[論文レビュー] SAT-based Explicit LTL Reasoning

Jianwen Li, Shufang Zhu+2 more|arXiv (Cornell University)|Jul 9, 2015

Formal Methods in Verification参考文献 19被引用数 4

ひとこと要約

本稿では、線形時相論理（LTL）の明示的推論フレームワークをSATに基づいて導入し、従来のテーブルー法に代わる状態と遷移の構築をSATソルバに置き換える。Aalta_v2.0として実装されたこの手法は、Aalta_v1.2 や NuXmv よりも著しく短い実行時間でより多くのインスタンスを解けるようになり、特定のヒューリスティクスを組み合わせた場合、SATソルバはテーブルー法を上回る効率性を示す。

ABSTRACT

We present here a new explicit reasoning framework for linear temporal logic (LTL), which is built on top of propositional satisfiability (SAT) solving. As a proof-of-concept of this framework, we describe a new LTL satisfiability tool, Aalta\_v2.0, which is built on top of the MiniSAT SAT solver. We test the effectiveness of this approach by demonnstrating that Aalta\_v2.0 significantly outperforms all existing LTL satisfiability solvers. Furthermore, we show that the framework can be extended from propositional LTL to assertional LTL (where we allow theory atoms), by replacing MiniSAT with the Z3 SMT solver, and demonstrating that this can yield an exponential improvement in performance.

研究の動機と目的

• 従来のテーブルー法に依存する明示的LTL推論における計算の非効率性を是正すること。
• SATソルバが明示的時相推論、特にLTL充足可能性チェックにおいて完全に活用可能かどうかを検討すること。
• 構文的テーブルー分解ではなく、SATソルバによるLTL遷移系の構築を目的とした新しいフレームワークを設計すること。
• 速度とスケーラビリティの両面で既存ツールを上回るSATベースのLTL充足可能性ソルバを実装・評価すること。
• 純粋なSATベースの状態生成に起因する状態空間の爆発を抑えるためのヒューリスティクスの同定と適用

提案手法

• 時相制約をブール制約として符号化し、SATソルバで解くことで、テーブルー法による状態拡張に代わるLTL遷移系を構築する。
• Minisatを用いたSATソルバにより、状態と遷移を明示的に生成し、ブール制約の充足性によって正しさを保証する。
• 探索空間の縮小と性能向上を図るため、unsat-core抽出、ELIMINATION、SAT_PURSUINGといったヒューリスティクスを導入する。
• Aalta_v1.2 などの先行ツールで用いられる高コストな正規形変換を回避する、軽量な状態生成プロセスを実装する。
• 衝突解析とコア抽出を統合した $getState$ 関数を設計し、効率的な状態探索を可能にする。
• フレームワークを記述的LTLに拡張し、予備評価で指数的性能向上を示した。

実験結果

リサーチクエスチョン

• RQ1 SATソルバが明示的LTL推論の主要エンジンとして効果的に使用可能かどうか。特に、テーブルー法による構築に代わって。
• RQ2 SATベースの状態生成とテーブルー法による状態生成を、状態空間の大きさとパフォーマンスの観点から比較するとどうなるか。
• RQ3 SATベースのLTL推論に適用可能な、状態空間の爆発を抑えるためのヒューリスティクスは何か。
• RQ4 SATベースの明示的LTL充足可能性ソルバは、テーブルー法ベースおよび記号的SATベースのソルバを上回れるか。
• RQ5 SATベースのフレームワークは、LTLから Büchi 自動機への変換やモデルチェックといった他のLTL推論タスクへどの程度拡張可能か。

主な発見

• ヒューリスティクスを備えたAalta_v2.0は6,750件のLTL充足可能性インスタンスを解き、NuXmv-BMCIMC（6,714件）、NuXmv-IC3-Klive（6,700件）、Aalta_v1.2（6,689件）を上回った。
• Aalta_v2.0は、正規形生成の高コストな処理を回避したことで、Aalta_v1.2と比較して合計実行時間を23,000秒以上短縮した。
• unsat-core抽出ヒューリスティクスにより、Aalta_v2.0はベンチマークセットに含まれる617件の充足不可能なインスタンスをすべて解き、以前タイムアウトしていたものも含めた。
• 充足可能な論理式に対しては、ELIMINATIONおよびSAT_PURSUINGヒューリスティクスが、/anzu/amba や /anzu/genbuf といった困難なベンチマークを解く上で不可欠であった。
• ヒューリスティクスを備えたAalta_v2.0は617件の充足不可能なインスタンスを解いたが、Aalta_v1.2（309件）や ls4（335件）を上回った。一部のケースではNuXmv-IC3-Kliveが620件を解いたが、全体としてAalta_v2.0が優れた性能を示した。
• 記述的LTLにおいて指数的性能向上が確認されたため、このフレームワークは命題的LTLにとどまらず、より広範な応用が期待できる。