Pseudo-Boolean d-DNNF Compilation for Expressive Feature Modeling Constructs
Ulm University(乌尔姆大学);TU Braunschweig(布伦瑞克工业大学);University of Magdeburg(马格德堡大学)
针对特征模型中基数约束等表达性构造难以高效转换为 CNF 的问题,提出伪布尔编码与编译为 d-DNNF 的新方法,显著加速表达性特征模型的自动推理,并在基本构造上保持竞争力。
2025-05-09 cs.AI cs.LO cs.SE
Functional Synthesis via Input-Output Separation
布尔函数综合是从一个布尔规范中构造一个布尔函数的过程,该规范将输入和输出变量联系起来。尽管最近显着的发展,在合成算法,布尔函数合成仍然是一个具有挑战性的问题,即使当国家的最先进的方法用于分解的规格。在这项工作中,我们带来了一个新的分解方法,正交现有的方法,探索分解的规范到单独的输入和输出组件。我们利用一个给定的规格描述为CNF公式的输入输出分解,通过交替分析单独的输入和输出组件。我们利用这些组件的定义良好的属性,最终合成整个规范的解决方案。我们首先提供了一个理论结果,输入组件具有特定的结构,通过这个框架的CNF公式的合成可以更有效地比在一般情况下进行。然后,我们通过实验评估表明,我们的算法在实践中也表现良好,对现有的最先进的工具具有挑战性的实例,作为现代合成技术的一个很好的补充。
2018-08-24 cs.LO
Dynamic Boolean Synthesis with Zero-suppressed Decision Diagrams
Rice University(莱斯大学)
本文提出了一种基于零压制决策图的动态规划框架,用于布尔综合,解决了理论挑战并展示了算法在一般情况下的优势,为未来确定工业魔法数字提供了启发。
2025-12-07 cs.LO cs.SC
Reactive Synthesis Modulo Theories Using Abstraction Refinement
反应式合成从作为时序逻辑公式给出的规范构建系统。传统上,无功综合定义为具有布尔输入和输出变量的系统。最近,新的理论和技术已经被提出来扩展反应合成的数据域,这是需要更复杂的程序。特别是,时间流逻辑(TSL)(Finkbeiner et al. 2019)通过状态变量、更新和未解释的函数扩展了LTL,并被创建用于合成。本文给出了TSL(T)的一个综合方法,它是TSL的理论推广。使用反例引导合成循环和LTL合成程序进行合成。我们的方法翻译TSL(T)规格LTL和提取系统,如果合成成功。另外,分析了与理论不一致的对策。如果反策略是理论一致的,则证明该规范是不可实现的。否则,我们将时间假设和布尔谓词添加到TSL(T)规范中,并开始循环的下一次迭代。我们证明了TSL(T)的综合问题是不可判定的。然而,我们的方法可以成功地合成或显示几个非布尔的例子的不可实现性。
2021-07-30 cs.LO
Encodings of Bounded Synthesis
反应合成问题是计算满足时态逻辑中给定规范的系统。有界合成是我们接受的反应合成问题的解决方案的系统的最大尺寸的方法。其结果是,有界合成是可判定的,只要相应的验证问题是可判定的,并可以应用在经典的合成失败的设置,如在分布式系统的合成。本文研究有界综合背后的约束求解问题。我们考虑线性时间时序逻辑(LTL)的有界综合问题的约束系统作为布尔公式(SAT),量化的布尔公式(QBF),和依赖量化的布尔公式(DQBF)的不同减少。这些减少代表了简洁性和算法效率之间的不同权衡。在SAT编码中,系统的输入和状态都是显式表示的;在QBF中,输入是符号的,状态是显式的;在DQBF中,输入和状态都是符号的。我们使用反应合成竞赛(SYNTCOMP)和最先进的求解器的基准系统地评估编码。我们的关键,也许是令人惊讶的,实证发现是,QBF明显优于SAT和DQBF。
2018-03-26 cs.LO
A Normal Form Characterization for Efficient Boolean Skolem Function Synthesis
Indian Institute of Technology Bombay(印度理工学院孟买分校)
布尔Skolem函数合成涉及将输出合成为输入的布尔函数,使得满足输入和输出之间的关系规范。这个问题,也被称为布尔函数合成,有几个应用程序,包括安全控制器的设计,自治系统,认证QBF解决,密码分析等最近,复杂性理论的硬度结果已被证明的问题,虽然在文献中提出的几个算法是已知的工作以及在实践中。理论上的困难和实际功效之间的这种二分法激发了对允许有效合成的输入规范的范式或表示的研究,从而解释了这些算法的功效。在本文中,我们超越这一点,并询问是否存在一个范式表示,实际上可以精确地表征“有效”的综合。我们提出了一个范式称为SAUNF,准确地描述了以下意义上的易处理的合成:一个规范是多项式时间合成的,当且仅当它可以被编译成SAUNF在多项式时间。此外,规范允许多项式大小的函数解,当且仅当存在语义等价的多项式大小的SAUNF表示。SAUNF比在AI问题中使用的成熟的范式(如BDD和DNNF)更简洁,并且严格包含了其他最近提出的形式,如SynNNF。它具有与DNNF相似的组成特性。因此,SAUNF为布尔函数综合提供了正确的知识表示权衡。
2021-06-28 cs.AI cs.LO
Certified Knowledge Compilation with Application to Formally Verified Model Counting
针对知识编译输出缺乏正确性保证的问题,提出分区操作图(POGs)及CPOG证明框架,并开发基于D4的生成与验证工具链及Lean 4形式化验证的模型计数器,构成首个形式化验证的模型计数工具链。
