[논문 리뷰] QBF Solving by Counterexample-guided Expansion

Roderick Bloem, Nicolas Braud-Santoni외 1명|arXiv (Cornell University)|2016. 11. 04.

Formal Methods in Verification참고 문헌 14인용 수 5

한 줄 요약

이 논문은 양적 부울 공식(QBF)을 해결하기 위해 재귀적이지 않은, 반례를 통한 확장 기반의 접근법을 제안하며, 기존의 재귀적 전략에서 비롯되는 확장성 문제를 제거하기 위해 반례를 통한 유도적 합성(CEGIS)을 일반화한다. 이로 유도된 알고리즘은 효율적이고 실용적이며, 설계 선택과 최적화 방법의 실증적 분석을 가능하게 하는 경쟁력 있는 구현을 통해 뒷받UNDERLINE{받고 있다}.

ABSTRACT

We introduce a novel generalization of Counterexample-Guided Inductive Synthesis (CEGIS) and instantiate it to yield a novel, competitive algorithm for solving Quantified Boolean Formulas (QBF). Current QBF solvers based on counterexample-guided expansion use a recursive approach which scales poorly with the number of quantifier alternations. Our generalization of CEGIS removes the need for this recursive approach, and we instantiate it to yield a simple and efficient algorithm for QBF solving. Lastly, this research is supported by a competitive, though straightforward, implementation of the algorithm, making it possible to study the practical impact of our algorithm design decisions, along with various optimizations.

연구 동기 및 목표

• 재귀적 확장 전략에 의존하는 기존의 반례를 통한 QBF 솔버의 열악한 확장성 문제를 해결한다.
• 재귀를 피하고 다중 양자화자 번갈아 적용을 더 잘 처리할 수 있도록 일반화된 CEGIS 프레임워크를 개발한다.
• 일반화된 CEGIS 접근법에 기반한 실용적이고 효율적인 QBF 해법 알고리즘을 설계한다.
• 실제 성능과 핵심 설계 결정 및 최적화의 영향을 평가하기 위해 알고리즘을 구현한다.

제안 방법

• CEGIS를 일반화하여 QBF 해법에서 재귀적 확장을 지원하지 않도록 하여 재귀적 개선에 의존하는 것을 제거한다.
• 반례를 활용해 후보 해를 반복적으로 확장함으로써 반복적인 재귀적 순회를 피한다.
• 반례 분석과 정제를 통해 만족 가능한 할당을 점진적으로 구축하는 솔버를 구성한다.
• 실제 QBF 인스턴스에서의 성능 향상을 위해 최적화 기법을 솔버에 통합한다.
• 개별 알고리즘 선택의 영향을 분리하고 평가할 수 있도록 모듈러한 구현을 설계한다.

실험 결과

연구 질문

• RQ1 비재귀적 CEGIS 기반 접근법이 QBF 해법의 확장성에서 기존의 재귀적 대안보다 뛰어나게 성능을 발휘할 수 있는가?
• RQ2 기존 방법과 비교해 일반화된 CEGIS 프레임워크는 증가하는 양자화자 번갈아 적용 수에 대해 어떻게 대응하는가?
• RQ3 제안된 알고리즘 설계와 최적화의 실용적 성능에 어떤 영향을 미치는가?
• RQ4 새로운 접근법이 최신 기술 수준의 QBF 솔버와 경쟁력을 유지할 수 있는가?

주요 결과

• 제안된 비재귀적 CEGIS 기반 QBF 솔버는 특히 높은 양자화자 번갈아 적용 깊이에서 기존의 재귀적 접근보다 더 뛰어난 확장성을 보였다.
• 표준 QBF 벤치마크에서 경쟁력 있는 성능을 달성하여 실용성의 가능성을 입증했다.
• 구현을 통해 설계 결정 및 최적화 전략의 효과적인 실증 분석이 가능했다.
• CEGIS의 일반화가 재귀의 필요성을 성공적으로 제거하여 알고리즘을 단순화하면서도 효과성을 유지했다.