[논문 리뷰] Termination Analysis of Probabilistic Programs through Positivstellensatz's

Krishnendu Chatterjee, Hongfei Fu외 1명|arXiv (Cornell University)|2016. 04. 25.

Formal Methods in Verification참고 문헌 34인용 수 10

한 줄 요약

이 논문은 다항식 가드와 할당을 갖는 비결정적 확률적 프로그램의 거의 확실한 종료성과 유한 종료성을 분석하기 위해 다항식 랭킹 수퍼마르팅게일(pRSMs)을 도입한다. 포지티빌스텔렌츠 정리—푸티나르의, 숄뮈드겐의, 헌델만의—를 활용하여 다항식의 비음성 여부를 반지름 대역에서 검증하는 합의 제곱 최적화를 통해 효율적이고 반완전적인 pRSM 합성 기법을 제공하며, 선형 방법이 실패하는 복잡한 프로그램에서 이전의 선형 방법보다 뛰어난 성능을 발휘한다.

ABSTRACT

We consider nondeterministic probabilistic programs with the most basic liveness property of termination. We present efficient methods for termination analysis of nondeterministic probabilistic programs with polynomial guards and assignments. Our approach is through synthesis of polynomial ranking supermartingales, that on one hand significantly generalizes linear ranking supermartingales and on the other hand is a counterpart of polynomial ranking-functions for proving termination of nonprobabilistic programs. The approach synthesizes polynomial ranking-supermartingales through Positivstellensatz's, yielding an efficient method which is not only sound, but also semi-complete over a large subclass of programs. We show experimental results to demonstrate that our approach can handle several classical programs with complex polynomial guards and assignments, and can synthesize efficient quadratic ranking-supermartingales when a linear one does not exist even for simple affine programs.

연구 동기 및 목표

• 특히 다항식 가드와 할당을 갖는 확률적 프로그램에 대해 비선형 랭킹 수퍼마르팅게일의 알고리즘적 합성에 대한 격차를 메우기 위해.
• 선형 랭킹 수퍼마르팅게일(LRSM)을 비선형성 처리가 가능한 다항식 랭킹 수퍼마르팅게일(pRSM)으로 확장하여 선형 방법이 실패하는 복잡한 확률적 프로그램을 다룰 수 있도록 하기 위해.
• 포지티빌스텔렌츠 정리와 합의 제곱 최적화를 활용한 pRSM 합성에 대해 타당성과 반완전성을 확보하는 방법을 개발하기 위해.
• 이전 접근 방식이 실패하는 비선형 역학과 유한 영역을 갖는 고전적 확률적 프로그램들에 대해 효과성을 입증하기 위해.
• 비결정성과 다항식 갱신을 갖는 확률적 프로그램에 대한 자동 종료성 분석을 위한 확장 가능하고 효율적인 프레임워크를 제공하기 위해.

제안 방법

• 랭킹 함수가 선형이 아니라 다항식인 다항식 랭킹 수퍼마르팅게일(pRSM)을 선형 랭킹 수퍼마르팅게일의 일반화로 도입한다.
• 다항식의 비음성 여부를 반지름 대역에서 검증하기 위해 푸티나르의, 숄뮈드겐의, 또는 헌델만의 포지티빌스텔렌츠 정리를 사용하여 합의 제곱(SOS) 최적화 문제로 합성 문제를 수립한다.
• pRSM 조건을 다항식 부등식 및 등식의 체계로 변환하고, 이를 정수형 프로그램(SDP)으로 인코딩하여 SOSTOOLS와 CPLEX로 해결한다.
• 수치적 검증 단계를 도입: 등식 제약 조건의 최대 오차가 고정된 임계값(예: ε = 1) 이하임을 확인하여 유한 영역 내에서의 정확성을 보장한다.
• SOS 프로그래밍에서의 정수 해를 피하기 위해 제약 조건 C2를 수정(η(ℓ, x) ≥ 1 → ≥ 0)하여 수치적 안정성을 향상시킨다.
• 행렬의 준정부정성 검증을 위한 실리스터 기준을 SOS 외의 대안으로 적용하지만, 주요 방법은 SOS 기반의 포지티빌스텔렌츠 정리에 기반한다.

실험 결과

연구 질문

• RQ1 비결정적 확률적 프로그램에 대해 다항식 가드와 할당을 갖는 다항식 랭킹 수퍼마르팅게일을 체계적으로 합성할 수 있는가?
• RQ2 제안된 방법은 선형 랭킹 수퍼마르팅게일이 존재하지 않는 프로그램을 포함한 광범위한 확률적 프로그램 클래스에 대해 타당성과 반완전성을 갖는가?
• RQ3 푸티나르, 숄뮈드겐, 헌델만의 포지티빌스텔렌츠 기반 추론이 실질적으로 pRSM 합성 자동화에 효과적으로 적용될 수 있는가?
• RQ4 비선형 역학을 갖는 프로그램에서 pRSM 합성 방법의 성능 및 확장성은 기존 선형 방법보다 어떻게 비교되는가?
• RQ5 이 방법은 거의 확실한 종료성 외에도 농도 경계와 유한 종료성 성질을 다룰 수 있는가?

주요 결과

• 선형 랭킹 수퍼마르팅게일이 존재하지 않는 프로그램, 예를 들어 게임의 파산과 비선형 경계를 갖는 랜덤 워크에 대해, 제안된 방법은 이차 pRSM을 성공적으로 합성한다.
• 로지스틱 맵를 제외한 모든 테스트 예제에서 이전 방법이 실패한 종료성 분석을 달성하였으며, 선형 방법이 요구되는 비선형 감쇠를 포착하지 못하기 때문이다.
• 실험 결과에 따르면, 이 방법은 효율적으로 확장 가능하다: 네스티드 루프와 게임의 파산 변형을 포함한 모든 예제가 CPLEX와 SOSTOOLS를 사용해 0.02초 이내에 해결된다.
• 등식 제약 조건의 최대 수치 오차는 항상 10⁻⁷ 이하로 유지되어, 유한 영역 내에서 SOS 해의 정확성을 검증한다.
• 레마크 6에 의해 보여지듯이, pRSM이 존재하는 한정된 하위 클래스에 대해 이 방법은 반완전성을 확보한다.
• 로지스틱 맵 예제에서는 이 방법이 선형 프로그래밍으로 축소되지만, 이전 방법들인 [15, 48]은 준정부정형 프로그래밍을 요구하므로, 상당한 성능 우월성을 보인다.