[논문 리뷰] Better Quality in Synthesis through Quantitative Objectives

Roderick Bloem, Krishnendu Chatterjee외 2명|arXiv (Cornell University)|2009. 04. 17.

Formal Methods in Verification참고 문헌 14인용 수 32

한 줄 요약

이 논문은 반응형 시스템의 최적 구현을 합성하기 위해 질적 사양과 렉시코그래픽 평균보상 목표를 조합하는 프레임워크를 제안한다. 최적 또는 $\varepsilon$-최적의 유한 메모리 구현을 가능하게 하기 위해 렉시코그래픽 평균보상 게임과 렉시코그래픽 평균보상 파리티 게임을 해결하는 알고리즘을 제시하며, 이는 최적 전략이 무한 메모리를 요구할 수 있음에도 불구하고 가능하다.

ABSTRACT

Most specification languages express only qualitative constraints. However, among two implementations that satisfy a given specification, one may be preferred to another. For example, if a specification asks that every request is followed by a response, one may prefer an implementation that generates responses quickly but does not generate unnecessary responses. We use quantitative properties to measure the "goodness" of an implementation. Using games with corresponding quantitative objectives, we can synthesize "optimal" implementations, which are preferred among the set of possible implementations that satisfy a given specification. In particular, we show how automata with lexicographic mean-payoff conditions can be used to express many interesting quantitative properties for reactive systems. In this framework, the synthesis of optimal implementations requires the solution of lexicographic mean-payoff games (for safety requirements), and the solution of games with both lexicographic mean-payoff and parity objectives (for liveness requirements). We present algorithms for solving both kinds of novel graph games.

연구 동기 및 목표

• 순수한 질적 사양이 동일하게 올바른데도 질적으로 다른 구현을 구분할 수 없는 반응형 시스템 합성의 한계를 해결하기 위해.
• 특히 렉시코그래픽 평균보상 성질을 포함한 정량적 목표를 사용하여 올바른 구현 간의 선호 순서를 정의하기 위해.
• 불필요한 반응이나 지연된 반응과 같은 바람직하지 않은 행동을 최소화하는 최적 또는 근사 최적의 구현을 합성할 수 있도록 하기 위해.
• 이 합성에 필수적인 새로운 게임 클래스인 렉시코그래픽 평균보상 게임과 렉시코그래픽 평균보상 파리티 게임을 정식화하고 해결하기 위해.
• 안전성 및 라이브니스 제약 조건이 존재할 때 실현 가능성과 $\varepsilon$-최적성의 결정 가능성 및 복잡도 한계를 설정하기 위해.

제안 방법

• 전이에 실수 값을 갖는 보상 튜플을 할당하기 위해 렉시코그래픽 평균보상 옴니게이터를 사용하여 불필요한 승인 최소화 및 반응 지연 감소와 같은 다수의 정량적 목표를 모델링한다.
• 안전성 제약 조건에 대해 렉시코그래픽 평균보상 게임을 해결하는 것으로 합성 문제를 축소하고, 라이브니스 제약 조건에 대해 렉시코그래픽 평균보상 파리티 게임을 해결한다.
• 최적 해를 확보하기에 충분한 무한 기억 전략을 사용하는 렉시코그래픽 평균보상 게임에 대해 무기억 전략을 적용한다.
• 최적 전략이 무한 메모리를 요구할 수 있음에도 불구하고, 렉시코그래픽 평균보상 파리티 게임에 대해 유한 상태 $\varepsilon$-최적 전략을 구성하는 방법을 제안한다.
• 게임 이론적 알고리즘을 적용하여 초기 상태의 값을 계산하고 정량적 사양의 실현 가능성을 판단한다.
• 합성된 컨트롤러를 메일리 기계로 표현하며, 게임 복잡도에 비례하는 다항 시간 내에 최적 또는 $\varepsilon$-최적의 구현을 구성하는 알고리즘을 제공한다.

실험 결과

연구 질문

• RQ1 정량적 목표를 반응형 합성에 효과적으로 통합하여 질적 사양을 만족하는 구현들 중에서 더 나은 것을 선호할 수 있는가?
• RQ2 불필요한 행동 최소화 및 반응 지연 최소화와 같은 핵심 품질 특성을 포착하기 위해 어떤 종류의 게임 이론적 목표가 필요한가?
• RQ3 렉시코그래픽 평균보상 게임의 최적 전략은 무기억 전략인가? 그리고 이들의 해결 복잡도는 어떠한가?
• RQ4 최적 전략이 무한 메모리를 요구할 경우에도 $\varepsilon$-최적의 구현을 유한 상태로 합성할 수 있는가?
• RQ5 라이브니스 제약 조건과 렉시코그래픽 평균보상 목표가 존재할 때 실현 가능성과 $\varepsilon$-실현 가능성은 어떻게 다를까?

주요 결과

• 무기억 전략에 대해 렉시코그래픽 평균보상 게임은 결정 가능하며, NP ∩ coNP 내에서 결정 가능하여 최적의 구현을 효율적으로 합성할 수 있다.
• 렉시코그래픽 평균보상 파리티 게임의 경우 최적 전략이 무한 메모리를 요구할 수 있지만, 임의의 $\vec{\varepsilon} > \vec{0}$에 대해 $\varepsilon$-최적의 유한 상태 전략이 존재한다.
• 안전성 제약 조건에 대해 실현 가능성과 $\vec{c}$-실현 가능성 결정의 복잡도는 NP ∩ coNP 내에 있다.
• 라이브니스 제약 조건에 대해 한정-\vec{c}-실현 가능성은 coNP 내에서 결정 가능하며, $\vec{c}$-실현 가능성은 NP 내에서 결정 가능하다.
• 안전성 제약 조건에 대해 최적의 메일리 기계는 시간 $O(|E|^{4d+6} \cdot |\vec{r}|)$ 내에 구성할 수 있으며, 라이브니스 제약 조건에 대해 $\vec{\varepsilon}$-최적성을 확보할 경우 시간 $O(|S|^{|p|} \cdot |E|^{4d+6} \cdot |\vec{r}| + \frac{1}{\varepsilon})$ 내에 구성할 수 있다.
• 이 프레임워크를 통해 렉시코그래픽 조합된 평균보상 목표를 통해 불필요한 반응과 반응 지연을 모두 최소화하는 구현을 합성할 수 있다.