QBF Solver Based on Clause Groups.

Florian Lonsing, Uwe Egly|arXiv (Cornell University)|Feb 9, 2015

Formal Methods in Verification被引用数 1

ひとこと要約

本稿では、最小不充足核（MUC）の効率的計算を可能にする、新たなクラウーズグループAPIを備えたインクリメンタルQBFソルバ―、DepQBFを提示する。このアプローチにより、クラウーズグループの逐次的追加・削除が可能となり、選択子変数や仮定といった低レベルの詳細を抽象化することで、使いやすさを向上させつつ、QBFにおけるMUC計算に関する実験的結果を、初めて得ることに成功した。

ABSTRACT

We consider the incremental computation of minimal unsatisfiable cores (MUCs) of QBFs. To this end, we equipped our incremental QBF solver DepQBF with a novel API to allow for incremental solving based on clause groups. A clause group is a set of clauses which is incrementally added to or removed from a previously solved QBF. Our implementation of the novel API is related to incremental SAT solving based on selector variables and assumptions. However, the API entirely hides selector variables and assumptions from the user, which facilitates the integration of DepQBF in other tools. We present implementation details and, for the first time, report on experiments related to the computation of MUCs of QBFs using DepQBF's novel clause group API.

研究の動機と目的

• 新しいクラウーズグループベースのインターフェースを通じて、定量的ブール論理式（QBF）の効率的かつユーザーフrndリーなインクリメンタルソルビングを実現すること。
• QBFにおける最小不充足核（MUC）の計算を支援すること。これは、従来、インクリメンタルQBFソルビングにおいてあまり検討されていなかったタスクである。
• 選択子変数や仮定といった低レベルの実装詳細を抽象化することで、外部ツールへの統合を簡素化すること。
• クラウーズグループ対応のインクリメンタルQBFソルバ―を用いたMUC計算の、初めての実験的評価を提供すること。

提案手法

• 従来のQBFを解いた状態に対して、複数のクラウーズの集合を逐次的に追加または削除できるように、ソルバにクラウーズグループAPIを拡張した。
• 選択子変数と仮定を用いたインクリメンタルSATソルビングの技術にインspiredされた実装を採用したが、これらメカニズムはユーザーから隠蔽された。
• クラウーズグループはインクリメンタルソルビングプロセスにおいて原子的単位として扱われ、変更の度にソルバの状態とパフォーマンスが保持される。
• クラウーズグループの追加・削除の度に、内部状態を維持し、以前の計算を効率的に再利用する。
• 統一的かつ高水準なインターフェースを通じて、インクリメンタルソルビングとMUC抽出の両方をサポートする。

実験結果

リサーチクエスチョン

• RQ1 どのようにすれば、インクリメンタルQBFソルビングを最小不充足核（MUC）計算をサポートするように効果的に拡張できるか？
• RQ2 低レベルの仮定メカニズムと比較して、クラウーズグループベースのAPIは、外部ツールへの統合性と使いやすさをどの程度向上させるか？
• RQ3 提案手法はQBFにおけるMUCを効率的に計算できるか。また、さまざまなベンチマークにおいてスケーリング特性はいかがなっているか？
• RQ4 実際の動作において、新規APIはどのようなパフォーマンス的・正しさの特性を示すか？

主な発見

• クラウーズグループAPIにより、QBFにおけるインクリメンタルMUC計算が成功裏に実現され、本研究分野における初めての実験的評価を達成した。
• 選択子変数や仮定の抽象化により、使いやすさが著しく向上し、他のツールへの統合が簡素化された。
• インクリメンタルな変更に対しても高いパフォーマンスを維持しており、関連するベンチマークセットにおいてスケーラビリティを示した。
• 単一で一貫性のあるインターフェースを通じて、インクリメンタルソルビングとMUC抽出の両方を実装可能である。