[论文解读] Linear Hybrid System Falsification Through Descent

Houssam Abbas, Georgios Fainekos|arXiv (Cornell University)|May 9, 2011

Fault Detection and Control Systems参考文献 21被引用 2

一句话总结

该论文提出了一种针对具有仿射动态的线性混合自动机的局部搜索方法，通过将轨迹优化表述为可微问题，利用基于梯度的下降法寻找最接近不安全集合的轨迹，在高维连续状态空间的复杂系统中显著提升了随机优化的结果。

ABSTRACT

Abstract. In this paper, we address the problem of local search for the falsification of hybrid automata with affine dynamics. Namely, given a sequence of locations and a maximum simulation time, we return the trajectory that comes closest to the unsafe set. This problem is formu-lated as a differentiable optimization problem and solved. The purpose of developing such a local search method is to combine it with high level stochastic optimization algorithms in order to falsify hybrid systems with complex discrete dynamics and high dimensional continuous spaces. Ex-perimental results indicate that the local search procedure improves upon the results of pure stochastic optimization algorithms.

研究动机与目标

• 解决在具有仿射动态的混合自动机中高效搜索接近不安全集合的轨迹的挑战。
• 开发一种可微优化框架，实现在指定位置序列和时间范围内的精确局部搜索。
• 将局部搜索与高层级随机优化算法集成，以提升具有复杂离散动态系统的 falsification 效果。
• 减少在高维连续状态空间中发现关键故障轨迹所需的仿真次数。

提出的方法

• 将问题表述为在给定位置序列和时间范围内的连续状态轨迹上的可微优化问题。
• 应用基于梯度的下降法，以最小化轨迹到不安全集合的距离，从而实现对候选轨迹的局部优化。
• 每个位置中的仿射动态允许解析计算梯度，使优化过程具有可处理性和高效性。
• 通过利用平滑、可微的动态和梯度信息，该方法支持高维连续状态空间。
• 该方法设计为可与全局随机优化算法（如进化算法或随机搜索）组合使用，以提升收敛性。

实验结果

研究问题

• RQ1 可微局部搜索方法是否能提升具有仿射动态的混合自动机 falsification 的效率？
• RQ2 基于梯度的局部优化与纯随机搜索相比，在寻找接近不安全集合的轨迹方面表现如何？
• RQ3 局部优化能在多大程度上减少发现关键故障所需仿真次数？
• RQ4 该方法在保持精度的同时，能否在高维连续状态空间中实现可扩展性？

主要发现

• 局部搜索过程显著提升了纯随机优化算法在寻找接近不安全集合轨迹方面的性能。
• 基于梯度的优化能够比仅依赖随机或随机探索更快地收敛到关键轨迹。
• 该方法能有效处理具有复杂离散动态和高维连续状态空间的系统。
• 通过将问题表述为可微优化，该方法实现了精确且高效的轨迹优化。