[論文レビュー] Maximizing Reachability Probabilities in Rectangular Automata with Random Clocks

Joanna Delicaris, Stefan Schupp+2 more|arXiv (Cornell University)|Jan 1, 2023

Formal Methods in Verification被引用数 2

ひとこと要約

本稿では、履歴依存の予知スケジューリングを用いて、ランダム時計を備えた長方形オートマトンにおける最大到達確率を計算する新しいアルゴリズムを提案する。前向きのフローパイプ構築とスケジューラーの後向き精錬を組み合わせることで、非決定的選択を記号的に分割し、正確な多次元積分を用いて確率を最大化する。数値誤差が10⁻³未満に抑えられ、スケーラブルなモデル上で検証され、ProHVerによる過剰近似と比較しても高い精度を達成している。

ABSTRACT

This paper proposes an algorithm to maximize reachability probabilities for rectangular automata with random clocks via a history-dependent prophetic scheduler. This model class incorporates time-induced nondeterminism on discrete behavior and nondeterminism in the dynamic behavior. After computing reachable state sets via a forward flowpipe construction, we use backward refinement to compute maximum reachability probabilities. The feasibility of the presented approach is illustrated on a scalable model.

研究の動機と目的

• 離散的および連続的非決定的性質と確率的遅延を組み合わせたハイブリッドシステムを、ランダム時計を備えた長方形オートマトンでモデル化すること。
• 離散的および連続的非決定的性質を予知的に解消し、最悪ケースの到達確率を計算可能にする。
• 非決定的性質の確率的解消を避ける正確な解析的手法を開発し、到達確率に対する tighter 界を保証すること。
• 特に状態充電量の不確実性が増加する状況において、スケーラブルなモデル上で本手法の実現可能性と精度を検証すること。
• 今後の拡張の基盤を提供し、最小到達確率の計算およびランダム遅延の暗黙的モデル化を可能にする。

提案手法

• 遷移遅延をストップウォッチと連続分布を用いて明示的にモデル化する、ランダム時計を備えた長方形オートマトンとしてハイブリッドシステムをモデル化する。
• 多面体状態表現を用いた前向きのフローパイプ構築により、有限回のジャンプまでに正確に到達可能な状態集合を計算する。
• 目的状態に到達できる能力に基づいて、無限個のスケジューラー集合を後向き精錬により分割する。この際、確率密度関数に従って誘導される。
• 精錬済み遅延を伴う到達状態の和集合を、連続確率密度関数の統合領域に射影し、多次元積分を実行する。
• 将来の確率変数の有効期限が分かっている予知スケジューラーを用い、最大到達確率を計算可能にする。
• IEEE 754 倍精度演算を用いて数値積分誤差を最小限に抑え、統計的誤差境界を報告する。

実験結果

リサーチクエスチョン

• RQ1 長方形オートマトンにランダム時計を導入した場合、離散的および連続的非決定的性質を完全に解消することで、最大到達確率を正確に計算できるか？
• RQ2 予知スケジューリングは、確率的または過剰近似手法と比較して、到達確率の境界の精度をどのように向上させるか？
• RQ3 ランダム変数の数と迂回路の増加に伴う、提案手法のスケーラビリティと数値的精度はいかがなものか？
• RQ4 充電ダイナミクスの詳細な記述が、望ましくない状態（例：バッテリーが空になる状態）への到達確率にどのように影響するか？
• RQ5 本手法を最小到達確率の計算および意味論によるランダム遅延の暗黙的モデル化に拡張可能か？

主な発見

• RealyStは、数値誤差が10⁻⁵から10⁻³の間で発生し、誤差は主に多次元積分に起因するが、モデル近似によるものではない。
• 0または1つの迂回路を持つモデルでは、RealyStは30分未満で確率を計算でき、単一モデルではProHVerの結果と密接に一致する。
• 2つの迂回路がある場合、RealyStはモデルABの単一バージョンを83時間未満で完了し、確率は0.431565、統計的誤差は7.064×10⁻³を示した。
• 迂回路が増えることで不確実性が増加し、その結果、空のバッテリー状態に到達する確率が上昇する。この不確実性はスケジューラーが最大到達確率を達成するために活用されている。
• ProHVerは、特に0つの迂回路の場合に顕著な過剰近似を示し、RealyStに比べて28〜140倍の計算時間を要する。
• 2つの迂回路の場合、ProHVerは15時間以内に離散化の精錬を完了できなかったが、RealyStは小規模なモデルにおいても高い精度を維持し、合理的な時間で完了した。