[论文解读] Stochastic HYPE: Flow-based modelling of stochastic hybrid systems

Luca Bortolussi, Vashti Galpin+1 more|arXiv (Cornell University)|Nov 17, 2014

Formal Methods in Verification参考文献 21被引用 3

一句话总结

本文提出了随机HYPE（Stochastic HYPE），一种通过将非紧急事件替换为指数分布的随机事件，并引入随机重置以建模一般随机性的过程演算，从而扩展了HYPE。它以过渡驱动的随机混合自动机（TDSHA）作为语义基础，支持对具有随机性、瞬时性和连续性行为的系统进行组合式建模，并定义了一种新颖的 bisimulation 等价关系，统一捕捉了这三种行为类型。

ABSTRACT

Stochastic HYPE is a novel process algebra that models stochastic, instantaneous and continuous behaviour. It develops the flow-based approach of the hybrid process algebra HYPE by replacing non-urgent events with events with exponentially-distributed durations and also introduces random resets. The random resets allow for general stochasticity, and in particular allow for the use of event durations drawn from distributions other than the exponential distribution. To account for stochasticity, the semantics of stochastic HYPE target piecewise deterministic Markov processes (PDMPs), via intermediate transition-driven stochastic hybrid automata (TDSHA) in contrast to the hybrid automata used as semantic target for HYPE. Stochastic HYPE models have a specific structure where the controller of a system is separate from the continuous aspect of this system providing separation of concerns and supporting reasoning. A novel equivalence is defined which captures when two models have the same stochastic behaviour (as in stochastic bisimulation), instantaneous behaviour (as in classical bisimulation) and continuous behaviour. These techniques are illustrated via an assembly line example.

研究动机与目标

• 将 HYPE 过程演算扩展为支持随机行为，以支持对不确定系统响应的量化分析。
• 解决 HYPE 中非紧急事件缺乏概率性定时、无法进行定量分析的局限性。
• 提供一种组合式、模块化的框架，将控制器逻辑与连续动力学分离，从而简化模型的构建与修改。
• 定义一种新的行为等价关系，统一形式化地捕捉随机性、瞬时性和连续性行为，以支持形式化推理。
• 通过一个包含随机事件定时和随机重置的现实装配线案例研究，验证该方法的有效性。

提出的方法

• 将 HYPE 中的非紧急事件替换为由指数分布控制的随机事件，以建模随机延迟。
• 引入使用随机变量的随机重置机制，使事件持续时间可支持任意分布（而不仅限于指数分布），从而实现更丰富的随机建模能力。
• 将随机 HYPE 模型映射到过渡驱动的随机混合自动机（TDSHA），其基础为分段确定性马尔可夫过程（PDMPs）。
• 基于带标签的转移系统定义操作语义，从随机 HYPE 语法生成 TDSHA 模型。
• 定义一种新颖的 bisimulation 等价关系，同时捕捉随机性、瞬时性和连续性行为等价性。
• 通过产品构造支持组合式建模，确保系统各组件的行为语义得以保持。

实验结果

研究问题

• RQ1 如何在保持组合式建模的前提下，将 HYPE 中的非紧急事件扩展为支持概率性定时？
• RQ2 何种语义基础最能支持混合系统中随机性、离散性和连续性行为的结合？
• RQ3 如何定义一种行为等价关系，使其能统一捕捉随机性、瞬时性和连续性行为，以支持形式化推理？
• RQ4 HYPE 的基于流的方法能否扩展以支持超出指数分布的一般随机性？
• RQ5 与 PDMPs、TDSHA 及 UPPAAL 的随机扩展等现有形式化方法相比，所提出的随机 HYPE 模型在表达能力和分析能力方面表现如何？

主要发现

• 随机 HYPE 通过指数分布延迟成功扩展了 HYPE 的随机事件支持，实现了对系统行为的量化分析。
• 随机重置机制的引入使得任意随机事件持续时间得以建模，显著提升了表达能力，超越了仅限指数分布的限制。
• 从随机 HYPE 到 TDSHA 的映射关系已正式建立，并被证明与先前构造等价，确保了语义正确性。
• 所提出的 bisimulation 等价关系是合冲的，且统一捕捉了三种行为类型——随机性、离散性和连续性，为模型比较提供了形式化基础。
• 该方法在非平凡的装配线案例研究中得到验证，展示了其在复杂混合系统建模中的实际适用性和模块化优势。
• 随机 HYPE 已成功应用于真实世界系统，包括野生动物监测（ZebraNet）、轨道力学（orbiter）和生物过程（Bio-PEPA），验证了其可扩展性和表达能力。