[论文解读] SAT-based Explicit LTL Reasoning

Jianwen Li, Shufang Zhu+2 more|arXiv (Cornell University)|Jul 9, 2015

Formal Methods in Verification参考文献 19被引用 4

一句话总结

该论文提出了一种基于SAT的显式线性时序逻辑（LTL）推理框架，用SAT求解替代传统的表演（tableau）状态与转移构造。该方法在Aalta_v2.0中实现，通过结合针对性启发式策略，显著降低了运行时间并解决了更多实例，优于现有LTL可满足性求解器（包括Aalta_v1.2和NuXmv），表明在显式LTL推理中，结合启发式策略的SAT求解可比表演方法更高效。

ABSTRACT

We present here a new explicit reasoning framework for linear temporal logic (LTL), which is built on top of propositional satisfiability (SAT) solving. As a proof-of-concept of this framework, we describe a new LTL satisfiability tool, Aalta\_v2.0, which is built on top of the MiniSAT SAT solver. We test the effectiveness of this approach by demonnstrating that Aalta\_v2.0 significantly outperforms all existing LTL satisfiability solvers. Furthermore, we show that the framework can be extended from propositional LTL to assertional LTL (where we allow theory atoms), by replacing MiniSAT with the Z3 SMT solver, and demonstrating that this can yield an exponential improvement in performance.

研究动机与目标

• 为解决传统表演法显式LTL推理存在的计算低效问题，该问题已落后于SAT求解技术的发展。
• 探究是否可充分在显式时序推理中利用SAT求解，特别是在线性时序逻辑可满足性检查中的应用。
• 设计一种新框架，通过SAT求解而非句法表表演算来构建LTL转移系统。
• 实现并评估一种基于SAT的LTL可满足性求解器，其在速度和可扩展性方面优于现有工具。
• 识别并应用启发式策略，以减少纯基于SAT的状态生成中固有的状态空间爆炸问题。

提出的方法

• 通过将时序约束编码为布尔约束并使用SAT求解器求解，来构建LTL转移系统，取代基于表演的状态扩展。
• 使用SAT求解器（Minisat）显式生成状态和转移，通过布尔约束满足确保正确性。
• 引入启发式策略如unsat-core提取、ELIMINATION和SAT_PURSUING，以缩小搜索空间并提升性能。
• 实现一种轻量级状态生成过程，避免了Aalta_v1.2等先前工具中使用的昂贵正规型转换。
• 设计$getState$函数，集成冲突分析与核心提取，以高效引导状态探索。
• 将框架扩展至断言式LTL，在初步评估中展现出指数级性能提升。

实验结果

研究问题

• RQ1 SAT求解能否作为显式LTL推理的主要引擎，替代基于表演的构造方法？
• RQ2 在状态空间大小和性能方面，基于SAT的状态生成与基于表演的状态生成相比如何？
• RQ3 可应用于基于SAT的LTL推理的启发式策略有哪些，可如何减少状态爆炸并提升可扩展性？
• RQ4 基于SAT的显式LTL可满足性求解器能否在性能上超越基于表演和符号化SAT求解的求解器？
• RQ5 该基于SAT的框架在多大程度上可扩展至其他LTL推理任务，如LTL到Büchi自动机的转换或模型检查？

主要发现

• Aalta_v2.0结合启发式策略解决了6,750个LTL可满足性实例，优于NuXmv-BMCIMC（6,714）、NuXmv-IC3-Klive（6,700）和Aalta_v1.2（6,689）。
• 与Aalta_v1.2相比，Aalta_v2.0将总运行时间减少了超过23,000秒，主要得益于避免了昂贵的正规型生成过程。
• unsat-core提取启发式策略使Aalta_v2.0能够解决基准集中全部617个不可满足实例，包括此前超时的实例。
• 对于可满足公式，ELIMINATION和SAT_PURSUING启发式策略对解决如/anzu/amba和/anzu/genbuf等难题基准至关重要。
• Aalta_v2.0结合启发式策略解决了617个不可满足实例，优于Aalta_v1.2（309）和ls4（335），尽管在某些情况下NuXmv-IC3-Klive解决了更多（620个）。
• 该框架在断言式LTL中展现出指数级性能提升，表明其在命题LTL之外也具有更广泛的应用潜力。