[论文解读] Linear Hybrid System Falsification With Descent

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

Formal Methods in Verification参考文献 8被引用 5

一句话总结

该论文提出了一种用于伪造具有仿射动力学的线性混合系统的局部下降算法，通过将鲁棒性最小化问题建模为可通过序列二次规划（SQP）求解的可微分优化任务。该方法在初始条件空间中计算下降方向，与纯随机方法相比，在基准测试中显著提升了随机伪造性能，并实现了对任意线性时序逻辑（LTL）规范的局部搜索，而不仅限于安全性质。

ABSTRACT

In this paper, we address the problem of local search for the falsification of hybrid automata with affine dynamics. Namely, if we are given a sequence of locations and a maximum simulation time, we return the trajectory that comes the closest to the unsafe set. In order to solve this problem, we formulate it as a differentiable optimization problem which we solve using Sequential Quadratic Programming. 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. Experimental results indicate that indeed the local search procedure improves upon the results of pure stochastic optimization algorithms.

研究动机与目标

• 为解决在具有复杂离散动态和高维连续空间的混合系统中高效伪造的挑战。
• 开发一种局部搜索过程，提供初始条件空间中的下降方向，以引导随机优化算法。
• 实现仿射混合自动机中鲁棒性最小化的局部优化，扩展至任意线性时序逻辑（LTL）规范，而不仅限于安全性质。
• 将局部下降与高层随机算法集成，以提升收敛速度和伪造有效性。
• 为初始条件空间中鲁棒性函数的局部最小值提供理论收敛保证。

提出的方法

• 通过将鲁棒性作为初始条件上的代价函数，将伪造问题建模为可微分优化任务。
• 使用序列二次规划（SQP）求解优化问题，并在初始条件空间中计算下降方向。
• 利用混合自动机的仿射动力学，计算鲁棒性函数相对于初始状态的梯度。
• 迭代应用下降算法，以优化逼近不安全集的轨迹，目标是最小化鲁棒性。
• 将局部下降方法集成到随机优化框架中（例如，带随机探索与下降的模拟退火，SA+RED）。
• 对每个候选初始条件进行轨迹仿真和鲁棒性评估，以指导下降过程。

实验结果

研究问题

• RQ1 能否从仿射混合系统中有效提取局部下降信息以指导随机伪造？
• RQ2 将局部优化集成是否能提升随机伪造算法在混合系统上的性能？
• RQ3 所提方法在基准混合系统上是否能获得比纯随机方法更低的鲁棒性值？
• RQ4 将局部下降集成后，对收敛速度和伪造效率有何影响？
• RQ5 该方法能否推广至伪造任意线性时序逻辑（LTL）规范，而不仅限于安全性质？

主要发现

• 局部下降算法收敛至初始条件空间中鲁棒性函数的局部最小值，提供理论收敛保证。
• 在Nav2基准上，SA+RED的平均鲁棒性表现优于mm-HSolver，平均鲁棒性为0.53，而mm-HSolver为0.506。
• 对于Nav1，SA+RED在3,000次测试中实现了0.39的平均鲁棒性，优于mm-HSolver的平均性能。
• SA+RED的运行时间显著短于SpaceEx，5,000次测试耗时1,617秒，而SpaceEx的运行时间超过5,400秒。
• 该方法成功伪造了所有基准，包括Nav0，即使在参数调优后，SpaceEx在200次迭代内仍无法收敛。
• 将局部下降与随机搜索结合，减少了所需测试次数并提升了鲁棒性最小化效果，表明其与可达性分析具有互补性。