[論文レビュー] Synthesizing Switching Logic to Minimize Long-Run Cost

Susmit Jha, Sanjit A. Seshia+1 more|arXiv (Cornell University)|Mar 3, 2011

Formal Methods in Verification参考文献 27被引用数 4

ひとこと要約

本稿では、無限時間最適化を有界な数値最適化に還元することで、長期的コストを最小化する多モード力学系のスイッチング論理を自動合成する新規手法を提示する。個々の初期状態に対して制約なし数値ソルバを用い、帰納的学習により最適スイッチング条件を一般化することで、状態空間全体で高確率で最適性を達成する。

ABSTRACT

Given a multi-modal dynamical system, optimal switching logic synthesis involves generating the conditions for switching between the system modes such that the resulting hybrid system satisfies a quantitative specification. We formalize and solve the problem of optimal switching logic synthesis for quantitative specifications over long run behavior. Each trajectory of the system, and each state of the system, is associated with a cost. Our goal is to synthesize a system that minimizes this cost from each initial state. Our paper generalizes earlier work on synthesis for safety as safety specifications can be encoded as quantitative specifications. We present an approach for specifying quantitative measures using reward and penalty functions, and illustrate its effectiveness using several examples. We present an automated technique to synthesize switching logic for such quantitative measures. Our algorithm is based on reducing the synthesis problem to an unconstrained numerical optimization problem which can be solved by any off-the-shelf numerical optimization engines. We demonstrate the effectiveness of this approach with experimental results.

研究の動機と目的

• 長期的定量的仕様下における多モード力学系の最適スイッチング論理を合成する課題に対処すること。
• 報酬関数とペナルティ関数を用いて長期的コスト最小化を形式化し、安全より拡張して性能目的に一般化すること。
• 繰り返しの極限挙動に注目することで、無限時間最適化問題を有界なパラメータ空間に還元すること。
• システムの内部モードダイナミクスに局所リプシッツ連続性以上の仮定を必要とせず、市販の数値最適化ツールを用いて自動合成を可能にすること。
• サンプルされた初期状態から得た最適スイッチング状態を、構造的仮定を置いた帰納的学習アルゴリズムを用いて、一括でグローバルに最適なスイッチングガードに一般化すること。

提案手法

• モード、連続状態、ベクトル場を有するマルチモード力学系としてシステムを形式化し、時間経過に伴う累積ペナルティと報酬の比としてコストを定義する。
• 各初期状態に対して、固定回数のスイッチを有するモード列のスーパー列における各モードに費やす時間を変数とする、制約なし数値最適化問題に無限時間最適化を還元する。
• 数値最適化エンジンを用いて、各モードごとの最適時間割り当てを計算し、その初期状態に対応するスイッチング状態の系列を導出する。
• 複数の初期状態から得た最適スイッチング状態を、ガードの構造的仮定を置いた帰納的学習アルゴリズムを用いて、一括でグローバルに最適なスイッチングガードに一般化する。
• 長期的コストが極限サイクル挙動にのみ依存することを活用し、有界最適化問題に還元可能であることを示す。
• サンプリング仮定の下で、学習されたガードが高確率で最適であることを証明することで正しさを保証する。

実験結果

リサーチクエスチョン

• RQ1 無限時間挙動を示すハイブリッドシステムにおいて、長期的コスト最小化を無限時間最適化から有界数値最適化問題に還元できるか？
• RQ2 個々の初期状態に対する最適スイッチング状態を、一括でグローバルに最適なスイッチングガードに一般化する方法は何か？
• RQ3 システムダイナミクスに関する仮定を一切設けずに、市販の数値ソルバを用いて最適スイッチング論理を合成できる範囲はどの程度か？
• RQ4 時間閾値上/下の比率などの異なるコスト指標は、得られるスイッチング論理およびシステム挙動にどのように影響を与えるか？
• RQ5 有限個の初期状態サンプルから学習されたスイッチング論理に対して、最適性に関する保証はどの程度得られるか？

主な発見

• 本手法は、無限時間最適化を標準ツールで解ける有界数値最適化問題に変換することで、長期的コストを最小化するスイッチング論理を効果的に合成できた。
• オイルポンプの事例研究では、平均オイル体積を最小化するガードを生成し、あるコスト指標ではV ≤ 3.71（ON）およびV ≥ 4.62（OFF）の最適閾値を達成。別の指標ではV ≤ 4.07およびV ≥ 4.71の閾値を示し、コスト関数の選択に敏感であることが明らかになった。
• DC-DCバック・ブーストコンバータの事例では、iL > 1.9（モード1→2）、iL = 0（モード2→3）、vC > 4.6（モード3→1）のガードが合成され、リップル電圧が低く抑えられ、負荷変動に対してもロバストであった。
• 帰納的学習ステップにより、多様な初期条件におけるシミュレーション検証を通じて、高確率で最適なガードが得られた。
• 非線形で局所リプシッツ連続なダイナミクスに対して本手法は有効であり、解析的可解性を必要とせず、正確なシミュレーションに依存するのみである。
• 実験結果により、本手法は設計空間の効率的探索を可能にするとともに、指定されたコスト指標下で長期的挙動の最適性を保証することが確認された。