[논문 리뷰] Counterexample Guided Abstraction Refinement Algorithm for Propositional Circumscription

Mikoláš Janota, João Marques‐Silva외 1명|arXiv (Cornell University)|2010. 06. 30.

Formal Methods in Verification참고 문헌 1인용 수 11

한 줄 요약

이 논문은 명제 순환화에 대한 새로운 SAT 기반 알고리즘을 제안하며, 반례 기반 추상화 정밀화(CAGAR) 기법을 사용하여 명시적인 최소 모델 열거를 피한다. 이 알고리즘은 일반화된 폐쇄 세계 가정(GCWA) 하에서 추론과 폐쇄를 효율적으로 계산하며, 벤치마크 인스턴스에서 QBF 및 DLP 기반 접근법보다 뛰어난 성능을 보이며, 평균적으로 3초 이내에 260개의 e-쇼핑 구성 중 174개를 해결한다.

ABSTRACT

Circumscription is a representative example of a nonmonotonic reasoning inference technique. Circumscription has often been studied for first order theories, but its propositional version has also been the subject of extensive research, having been shown equivalent to extended closed world assumption (ECWA). Moreover, entailment in propositional circumscription is a well-known example of a decision problem in the second level of the polynomial hierarchy. This paper proposes a new Boolean Satisfiability (SAT)-based algorithm for entailment in propositional circumscription that explores the relationship of propositional circumscription to minimal models. The new algorithm is inspired by ideas commonly used in SAT-based model checking, namely counterexample guided abstraction refinement. In addition, the new algorithm is refined to compute the theory closure for generalized close world assumption (GCWA). Experimental results show that the new algorithm can solve problem instances that other solutions are unable to solve.

연구 동기 및 목표

• 명제 순환화에서 추론의 계산적 과제를 해결하기 위해, Π₂^P-완전으로 알려진 문제에 대응한다.
• 모든 최소 모델이나 주요 함의를 열거하지 않는 스케일러블한 SAT 기반 알고리즘을 개발한다.
• 일반화된 폐쇄 세계 가정(GCWA) 하에서의 폐쇄 계산에 이 접근법을 확장한다.
• 기존의 QBF 솔버 및 DLP 기반 도구와의 성능을 평가한다.
• 비단조화적 추론 분야에서 CEGAR의 적용 가능성을 탐색한다. 이 분야에서는 이전에 CEGAR가 적용된 바가 없었다.

제안 방법

• 알고리즘은 모델 체킹에서 영감을 얻은 반례 기반 추상화 정밀화 기법을 사용하여, 반복적으로 SAT 솔버를 호출하고 반례를 통해 추상화를 정밀화한다.
• 더 강력한 공식을 증명하고, 공식이 너무 강력할 경우 최소 모델 제약 조건 기반의 정밀화 루프를 통해 이를 약화시킨다.
• 각 변수를 순차적으로 테스트하여 부정 가능성을 판단하며, 이전에 발견된 부정을 연결하여 추론 효율성을 향상시킨다.
• 증분 SAT 솔버(SAT4j)를 사용하며, 타임아웃이 발생한 변수에 대해 타임아웃을 곱수적으로 증가시킨다.
• φ ⊨min ¬x 이면 φ ∧ ¬x 는 φ와 동일한 최소 모델을 가진다는 성질을 활용하여, 부정 가능성의 효율적 전파를 가능하게 한다.
• 일반화된 폐쇄 세계 가정(GCWA) 폐쇄를 계산하기 위해, 모든 최소 모델에서 0인 변수를 식별하는 데 특화된 접근법을 사용한다.

실험 결과

연구 질문

• RQ1 CEGAR 기법은 비단조화적 추론 문제, 예를 들어 명제 순환화에 효과적으로 적용될 수 있는가?
• RQ2 SAT 기반 알고리즘이 명시적인 최소 모델 열거를 피하면서도 여전히 추론 문제를 효율적으로 해결할 수 있는가?
• RQ3 제안된 CEGAR 기반 알고리즘의 성능은 실제 인스턴스에서 QBF 솔버 및 DLP 기반 접근법과 비교해 어떻게 되는가?
• RQ4 증분 SAT 해결과 동적 타임아웃 조정은 최소 모델 계산의 스케일러비리티를 얼마나 향상시키는가?
• RQ5 이 알고리즘은 일반화된 폐쇄 세계 가정(GCWA) 하에서 이론의 폐쇄를 계산하는 데 확장될 수 있는가?

주요 결과

• 알고리즘은 260개의 e-쇼핑 구성 인스턴스 중 174개를 30초 이내에 해결했으며, 평균 해결 시간은 2.1초였다.
• DLP 기반 접근법(circ2dlp+gnt)은 동일한 시간 제한 내에 260개의 e-쇼핑 인스턴스 중 95개만 해결했다.
• BerkeleyDB 벤치마크에서는 알고리즘이 평균 0.9초 안에 30개의 인스턴스를 모두 해결했고, DLP 기반 방법은 0.1초였다.
• QBF 기반 구현은 260개의 테스트 인스턴스 중 어떤 것도 해결하지 못했으며, 이는 이 접근법의 스케일러비리티가 열악함을 시사한다.
• 이미 부정 가능성이 입증된 변수들의 부정을 연결함으로써 알고리즘의 성능이 크게 향상되었으며, 특히 동적 타임아웃 전략과 조합했을 때 두드러졌다.
• 결과적으로 CEGAR 기반 추론은 QBF 및 DLP 대비 더 타당하고 스케일러블한 대안으로서 명제 순환화 및 GCWA 폐쇄 계산에 유용하다.