[论文解读] Parametric Strategy Iteration

Thomas Martin Gawlitza, Martin D. Schwarz+1 more|arXiv (Cornell University)|Jun 19, 2014

Formal Methods in Verification参考文献 17被引用 5

一句话总结

本文提出参数化策略迭代（parametric strategy iteration），一种新颖算法，用于计算依赖于表示配置或运行时输入的变量的整数方程系统的精确最小解。通过将策略迭代与区域树（region trees）结合，以表示参数空间上的分段仿射函数，该方法实现了对整数程序不变量的高效、多项式时间参数化分析——为具有复杂控制流但参数较少的程序提供了一种可扩展的替代量化消除的方法。

ABSTRACT

Program behavior may depend on parameters, which are either configured before compilation time, or provided at run-time, e.g., by sensors or other input devices. Parametric program analysis explores how different parameter settings may affect the program behavior. In order to infer invariants depending on parameters, we introduce parametric strategy iteration. This algorithm determines the precise least solution of systems of integer equations depending on surplus parameters. Conceptually, our algorithm performs ordinary strategy iteration on the given integer system for all possible parameter settings in parallel. This is made possible by means of region trees to represent the occurring piecewise affine functions. We indicate that each required operation on these trees is polynomial-time if only constantly many parameters are involved. Parametric strategy iteration for systems of integer equations allows to construct parametric integer interval analysis as well as parametric analysis of differences of integer variables. It thus provides a general technique to realize precise parametric program analysis if numerical properties of integer variables are of concern.

研究动机与目标

• 解决程序行为依赖于参数（如配置设置或传感器输入）时，精确计算数值不变量的挑战。
• 克服现有方法（如量化消除和整数线性规划）在复杂控制流场景中因非凸约束和高布尔复杂度而面临的局限性。
• 开发一种方法，无需依赖拓宽（widening）或收缩（narrowing），直接计算参数化整数方程系统的最小解，确保精确性。
• 实现参数化区间分析以及整数变量之间差异的分析，通过求解参数化整数方程实现。
• 为具有复杂控制流但相关参数较少的程序，提供一种可扩展的替代量化消除的方法。

提出的方法

• 通过并行跟踪所有参数设置下的最大策略（max-strategies），将普通策略迭代推广至同时处理所有参数配置。
• 使用区域树表示中间参数化值——一种将参数空间划分为由线性不等式定义的区域，并为每个区域分配值的数据结构。
• 在区域树节点中对约束施加全序关系，以确保确定性并支持高效操作。
• 在迭代过程中，利用参数化不等式的整数可满足性检查来指导策略改进。
• 当参数数量固定时，实现区域树上的基本操作（如树比较、合并、求值）在多项式时间内完成。
• 将该算法应用于求解参数化区间方程和整数变量之间的差异，从而实现完整的参数化程序分析。

实验结果

研究问题

• RQ1 如何计算能够捕捉程序不变量如何依赖于运行时或配置参数的参数化整数方程系统的最小解？
• RQ2 策略迭代能否被有效适配以处理参数化系统，从而避免在非凸设置下量化消除带来的高复杂度？
• RQ3 何种数据结构能够高效表示和操作参数空间上的分段仿射函数，同时支持多项式时间操作？
• RQ4 在具有复杂控制流但参数较少的程序中，参数化策略迭代的性能与基于量化消除的方法相比如何？
• RQ5 在不依赖拓宽或收缩的情况下，参数化策略迭代在多大程度上能够捕捉程序行为的模式变化（例如对参数的不同依赖关系）？

主要发现

• 参数化策略迭代能够计算参数化整数方程系统的精确最小解，从而实现整数变量的精确参数化不变量。
• 区域树的使用使得参数化值的高效表示成为可能，并在参数数量固定时支持多项式时间操作。
• 该算法避免了拓宽与收缩，直接计算最优可能的不变量，无过度近似。
• 实验表明，与基于量化消除的工具（如 Mjollnir）相比，该方法在具有复杂控制流但参数较少的场景中具有更好的可扩展性。
• 所需策略数量和区域树碎片化程度随问题规模增加仅适度上升，实际运行时间表现良好。
• 该方法支持参数化区间分析以及整数变量之间差异的分析，支持全面的数值程序分析。