[논문 리뷰] Stochastic HYPE: Flow-based modelling of stochastic hybrid systems

Luca Bortolussi, Vashti Galpin외 1명|arXiv (Cornell University)|2014. 11. 17.

Formal Methods in Verification참고 문헌 21인용 수 3

한 줄 요약

이 논문은 HYPE를 확장하여 비우선순위 이벤트를 지수분포를 가진 확률적 이벤트로 대체하고 무작위 리셋을 통합함으로써 일반적인 확률성을 모델링하는 Stochastic HYPE를 소개한다. 이는 전이 기반 확률적 하이브리드 오토마타(TDSHA)를 의미론적 기반으로 사용하여 확률적, 즉각적, 연속적인 행동을 포함하는 시스템의 조합적 모델링을 가능하게 하며, 세 가지 행동 유형을 통합적으로 포괄하는 새로운 이분할 등가성을 정의한다.

ABSTRACT

Stochastic HYPE is a novel process algebra that models stochastic, instantaneous and continuous behaviour. It develops the flow-based approach of the hybrid process algebra HYPE by replacing non-urgent events with events with exponentially-distributed durations and also introduces random resets. The random resets allow for general stochasticity, and in particular allow for the use of event durations drawn from distributions other than the exponential distribution. To account for stochasticity, the semantics of stochastic HYPE target piecewise deterministic Markov processes (PDMPs), via intermediate transition-driven stochastic hybrid automata (TDSHA) in contrast to the hybrid automata used as semantic target for HYPE. Stochastic HYPE models have a specific structure where the controller of a system is separate from the continuous aspect of this system providing separation of concerns and supporting reasoning. A novel equivalence is defined which captures when two models have the same stochastic behaviour (as in stochastic bisimulation), instantaneous behaviour (as in classical bisimulation) and continuous behaviour. These techniques are illustrated via an assembly line example.

연구 동기 및 목표

• 불확실한 시스템 반응의 정량적 분 析를 지원하기 위해 HYPE 프로세스 대수에 확률적 행동을 확장하는 것.
• HYPE의 비우선순위 이벤트가 확률적 시간 간격을 갖지 못하고 정량적 분석이 불가능한 한계를 해결하는 것.
• 제어 논리와 연속적 역학을 분리하는 조합적이고 모듈러한 프레임워크를 제공하여 모델 구축 및 수정을 용이하게 하는 것.
• 형식적 추론을 위해 확률적, 즉각적, 연속적 행동을 통합하는 새로운 행동 등가성을 정의하는 것.
• 확률적 이벤트 시간 간격과 무작위 리셋을 포함하는 현실적인 조립 라인 사례 연구를 통해 접근법을 시연하는 것.

제안 방법

• 비우선순위 이벤트를 지수분포에 의해 지배되는 확률적 이벤트로 대체하여 무작위 지연을 모델링한다.
• 확률 변수를 사용하여 무작위 리셋을 도입함으로써 지수분포 외의 일반 분포를 허용하여 더 풍부한 확률적 모델링을 가능하게 한다.
• Stochastic HYPE 모델을 전이 기반 확률적 하이브리드 오토마타(TDSHA)로 매핑하며, 이는 조각별 결정적 마코프 과정(PDMPs)에 기반한다.
• 라벨된 전이 시스템에 기반한 운영 의미론을 사용하여 Stochastic HYPE 문법에서 TDSHA 모델을 생성한다.
• 동시에 확률적, 즉각적, 연속적 행동 등가성을 포괄하는 새로운 이분할 등가성을 정의한다.
• 시스템 구성 요소 간의 행동 의미론을 유지하는 제품 구성 방법을 통해 조합적 모델링을 지원한다.

실험 결과

연구 질문

• RQ1 HYPE의 비우선순위 이벤트는 어떻게 확률적 시간 간격을 지원하면서도 조합적 모델링을 유지할 수 있는가?
• RQ2 하이브리드 시스템에서 확률적, 이산적, 연속적 행동의 조합을 지원하는 데 가장 적합한 의미론적 기반은 무엇인가?
• RQ3 형식적 추론을 위해 확률적, 즉각적, 연속적 행동을 통합하는 행동 등가성을 어떻게 정의할 수 있는가?
• RQ4 HYPE의 유량 기반 접근법은 지수분포를 초월한 일반적인 확률성을 지원하도록 어떻게 확장할 수 있는가?
• RQ5 제안된 Stochastic HYPE 모델은 PDMPs, TDSHA, UPPAAL의 확률적 확장과 같은 기존 형식 체계에 비해 표현력과 분석 능력에서 어떻게 비교되는가?

주요 결과

• Stochastic HYPE는 지수분포 지연을 통해 HYPE에 확률적 이벤트를 성공적으로 확장하여 시스템 행동의 정량적 분 析를 가능하게 하였다.
• 무작위 리셋의 사용은 임의의 확률적 이벤트 지속 시간을 모델링할 수 있게 하여 지수분포만을 고려하는 것보다 표현력이 크게 향상되었다.
• Stochastic HYPE에서 TDSHA로의 매핑은 공식적으로 확립되었으며 이는 이전의 구성과 동치임이 입증되어 의미론적 정확성을 보장한다.
• 제안된 이분할 등가성은 동치성이며, 확률적, 이산적, 연속적 행동 유형을 모두 포괄하여 모델 비교의 형식적 기반을 제공한다.
• 비교적 복잡한 조립 라인 사례 연구를 통해 접근법의 실용성과 복잡한 하이브리드 시스템 모델링에서의 모듈성이 입증되었다.
• Stochastic HYPE는 실제로 야생 동물 모니터링(ZebraNet), 궤도 역학(orbiter), 생물학적 과정(Bio-PEPA)에 성공적으로 적용되어 확장성과 표현력이 검증되었다.