[论文解读] Computing Minimal Distinguishing Hennessy-Milner Formulas is NP-Hard, but Variants are Tractable

Jan Martens, Jan Friso Groote|arXiv (Cornell University)|Jan 1, 2023

DNA and Biological Computing被引用 1

一句话总结

本文证明了在有限LTS中计算非 bisimilar 状态的最小大小区分性 Hennessy-Milner 逻辑公式的计算问题是 NP-难的，但提出了基于观测深度和否定深度的多项式时间最小化算法——相比 Cleaveland 的方法，显著减小了公式规模。原型实现验证了公式深度和大小最高可达 10 倍的减少，证明了其在调试行为不等价性方面的实际优越性。

ABSTRACT

We study the problem of computing minimal distinguishing formulas for non-bisimilar states in finite LTSs. We show that this is NP-hard if the size of the formula must be minimal. Similarly, the existence of a short distinguishing trace is NP-complete. However, we can provide polynomial algorithms, if minimality is formulated as the minimal number of nested modalities, and it can even be extended by recursively requiring a minimal number of nested negations. A prototype implementation shows that the generated formulas are much smaller than those generated by the method introduced by Cleaveland.

研究动机与目标

• 确定在有限 LTS 中为非 bisimilar 状态寻找最小区分性 Hennessy-Milner 逻辑公式的计算复杂度。
• 探究除公式大小外的其他最小化标准是否能产生可 tractable 且实用的算法。
• 开发并评估一种新算法，生成的区分性公式比现有方法（如 Cleaveland 的划分细化方法）更简洁。
• 证明最小化观测深度与否定深度可产生紧凑且人类可读的公式，从而更易于调试。

提出的方法

• 将 CNF-SAT 归约到在有向无环 LTS 中判断是否存在区分性轨迹的问题，证明了最小大小公式计算的 NP-难性。
• 提出一种基于动态规划的算法，以多项式时间计算最小观测深度的区分性公式。
• 通过递归追踪嵌套模态算符与否定，将该算法扩展为同时最小化观测深度与否定深度。
• 利用 k- bisimilarity 和 m-嵌套相似关系来指导公式构造，并确保基于深度度量的最小性。
• 采用分裂树数据结构以优化内存使用，并在划分细化过程中高效计算等价类。
• 实现一个原型，通过记忆化技术生成共享且不可约的公式，避免冗余计算。

实验结果

研究问题

• RQ1 在有限 LTS 中为非 bisimilar 状态计算最小大小的区分性 Hennessy-Milner 公式是否为 NP-难？
• RQ2 最小化嵌套模态算符数量（观测深度）是否能产生可 tractable 且紧凑的区分性公式？
• RQ3 能否在保持公式最小性的同时，以多项式时间最小化嵌套否定数量（否定深度）？
• RQ4 在实际应用中，所提出的算法与 Cleaveland 方法相比，在公式大小与深度方面表现如何？

主要发现

• 通过从 CNF-SAT 的直接归约，证明了计算最小大小区分性 Hennessy-Milner 公式是 NP-难的。
• 非 bisimilar 状态存在区分性轨迹的问题是 NP-完全的，确认了最小公式合成的固有复杂性。
• 所提算法以多项式时间计算最小观测深度公式，由于动态规划，递归调用次数为 O(|S|³)。
• 通过追踪方括号与菱形模态算符的嵌套交替，该算法进一步保证了最小否定深度。
• 在 188,568 个状态的模型实验中，新方法将公式深度相比 Cleaveland 方法最高减少了 10 倍。
• 原型实现始终在所有指标上生成更小的公式，多个基准测试的平均大小减少了超过 50%。