[论文解读] Conditionally Optimal Algorithms for Generalized Büchi Games

Krishnendu Chatterjee, Wolfgang Dvořák+2 more|arXiv (Cornell University)|Jan 1, 2016

Formal Methods in Verification参考文献 28被引用 6

一句话总结

本文提出了广义 Büchi 游戏在图和马尔可夫决策过程（MDPs）中的条件最优算法，基于广泛接受的复杂度假设，首次建立了模型检测问题的条件超线性下界。研究表明，析取查询（目标的并集）本质上比合取查询（目标的交集）更难，即使各个目标类型相同，析取的条件下界也严格高于合取，从而证明了针对 ω-正则目标（如 Büchi、co-Büchi、Streett 和 Rabin）的新型模型与目标分离结果。

ABSTRACT

Games on graphs provide the appropriate framework to study several central problems in computer science, such as verification and synthesis of reactive systems. One of the most basic objectives for games on graphs is the liveness (or Büchi) objective that given a target set of vertices requires that some vertex in the target set is visited infinitely often. We study generalized Büchi objectives (i.e., conjunction of liveness objectives), and implications between two generalized Büchi objectives (known as GR(1) objectives), that arise in numerous applications in computer-aided verification. We present improved algorithms and conditional super-linear lower bounds based on widely believed assumptions about the complexity of (A1) combinatorial Boolean matrix multiplication and (A2) CNF-SAT. We consider graph games with n vertices, m edges, and generalized Büchi objectives with k conjunctions. First, we present an algorithm with running time O(k*n^2), improving the previously known O(k*n*m) and O(k^2*n^2) worst-case bounds. Our algorithm is optimal for dense graphs under (A1). Second, we show that the basic algorithm for the problem is optimal for sparse graphs when the target sets have constant size under (A2). Finally, we consider GR(1) objectives, with k_1 conjunctions in the antecedent and k_2 conjunctions in the consequent, and present an O(k_1 k_2 n^{2.5})-time algorithm, improving the previously known O(k_1*k_2*n*m)-time algorithm for m > n^{1.5}.

研究动机与目标

• 弥合图和 MDP 中基础模型检测问题在多项式时间上界（二次或三次方）与缺乏超线性下界之间的差距。
• 基于广泛接受的复杂度假设，首次为 Büchi、co-Büchi、Streett 和 Rabin 等 ω-正则目标建立条件下界。
• 在条件复杂度假设下，证明图与 MDP 之间的模型分离，以及合取与析取目标之间的目标分离。
• 证明即使各个目标类型相同，析取查询（目标的并集）也本质上比合取查询（目标的交集）更难。

提出的方法

• 基于两个标准假设构建条件下界：(A1) 不存在 O(n^{3−ε}) 的组合布尔矩阵乘法，(A2) 不存在 2^{(1−ε)n} 时间内求解 k-CNF-SAT 的算法。
• 将析取查询的模型检测问题约化为带 0/1 边权的修改图中的最短路径计算，通过引入两顶点拆分（sin, sout）来追踪从目标顶点出发的环长度。
• 采用多层类似 BFS 的遍历，使用队列 Qj 计算从 sout 到 sin 的最短环长度，其中距离 j 对应该边权图中长度为 j 的路径。
• 采用标记机制，确保每个顶点在每层最多被处理一次，从而在单目标 co-Büchi 情况下实现 O(m) 时间复杂度。
• 通过归纳法证明正确性：Qj 恰好包含距离 sout 为 j 的顶点，且 sin 在少于 k 步内可达当且仅当存在避开所有 Ti 的环。
• 将相同框架应用于单元素集的 Rabin 目标，证明线性时间复杂度依然成立。

实验结果

研究问题

• RQ1 在 MDP 中，广义 Büchi 目标析取查询是否存在条件超线性下界，且高于图中合取查询的已知上界？
• RQ2 能否在相同目标下建立图与 MDP 之间的分离，使得在条件复杂度假设下 MDP 需要更长时间？
• RQ3 即使各个目标类型相同（如 co-Büchi），目标的析取是否本质上比合取更难？
• RQ4 能否基于布尔矩阵乘法或 CNF-SAT 等标准复杂度猜想，为广义 Büchi 游戏建立条件下的界？

主要发现

• 本文在广泛接受的复杂度假设下，首次为图和 MDP 中的模型检测问题建立了条件超线性下界。
• 对于 co-Büchi 目标析取查询，算法在图上运行时间为 O(m)，与该问题的最佳已知上界一致。
• 即使各个目标类型相同，析取查询（目标并集）的条件下界也严格高于合取查询（目标交集）的已知上界。
• 展示了模型分离：在相同复杂度假设下，MDP 中可达性与 Büchi 目标析取查询比图中更难。
• 对于对偶目标（如可达性/安全性和 Streett/Rabin），本文在图和 MDP 中均建立了目标分离结果。
• 在强连通图中，单目标 co-Büchi 目标的算法以线性时间 O(m) 运行，正确性通过分层 BFS 遍历（追踪从拆分顶点的距离）得到证明。