Skip to main content
QUICK REVIEW

[论文解读] A Trustful Monad for Axiomatic Reasoning with Probability and Nondeterminism

Reynald Affeldt, Jacques Garrigue|arXiv (Cornell University)|Mar 22, 2020
Logic, Reasoning, and Knowledge参考文献 41被引用 11
一句话总结

本论文首次在Coq中形式化了几何凸幺半群,这是一种结合了概率性选择与非确定性选择的可信模型,同时支持幂等的概率选择。该幺半群通过伴随函子构造,利用形式化的凸空间、半完备半格和具体范畴,实现了等式推理,并在不依赖有缺陷的右分配律的前提下,验证了Gibbons与Hinze公理的一致性。

ABSTRACT

The algebraic properties of the combination of probabilistic choice and nondeterministic choice have long been a research topic in program semantics. This paper explains a formalization in the Coq proof assistant of a monad equipped with both choices: the geometrically convex monad. This formalization has an immediate application: it provides a model for a monad that implements a non-trivial interface which allows for proofs by equational reasoning using probabilistic and nondeterministic effects. We explain the technical choices we made to go from the literature to a complete Coq formalization, from which we identify reusable theories about mathematical structures such as convex spaces and concrete categories, and that we integrate in a framework for monadic equational reasoning.

研究动机与目标

  • 为结合概率性与非确定性选择的幺半群等式推理提供一个形式化且一致的模型。
  • 通过移除绑定运算对概率选择的右分配律,解决Gibbons与Hinze原始公理化中的不一致性。
  • 形式化一个支持幂等概率选择与无限非确定性选择的幺半群,确保代数一致性。
  • 通过补全其在联合概率性与非确定性效应方面缺失的模型,扩展Monae框架。
  • 开发可重用的形式数学理论(凸空间、具体范畴、半完备半格),以支持未来在程序语义中的形式化工作。

提出的方法

  • 形式化凸空间与仿射函数,以建模概率选择与凸组合。
  • 引入非空凸幂集函子的形式化,以表示非确定性选择。
  • 定义半完备半格结构,使用Beaulieu的算子对无穷非确定性选择进行建模。
  • 将具体范畴作为通过伴随函子构造幺半群的基础。
  • 利用凸空间与半格之间的伴随关系,通过复合构造出几何凸幺半群。
  • 利用Coq的打包类与模块化设计,确保可重用性,并与现有形式化(如Monae)集成。

实验结果

研究问题

  • RQ1能否形式化构造一个幺半群,使其结合概率性与非确定性选择,同时保持概率选择的幂等性?
  • RQ2在形式化模型中,如何避免Gibbons与Hinze原始公理化中因右分配律引发的不一致性?
  • RQ3在Coq等证明助手中,构建此类幺半群需要哪些形式化的数学结构?
  • RQ4能否通过可重用、模块化的组件,利用伴随函子构建几何凸幺半群?
  • RQ5该形式化如何与现有幺半群等式推理框架(如Monae)集成?

主要发现

  • 几何凸幺半群在Coq中被正式构造为凸空间与半完备半格之间伴随函子的复合。
  • 该形式化通过省略有缺陷的右分配律性质,成功避免了Gibbons与Hinze原始公理化中的不一致性。
  • 该幺半群同时支持幂等概率选择与无穷非确定性选择,后者通过Beaulieu的算子进行建模。
  • 该形式化包含可重用的理论,涵盖凸空间、凸幂集、半完备半格与具体范畴,全部集成于模块化框架中。
  • 该幺半群被成功用于机械化解密蒙蒂霍尔问题,证明了其在幺半群等式推理中的实用性。
  • 本工作通过增加一个可信的联合概率性与非确定性接口模型,完成了Monae框架。

更好的研究,从现在开始

从论文设计到论文写作,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。