[논문 리뷰] Optimization in SMT with LA(Q) Cost Functions

Roberto Sebastiani, Silvia Tomasi|arXiv (Cornell University)|2012. 02. 07.

Constraint Satisfaction and Optimization참고 문헌 8인용 수 23

한 줄 요약

이 논문은 선형 산술(rationals, LA(Q))에 대한 최적화 기능을 SMT 솔버에 확장하기 위한 두 가지 새로운 기법을 제안한다. 이는 SMT 해결 기법과 분할 및 경계, 컷 평면 방법을 융합한 것으로, MathSAT가 LA(Q) 최적화 문제를 효율적으로 해결할 수 있도록 한다. 이는 선형 일반화 이산 프로그래밍(LGDP) 분야의 기준 테스트 케이스에서 전문 도구들을 능가한다.

ABSTRACT

In the contexts of automated reasoning and formal verification, important decision problems are effectively encoded into Satisfiability Modulo Theories (SMT). In the last decade efficient SMT solvers have been developed for several theories of practical interest (e.g., linear arithmetic, arrays, bit-vectors). Surprisingly, very few work has been done to extend SMT to deal with optimization problems; in particular, we are not aware of any work on SMT solvers able to produce solutions which minimize cost functions over arithmetical variables. This is unfortunate, since some problems of interest require this functionality. In this paper we start filling this gap. We present and discuss two general procedures for leveraging SMT to handle the minimization of LA(Q) cost functions, combining SMT with standard minimization techniques. We have implemented the proposed approach within the MathSAT SMT solver. Due to the lack of competitors in AR and SMT domains, we experimentally evaluated our implementation against state-of-the-art tools for the domain of linear generalized disjunctive programming (LGDP), which is closest in spirit to our domain, on sets of problems which have been previously proposed as benchmarks for the latter tools. The results show that our tool is very competitive with, and often outperforms, these tools on these problems, clearly demonstrating the potential of the approach.

연구 동기 및 목표

• 합리적 산술 변수에 대한 비용 함수 최소화 기능을 갖춘 SMT 솔버의 부족을 해결하기 위해.
• 실제로 공식 검증 및 자동 추론 분야에서 중요한 이론인 LA(Q)에 대해 최적화를 SMT 해결에 통합하기 위해.
• 표준 최소화 기법을 SMT 프레임워크에 적응시켜 SMT 해결과 최적화 간 격차를 메우기 위해.
• 선형 일반화 이산 프로그래밍(LGDP)과 밀접하게 관련된 도메인에서 최첨단 도구들과의 성능 비교를 위해.
• SMT 기반 최적화가 LA(Q) 문제에 대해 전문 솔버들과 경쟁 가능하거나 슈퍼어리어할 수 있음을 입증하기 위해.

제안 방법

• 최적 해를 체계적으로 탐색할 수 있도록 분할 및 경계 검색을 SMT 해결 아키텍처에 통합한다.
• 부적절한 영역을 제거하기 위해 제약 조건을 추가함으로써 검색 공간을 정밀하게 조정하기 위해 컷 평면 기법을 사용한다.
• 최적화 하에 제약 조건의 만족 가능성 검증을 위한 핵심 엔진으로 기존의 SMT 솔버인 MathSAT를 활용한다.
• 지연 클라우즈 학습과 비용 기반 가지치기를 조합하여 최소 비용 해로 향하는 탐색을 이끈다.
• 가능성 검증 단계와 비용 감소 단계를 번갈아 수행하는 비용 함수 최소화 루프를 구현한다.
• 유리수 산술 환경에서 작동하도록 표준 선형 프로그래밍의 완화 기법을 SMT 프레임워크에 적응시킨다.

실험 결과

연구 질문

• RQ1 SMT 솔버는 LA(Q) 비용 함수 최적화를 효과적으로 확장할 수 있는가?
• RQ2 선형 일반화 이산 프로그래밍(LGDP) 도메인에서 SMT 기반 최적화 기법은 전문 솔버들과 어떻게 비교되는가?
• RQ3 SMT 해결과 분할 및 경계, 컷 평면 방법을 결합한 LA(Q) 최적화의 성능 특성은 어떠한가?
• RQ4 SMT 솔버에 최적화를 통합하는 것이 전문 최적화 도구들과 경쟁 가능하고 실현 가능한가?
• RQ5 SMT 프레임워크 내에서 효율적인 LA(Q) 최적화를 가능하게 하는 핵심 알고리즘 구성 요소는 무엇인가?

주요 결과

• 제안된 SMT 기반 최적화 접근법은 선형 일반화 이산 프로그래밍(LGDP)을 위해 특별히 설계된 최첨단 도구들과 경쟁 가능하며, 종종 그들을 능가한다.
• MathSAT 내에 구현된 방법은 LA(Q) 비용 함수 최소화를 성공적으로 처리하여 실용적 타당성을 입증한다.
• SMT 솔버 아키텍처에 분할 및 경계 및 컷 평면 기법을 통합함으로써 표준 기준 테스트에서 뚜렷한 성능 향상을 이룬다.
• 일부 기준 테스트 세트에서 전문 LGDP 솔버들보다 뛰어난 성능을 기록하여 광범위한 응용 가능성을 시사한다.
• LA(Q) 최적화 분야에서 AR 및 SMT 도메인의 직접 경쟁자가 부족하므로, LGDP 도구들과의 평가 전략은 타당하고 의미 있는 벤치마킹 방법이다.
• 결과는 SMT 솔버가 합리적 산술에 대한 최적화 문제를 효과적으로 확장할 수 있으며, 이 분야에서 뚜렷한 격차를 메울 수 있음을 확인한다.