[论文解读] Efficient Minimization of DFAs with Partial Transition Functions

Antti Valmari, Petri Lehtinen|ArXiv.org|Feb 20, 2008

Formal Methods in Verification参考文献 7被引用 25

一句话总结

本文提出了一种针对具有部分转移函数的确定性有限自动机（PT-DFAs）的高效最小化算法，通过使用两种基于数组的分区细化数据结构（分别用于块和转移），实现了 $O(m/\lg n)$ 的时间复杂度和 $O(m+n+\alpha)$ 的空间复杂度。该方法避免了在嵌套循环中扫描字母表和块，从而在稀疏转移结构上实现最优性能。

ABSTRACT

Let PT-DFA mean a deterministic finite automaton whose transition relation is a partial function. We present an algorithm for minimizing a PT-DFA in $O(m \lg n)$ time and $O(m+n+α)$ memory, where $n$ is the number of states, $m$ is the number of defined transitions, and $α$ is the size of the alphabet. Time consumption does not depend on $α$, because the $α$ term arises from an array that is accessed at random and never initialized. It is not needed, if transitions are in a suitable order in the input. The algorithm uses two instances of an array-based data structure for maintaining a refinable partition. Its operations are all amortized constant time. One instance represents the classical blocks and the other a partition of transitions. Our measurements demonstrate the speed advantage of our algorithm on PT-DFAs over an $O(αn \lg n)$ time, $O(αn)$ memory algorithm.

研究动机与目标

• 解决目前缺乏针对具有部分转移函数的确定性有限自动机（PT-DFAs）的高效最小化算法的问题，其中已定义的转移数 $m$ 远小于 $\alpha n$。
• 克服现有 $O(\alpha n \lg n)$ 算法在字母表大小 $\alpha$ 增大时性能急剧下降的局限性。
• 设计一种方法，通过利用转移的稀疏性，实现 $O(m\lg n)$ 的时间复杂度，且该复杂度与 $\alpha$ 无关。
• 通过改进的循环不变量和优化的分区细化数据结构，确保算法的正确性与高效性。
• 在真实世界的 PT-DFA 实例上，展示该算法相较于传统 $O(\alpha n \lg n)$ 算法具有显著的运行速度优势。

提出的方法

• 通过维护两种基于数组的分区数据结构实例（分别用于状态块和转移分区），将经典的分区细化方法适配到 PT-DFAs 上。
• 使用循环不变量来追踪哪些分裂器（块和输入符号）需要进一步处理，从而避免冗余计算。
• 在数据结构中显式表示转移，而非为每个符号维护具有出边状态的集合，从而降低开销。
• 通过优化输入顺序，避免对大小为 $\alpha$ 的数组进行初始化，从而在不产生 $O(\alpha)$ 初始化成本的前提下实现 $O(m+n+\alpha)$ 的内存使用。
• 实现线性时间排序步骤（$O(m)$），用于转移排序，以在需要有序输入的前提下仍保持 $O(m\lg n)$ 的时间复杂度边界。
• 利用分区数据结构上的摊销 $O(1)$ 操作，确保整体算法的高效性。

实验结果

研究问题

• RQ1 是否可以将 DFA 最小化算法的 $O(\alpha n \lg n)$ 时间复杂度改进为在 $m \ll \alpha n$ 的 PT-DFAs 上更优的形式？
• RQ2 能否设计一种针对 PT-DFAs 的分区细化算法，避免在嵌套循环中扫描整个字母表？
• RQ3 如何将分区细化数据结构进行改造，以直接追踪转移而非每个符号对应的状态集合？
• RQ4 输入转移的排序顺序对最小化算法性能有何影响？
• RQ5 该算法能否在保持正确性和低内存使用的同时，实现 $O(m\lg n)$ 的时间复杂度？

主要发现

• 所提出的算法以 $O(m\lg n)$ 的时间复杂度和 $O(m+n+\alpha)$ 的空间复杂度对 PT-DFAs 进行最小化，其中 $m$ 为已定义转移的数量，$\alpha$ 为字母表大小。
• 由于通过随机访问数组高效处理了字母表且无需初始化，该算法的时间复杂度与 $\alpha$ 无关。
• 实测结果表明，该算法在 $m \ll \alpha n$ 的情况下相比标准 $O(\alpha n \lg n)$ 算法具有显著的速度优势。
• 该算法在细化过程中正确维护了语言等价性，确保同一区块中的状态接受相同的语言。
• 使用两种分区数据结构（一个用于块，一个用于转移）可实现高效的分裂与细化，且操作具有摊销 $O(1)$ 的时间复杂度。
• 通过精确追踪需处理的分裂器的循环不变量，证明了该算法的正确性，避免了过度分裂或分裂不足。