[论文解读] Concurrent bisimulation algorithm.

Konrad Kułakowski|arXiv (Cornell University)|Nov 25, 2013

Formal Methods in Verification参考文献 5被引用 4

一句话总结

本文提出了一种并发 bisimulation 算法，通过将 Hopcroft 的 '处理较小一半' 原则推广至处理除最大分区外的所有分区，改进了顺序的 Paige 和 Tarjan 算法，提升了在并发和并行执行中的适用性。该方法实现了与现有最佳顺序和并发解决方案相当的性能，实验结果验证了其高效性。

ABSTRACT

The coarsest bisimulation-finding problem plays an important role in the formal analysis of concurrent systems. For example, solving this problem allows the behavior of different processes to be compared or specifications to be verified. Hence, in this paper an efficient concurrent bisimulation algorithm is presented. It is based on the sequential Paige and Tarjan algorithm and the concept of the state signatures. The original solution follows Hopcroft's principle process the smaller half. The presented algorithm uses its generalized version process all but the largest one better suited for concurrent and parallel applications. The running time achieved is comparable with the best known sequential and concurrent solutions. At the end of the work, the results of tests carried out are presented. The question of the lower bound for the running time of the optimal algorithm is also discussed.

研究动机与目标

• 为并发系统形式化验证中的高效 bisimulation 计算提供支持。
• 通过将 Hopcroft 原则适配以提升并行可扩展性，改进现有顺序和并发算法。
• 开发一种适用于并发和并行架构实现的可扩展算法。
• 在顺序和并发环境下，实现与最佳已知解决方案相当的性能。

提出的方法

• 通过处理除最大分区外的所有分区，而非仅处理较小一半，推广 Hopcroft 原则，以改善并行执行中的负载均衡。
• 利用状态签名的概念，高效比较并合并等价状态，以支持分区细化。
• 基于 Paige 和 Tarjan 的顺序算法，通过引入并发数据结构和同步模式进行扩展。
• 采用工作窃取或基于任务的并行模型，将计算分配到多个线程上执行分区细化。
• 通过维护基于签名的不变量，确保在并发状态合并过程中保持正确性。
• 通过基准工作负载进行实验评估，以衡量与现有解决方案相比的可扩展性和性能表现。

实验结果

研究问题

• RQ1 如何将经典的 Paige 和 Tarjan bisimulation 算法改进以实现高效的并发执行？
• RQ2 将 Hopcroft 的 '较小一半' 规则推广为 '除最大外的所有'，对并行系统中的性能和可扩展性有何影响？
• RQ3 所提出的算法在性能上与最先进的顺序和并发 bisimulation 算法相比如何？
• RQ4 最优 bisimulation 算法的运行时间理论下限是多少？所提出的解决方案与之接近到何种程度？

主要发现

• 所提出的算法运行时间与最佳已知的顺序和并发 bisimulation 算法相当。
• 将分区细化规则推广为处理除最大分区外的所有分区，可改善并发环境下的负载均衡和性能。
• 实验测试表明，该算法在多核处理器上表现出良好的可扩展性。
• 通过基于签名的状态比较和并发操作中不变量的保持，确保了算法的正确性。
• 研究讨论了 bisimulation 计算的理论下限，表明该算法的性能接近最优。