[논문 리뷰] The Complexity of Learning LTL, CTL and ATL Formulas

Benjamin Bordais, Daniel Neider외 1명|arXiv (Cornell University)|2024. 08. 08.

Evolutionary Algorithms and Applications인용 수 1

한 줄 요약

이 논문은 선형 시간 논리(LTL), 계산수무구조논리(CTL), 교차시간논리(ATL)에 대한 수동학습의 복잡도를 종합적으로 분석하며, 모든 세 논리에서 이진 연산자 사용이 무제한일 경우 공식 학습이 NP-완전임을 보여준다. 반면 이진 연산자의 수가 유한한 경우 복잡도는 크게 달라지며, LTL와 CTL 학습은 여전히 NP-완전하지만, ATL 학습은 두 명의 에이전트가 있을 경우 다항식 시간 내에 해결 가능해지며(즉, P-완전), 더 많은 에이전트가 있을 경우 여전히 NP-완전한 것으로 밝혀져 표현력과 복잡도 사이에 뚜렷한 전환점이 존재함을 시사한다.

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).

연구 동기 및 목표

• LTL, CTL, ATL 공식에 대한 수동학습의 계산 복잡도를 공식적으로 분석하는 것.
• 시간논리 공식 학습이 어떤 조건에서 다루기 쉬운지 또는 여전히 어려운지 규명하는 것.
• 이전의 LTL 분할에 대한 NP-완전성 결과를 CTL과 ATL, 다중 에이전트 시스템으로 확장하는 것.
• 이진 연산자의 사용 횟수가 제한되었을 경우 다양한 시간논리에서 학습 복잡도에 어떤 영향을 미치는지 조사하는 것.
• 연산자 수와 논리 유형에 기반하여 다루기 쉬운 분할과 다루기 어려운 분할 사이의 명확한 이분법을 설정하는 것.

제안 방법

• LTL, CTL, ATL에서 이진 연산자가 무제한일 경우 학습의 NP-난이도를 증명하기 위해 히팅셋 문제로의 감소를 수행한다.
• 학습을 위한 양성 및 부정성 예시를 인코딩하기 위해 특수화된 Kripke 및 동시 게임 구조를 구축한다.
• ATL 공식의 교차 의미론과 구조적 특성을 활용하여 예시 구조의 수락 및 거부를 특성화한다.
• 이진 연산자 사용을 시뮬레이션하는 시간적 및 전략적 연산자를 활용한 공식 인코딩을 설계한다.
• 이진 연산자 사용이 제한된 조건에서 복잡도 변화를 분리하기 위해 단일 연산자 집합(예: {F, G}, {¬, X, F, G})을 활용한다.
• 논리적 보조정리(예: 교차 공식에 관한 보조정리 99, 공식 수락에 관한 보조정리 124)를 통한 증명을 통해 감소의 정확성을 확립한다.

실험 결과

연구 질문

• RQ1 LTL, CTL, ATL 공식 학습 문제에서 이진 연산자의 사용이 무제한일 경우 NP-완전인가?
• RQ2 이진 연산자 사용 횟수를 제한하면 연구된 논리들 중 어느 하나에서라도 다루기 쉬운 학습 분할이 존재하는가?
• RQ3 왜 ATL 공식 학습의 복잡도는 에이전트 수에 따라 달라지지만, LTL과 CTL은 그러한 의존성이 없나?
• RQ4 두 명의 에이전트가 있는 ATL에 대해 학습 문제는 다항식 시간 내에 해결 가능한가? 더 많은 에이전트가 있을 경우 어떤 변화가 생기는가?
• RQ5 특정 단일 연산자 집합이 공식 학습의 복잡도를 결정하는 데 어떤 역할을 하는가?

주요 결과

• 이진 연산자 사용이 무제한일 경우, 연구된 모든 논리에서 LTL, CTL, ATL 공식 학습은 NP-완전하다.
• 이진 연산자의 수가 유한할 경우, LTL과 CTL 공식 학습은 단일 연산자 집합에 관계없이 여전히 NP-완전하다.
• ATL의 경우, 두 명의 에이전트에서 이진 연산자가 제한될 경우 학습이 P-완전해지며, 이는 다루기 쉬운 분할임을 나타낸다.
• 세 명 이상의 에이전트일 경우, 이진 연산자가 제한된 상태에서도 ATL 학습은 여전히 NP-완전한 것으로 밝혀져, 두 명의 에이전트에서 복잡도의 전환점이 존재함을 시사한다.
• ATL의 경우 학습 복잡도는 에이전트 수에 민감하며, 세 명의 에이전트에서 다루기 쉬운 행동에서 다루기 어려운 행동으로의 급격한 전환점이 존재한다.
• 결과적으로, 선택된 논리와 에이전트 수가 자동화된 시간적 성질 학습의 실현 가능성에 크게 영향을 미친다는 점을 입증한다.