[論文レビュー] The Complexity of Learning LTL, CTL and ATL Formulas

Benjamin Bordais, Daniel Neider+1 more|arXiv (Cornell University)|Aug 8, 2024

Evolutionary Algorithms and Applications被引用数 1

ひとこと要約

本稿は、線形時相論理（LTL）、計算木論理（CTL）、交替的時相論理（ATL）における受動的学習の包括的な複雑性解析を提供し、二項演算子の使用が無制限の場合、すべての3つの論理において学習問題がNP完全であることを示している。これに対して、二項演算子の使用回数が制限される場合、複雑性は顕著に変化する：LTLおよびCTLの学習は依然としてNP完全であるが、ATLの学習は2人のエージェントでは tractable（P完全）となる一方、より多くのエージェントでは依然としてNP完全のままとなり、表現力と複雑性の鋭い遷移が明らかになる。

ABSTRACT

We consider the problem of learning temporal logic formulas from examples of system behavior. Learning temporal properties has crystallized as an effective means to explain complex temporal behaviors. Several efficient algorithms have been designed for learning temporal formulas. However, the theoretical understanding of the complexity of the learning decision problems remains largely unexplored. To address this, we study the complexity of the passive learning problems of three prominent temporal logics, Linear Temporal Logic (LTL), Computation Tree Logic (CTL) and Alternating-time Temporal Logic (ATL) and several of their fragments. We show that learning formulas with unbounded occurrences of binary operators is NP-complete for all of these logics. On the other hand, when investigating the complexity of learning formulas with bounded occurrences of binary operators, we exhibit discrepancies between the complexity of learning LTL, CTL and ATL formulas (with a varying number of agents).

研究の動機と目的

• LTL、CTL、ATLの論理式における受動的学習の計算的複雑性を形式的に分析すること。
• 論理式の学習が扱いやすいか、依然として困難な状況に陥る条件を同定すること。
• LTLの断片に対する従来のNP完全性の結果を、CTLおよびATL、とりわけマルチエージェント系にまで拡張すること。
• 二項演算子の使用回数が制限される場合、それが異なる時相論理における学習の複雑性にどのように影響するかを調査すること。
• 演算子の使用回数と論理の種別に基づいて、扱いやすい部分集合と困難な部分集合の明確な二分類を確立すること。

提案手法

• LTL、CTL、ATLにおける二項演算子の使用が無制限の学習問題のNP困難性を示すために、被覆集合問題への還元を実施。
• 正例および負例を符号化するための特別なKripke構造および並行ゲーム構造の構築。
• ATL論理式の代わりの意味論と構造的性質を用いて、例の構造の受容および拒否を特徴づける。
• 時相的および戦略的演算子を用いて被覆集合の解をシミュレートする論理式の符号化の設計。
• 二項演算子の制限下での複雑性の変化を分離するために、ユニタリ演算子集合（例：{F, G}、{¬, X, F, G}）を活用。
• 論理的補題（例：代わりの論理式に関する補題99、論理式受容に関する補題124）を用いた証明により、還元の正しさを確立。

実験結果

リサーチクエスチョン

• RQ1 LTL、CTL、ATLの論理式における二項演算子の使用が無制限の場合、受動的学習問題はNP完全であるか？
• RQ2 二項演算子の使用回数が制限されると、研究対象の論理式のうちいずれかで学習の扱いやすい部分集合が得られるか？
• RQ3 なぜATLの論理式学習の複雑性はエージェント数に依存するのに対し、LTLおよびCTLではそのような依存関係が見られないのか？
• RQ4 2人のエージェントを伴うATLの学習問題は多項式時間で解けるか？より多くのエージェントになると何が変わるか？
• RQ5 特定のユニタリ演算子集合が、論理式学習の複雑性を決定づける役割を果たすのか？

主な発見

• LTL、CTL、ATLの論理式において、二項演算子の使用が無制限の場合、すべての論理で学習問題がNP完全である。
• 二項演算子の使用回数が制限される場合、ユニタリ演算子集合にかかわらず、LTLおよびCTLの論理式学習は依然としてNP完全のままである。
• ATLにおいて、2人のエージェントを伴う学習は、二項演算子が制限される場合、P完全となり、扱いやすい部分集合であることが示された。
• 3人以上のエージェントを伴う場合でさえ、二項演算子の使用が制限されても、ATLの学習は依然としてNP完全のままであり、2人のエージェントで複雑性の閾値が現れることが明らかになった。
• ATLの学習の複雑性はエージェント数に敏感であり、3人のエージェントで扱いやすい性質から困難な性質への急激な遷移が観察された。
• 本研究の結果は、論理の種別およびエージェント数が、自動的時相的性質学習の実現可能性に顕著な影響を与えることを示している。