[论文解读] Deciding Probabilistic Automata Weak Bisimulation in Polynomial Time

Holger Hermanns, Andrea Turrini|arXiv (Cornell University)|May 2, 2012

Formal Methods in Verification参考文献 21被引用 5

一句话总结

本文通过将弱联合转移建模为线性规划（LP）问题，提出了一种多项式时间算法，用于在概率自动机中判定弱概率双similarity。其核心贡献是一种高效的决策过程，可检查匹配的弱转移是否存在，从而解决了形式化方法领域长达十年的开放问题，并实现了对概率系统和马尔可夫系统高效组合化约简。

ABSTRACT

Deciding in an efficient way weak probabilistic bisimulation in the context of Probabilistic Automata is an open problem for about a decade. In this work we close this problem by proposing a procedure that checks in polynomial time the existence of a weak combined transition satisfying the step condition of the bisimulation. We also present several extensions of weak combined transitions, such as hyper-transitions and the new concepts of allowed weak combined and hyper-transitions and of equivalence matching, that turn out to be verifiable in polynomial time as well. These results set the ground for the development of more effective compositional analysis algorithms for probabilistic systems.

研究动机与目标

• 解决概率自动机中弱概率双similarity判定的长期开放问题，实现在多项式时间内决策。
• 实现对概率系统有效的组合化约简技术，类似于在交互式马尔可夫链中所采用的方法。
• 将基于双similarity的优化方法扩展至马尔可夫决策过程和马尔可夫自动机。
• 为具有内部（tau）动作和概率非确定性的大规模概率系统提供高效分析的基础。
• 开发一种可推广的基于LP的框架，用于解决涉及弱转移和成本感知行为的相关问题。

提出的方法

• 该方法采用一种增强的划分细化算法，通过线性规划对弱联合转移进行新颖表征。
• 弱转移被编码为一个LP可行性问题，用于检查转移的凸组合是否满足双similarity步骤条件。
• 通过求解由当前双similarity关系和转移结构导出的LP实例，算法检查从某状态是否存在有效弱转移。
• 通过仅关注可达状态的相关转移（标记为τ或a），该过程动态限制搜索空间，从而提高效率。
• 一个关键子程序FindSplit通过求解LP问题来确定状态在弱转移下是否可被区分，从而识别当前划分中的分裂。
• Quotient过程迭代细化划分，直至无法再进行分裂，确保收敛至最粗的双similarity关系。

实验结果

研究问题

• RQ1 能否在多项式时间内判定概率自动机中的弱概率双similarity，从而解决长达十年的开放问题？
• RQ2 是否可以使用多项式时间可计算的形式化方法（如线性规划）来表征弱联合转移——这是弱双similarity的关键要素？
• RQ3 所提出的基于LP的方法能否扩展以支持概率系统中的组合化约简，类似于在交互式马尔可夫链中所实现的效果？
• RQ4 如何通过利用转移系统的结构和代数性质，将弱概率双similarity的复杂度从指数级降低至多项式级？
• RQ5 该LP框架能否适应处理概率模型中成本感知或资源受限的弱双similarity变体？

主要发现

• 本文证明了概率自动机中弱概率双similarity可在多项式时间内判定，解决了[3]中提出的开放问题。
• 核心创新在于提出了一种多项式时间的LP公式，用于检查满足双similarity步骤条件的弱联合转移是否存在。
• 该算法的时间复杂度被限制在O(N²p(N))以内，其中p(N)为求解LP问题的复杂度，N为自动机的规模。
• 该方法实现了对概率自动机和马尔可夫决策过程的有效组合化约简，此前由于指数级复杂度而不可行。
• LP方法可扩展至相关问题，如成本感知转移和概率系统中的资源消耗分析。
• 该框架与现有工具（如PRISM）兼容，可集成至模型检测流水线中，实现可扩展的验证。