[论文解读] SReach: A Bounded Model Checker for Stochastic Hybrid Systems

Qinsi Wang, Paolo Zuliani+3 more|arXiv (Cornell University)|Apr 29, 2014

Formal Methods in Verification参考文献 25被引用 5

一句话总结

SReach 是一种用于随机混合系统的有界模型检测器，结合了 $δ$-完备决策过程与随机采样及统计检验，能够对具有参数不确定性和概率转移的非线性混合系统进行有界且精确的可达性概率估计。该方法在保证误差界可证明的前提下实现了高精度，相较于标准仿真方法，能够有效处理非确定性并避免零穿越问题。

ABSTRACT

In this paper we describe a new tool, SReach, which solves probabilistic bounded reachability problems for two classes of stochastic hybrid systems. The first one is (nonlinear) hybrid automata with parametric uncertainty. The second one is probabilistic hybrid automata with additional randomness for both transition probabilities and variable resets. Standard approaches to reachability problems for linear hybrid systems require numerical solutions for large optimization problems, and become infeasible for systems involving both nonlinear dynamics over the reals and stochasticity. Our approach encodes stochastic information by using random variables, and combines the randomized sampling, a $δ$-complete decision procedure, and statistical tests. SReach utilizes the $δ$-complete decision procedure to solve reachability problems in a sound manner, i.e., it always decides correctly if, for a given assignment to all random variables, the system actually reaches the unsafe region. The statistical tests adapted guarantee arbitrary small error bounds between probabilities estimated by SReach and real ones. Compared to standard simulation-based methods, our approach supports non-deterministic branching, increases the coverage of simulation, and avoids the zero-crossing problem. We demonstrate our method's feasibility by applying SReach to three representative biological models and to additional benchmarks for nonlinear hybrid systems with multiple probabilistic system parameters.

研究动机与目标

• 解决具有参数不确定性和概率转移的非线性随机混合系统中概率有界可达性分析的挑战。
• 提供一种有声且可扩展的分析方法，避免标准基于仿真的方法的局限性。
• 支持同时具有离散非确定性与连续随机动力学的系统，包括随机重置和转移概率。
• 通过统计测试与 $δ$-完备推理，实现任意小误差边界的精确概率估计。
• 在具有非线性动力学和多个概率参数的复杂生物与工程基准上验证可行性。

提出的方法

• 使用随机变量表示不确定参数、转移概率和变量重置，以编码随机信息。
• 采用 $δ$-完备决策过程，对随机变量的任意固定赋值进行有声可达性判断。
• 结合随机采样，高效探索随机变量赋值的空间。
• 应用贝叶斯序贯估计，使用均匀先验与可配置的置信区间，以 bounded error 估计概率。
• 使用统计检验确保估计概率在用户定义的误差范围内接近真实值。
• 将混合自动机模型展开为实数变量与随机变量上的逻辑公式，以支持自动化分析。

实验结果

研究问题

• RQ1 有界模型检测器能否在具有参数不确定性的非线性混合系统中准确估计达到危险状态的概率？
• RQ2 如何将 $δ$-完备决策过程与统计采样相结合，实现在随机混合系统中的有声且精确的可达性分析？
• RQ3 与标准基于仿真的方法相比，SReach 在覆盖范围和避免零穿越问题方面改善程度如何？
• RQ4 SReach 在具有复杂非线性动力学和多个概率参数的真实世界生物与工程模型上的表现如何？
• RQ5 SReach 是否能在同时具有离散非确定性与连续随机性的系统中，提供具有可证明小误差边界的概率可达性估计？

主要发现

• SReach 成功分析了三个具有代表性的生物模型，包括一个包含 165 个模式和 367 个变量的 killerred 系统，最大估计概率达 0.996，总运行时间为 187,420.5 秒。
• 在双水箱模型（DWK9）中，SReach 以 227 个样本估计概率为 0.996，耗时 1,167.688 秒，展示了在复杂系统上的可扩展性。
• 在 3D 振荡器基准中，SReach 以 227 个样本估计概率为 0.996，总运行时间为 1,877.969 秒，证实了在非线性系统上的鲁棒性。
• 在四旋翼飞行器控制模型（QuadC）中，SReach 以 227 个样本计算出估计概率为 0.996，耗时 187,420.5 秒，表明其在高维系统中的适用性。
• 该方法通过贝叶斯序贯估计实现了高精度，误差边界可控，使用 0.01 的半区间宽度和 99% 的覆盖率。
• SReach 避免了零穿越问题，并相较于标准仿真方法更有效地处理了非确定性分支，提高了仿真覆盖率与精度。