[论文解读] Boltzmann samplers for random generation of lambda terms

Pierre Lescanne|arXiv (Cornell University)|Apr 15, 2014

Logic, programming, and type systems参考文献 20被引用 6

一句话总结

本文提出了一种基于生成函数和临界参数 ρ ≈ 0.5093 的玻尔兹曼采样方法，用于对 lambda 项及其相关组合结构（如二叉树）进行均匀随机生成。该方法利用德布鲁因指标和特罗姆普的二进制编码，实现了大尺寸项（最大达 500 万）的高效线性时间生成，仅需数分钟，适用于功能编译器的测试以及通过过滤或非排名法生成可类型化的项。

ABSTRACT

Randomly generating structured objects is important in testing and optimizing functional programs, whereas generating random $'l$-terms is more specifically needed for testing and optimizing compilers. For that a tool called QuickCheck has been proposed, but in this tool the control of the random generation is left to the programmer. Ten years ago, a method called Boltzmann samplers has been proposed to generate combinatorial structures. In this paper, we show how Boltzmann samplers can be developed to generate lambda-terms, but also other data structures like trees. These samplers rely on a critical value which parameters the main random selector and which is exhibited here with explanations on how it is computed. Haskell programs are proposed to show how samplers are actually implemented.

研究动机与目标

• 开发一种数学上严谨的方法，实现按大小均匀分布的随机 lambda 项生成。
• 将玻尔兹曼采样方法——最初用于树等组合结构——扩展至包含绑定变量的 lambda 项。
• 实现大尺寸、可类型化 lambda 项的实用生成，以用于功能编程编译器的测试。
• 提供一个系统化的框架，利用生成函数和临界参数 ρ 实现随机项的生成。
• 通过高效的 Haskell 实现，将该方法集成至功能编程工具中。

提出的方法

• 基于德布鲁因指标和特罗姆普的二进制编码，利用生成函数对 lambda 项和树的组合结构进行建模。
• 定义一个临界参数 ρ ≈ 0.509308127，用于控制项构造器的概率分布：变量的概率为 (1−ρ²)/2，抽象为 ρ²，应用为 (1−ρ²)/2。
• 基于生成函数和 ρ，通过递归的随机选择实现玻尔兹曼采样，并利用上取整函数施加大小约束。
• 通过重复采样直至获得所需大小的项，实现对大尺寸普通 lambda 项的过滤法生成。
• 通过动态规划和函数 tromp m n 实现非排名法，直接生成在最多 m 个索引下按字典序排列的第 k 个项。
• 利用特罗姆普对 lambda 项的二进制表示（00 表示 λ，01 表示应用，1^n0 表示变量 n）定义基于位长度的自然大小度量。

实验结果

研究问题

• RQ1 玻尔兹曼采样方法如何被调整以实现按大小均匀分布的随机 lambda 项生成？
• RQ2 使 lambda 项构造器采样平衡且高效的临界参数 ρ 是什么？
• RQ3 玻尔兹曼采样方法能否扩展至生成不仅普通且可类型化的 lambda 项？
• RQ4 lambda 项的生成函数如何显式计算并用于高效随机生成？
• RQ5 该方法在生成大尺寸 lambda 项时的计算复杂度和实际可扩展性如何？

主要发现

• 临界参数 ρ ≈ 0.509308127 实现了对 lambda 项构造器的平衡采样：变量和应用的概率各约为 0.3703，抽象的概率约为 0.2594。
• 在笔记本电脑上，大小为 100,000 的大尺寸普通 lambda 项可在数秒内生成，大小为 1 百万的项需三分钟，大小为 500 万的项需五分钟。
• 通过过滤随机生成的普通项以检查可类型性，可生成大小达 500 的随机可类型 lambda 项。
• 非排名函数 unrankT 允许通过在函数 tromp m n 上进行动态规划，直接生成在自由索引受限条件下的字典序中第 k 个项。
• 该方法具有线性时间复杂度，并利用特罗姆普的二进制编码，根据变量的深度（德布鲁因指标）为其分配自然且尊重大小的权重。
• 闭合 lambda 项的生成函数由涉及 Sm,n 的递推关系导出，OEIS 中的序列 A114851 对验证计数方法起到了关键作用。