2025-01-22 cs.LO
Implementations of two Algorithms for the Threshold Synthesis Problem
线性伪布尔约束(LPB)是$a_1 \cdot \ell_1 + \dots + a_m \cdot \ell_m \geq d$形式的表达式,其中每个$\ell_i$是一个文字(它假定值为1或0,取决于命题变量$x_i$是真还是假),$a_1, \dots, a_m, d$是自然数。一个LPB表示一个布尔函数,并且那些可以由恰好一个LPB表示的布尔函数被称为阈值函数。如果可能的话,找到布尔函数的LPB表示的问题被称为阈值识别问题或阈值合成问题。该问题有一个使用线性规划的$O(m^7 t^5)$算法,其中$m$是维数,$t$是DNF输入中的项数。它一直是一个悬而未决的问题,是否可以通过一个完全组合的过程来识别阈值函数。Smaus已经开发了这样一个过程来实现这一点,它通过分解DNF和“计数”其中的变量出现来工作。我们在此报告这一经验。最重要的见解是,不幸的是,Smaus的算法是不完整的。
2023-01-09 cs.LO
Engineering an Efficient Boolean Functional Synthesis Engine
Indian Institute of Technology Kanpur(印度理工学院坎普尔分校);National University of Singapore(新加坡国立大学);TU Wien(维也纳工业大学)
给定一组输入和输出之间的布尔规范,布尔函数合成的问题是将每个输出合成为输入的函数,以满足规范。尽管过去几年见证了激烈的算法开发,但实现可扩展性仍然是圣杯。最先进的方法结合了机器学习和自动推理来有效地合成布尔函数。在本文中,我们提出了四个算法改进的数据驱动的框架功能综合:使用依赖驱动的多分类器学习候选函数,提取唯一定义的函数插值,变量保留,并使用字典MaxSAT修复候选人。我们在最先进的框架中实现了这些改进,称为Manthan。该框架被称为Manthan 2。与Manthan相比,Manthan 2显示出显着改进的运行时性能。在对609个基准测试的广泛实验评估中,Manthan 2能够为509个实例合成布尔函数向量,而Manthan解决了356个实例-比现有技术增加了153个实例。
2021-08-12 cs.AI cs.LG cs.LO
On the Parameterized Complexity of Synthesizing Boolean Petri Nets With Restricted Dependency (Technical Report)
$τ$ -合成问题在于判定给定的有向标记图$A$是否同构于$τ$型布尔Petri网$N$的可达图。在肯定决策的情况下,应构建$N$。对于许多布尔类型的网,问题是NP完全的。本文论述了一个特殊的变形$τ$ -合成的目标净$N$施加限制:我们调查\emph{dependency $d$-restricted $τ$-synthesis (DR$τ$S)}的每个地方的$N$可以影响和最多的$d$过渡的影响。对于类型$τ$,如果$τ$ -合成是NP完全的,则DR $τ$ S也是NP完全的。在本文中,我们表明,由$d$参数化的DR $τ$ S在XP中。此外,我们证明了它是$W[2]$ -硬,对于许多布尔类型,允许无条件的相互作用$set$和$reset$。
2020-07-24 cs.CC cs.LO
Synthesis of Boolean Networks from Biological Dynamical Constraints using Answer-Set Programming
LRI, CNRS, U. Paris-Sud U. Paris-Saclay(巴黎-萨克雷大学南巴黎校区法国国家科学研究中心计算机研究所);LaBRI, CNRS, U. Bordeaux Bordeaux INP(波尔多大学波尔多国立理工学院法国国家科学研究中心计算机与自动化研究所);Institut Curie, INSERM U. PSL, Mines ParisTech(巴黎文理研究大学法国国家健康与医学研究院巴黎高等矿业学院居里研究所)
布尔网络模型具有复杂行为的有限离散动力系统。每个组件的状态由网络组件(的子集)的状态的布尔函数确定。本文讨论了这些布尔函数的合成从其域上的约束和新兴的动态特性所产生的网络。动力学性质涉及到部分观察到的配置之间的轨迹的存在和不存在,以及稳定的行为(不动点和循环吸引子)。该合成表示为一个布尔可满足性问题依赖于一个参数化的复杂性,并导致一个完整的非冗余表征的解决方案的集合。所考虑的约束条件特别适合于解决细胞分化过程的模型的合成,如案例研究所示。该方法的可扩展性在具有无标度结构的随机网络上得到了证明,根据约束的类型,该无标度结构最多可达100到1,000个节点。
2020-02-27 cs.AI cs.LO q-bio.MN
Dynamic Programming for Symbolic Boolean Realizability and Synthesis
受加权模型计数动态规划进展启发,提出基于分级投影-连接树与BDD的布尔可实现性检查及见证函数综合方法,实现的DPSynth求解器在时间和空间性能上优于同符号表示的启发式方法。
2024-06-20 cs.FL cs.LO
Minimizing Expected Cost Under Hard Boolean Constraints, with Applications to Quantitative Synthesis
在布尔合成中,我们给出了一个LTL规范,目标是构建一个转换器,在对抗环境中实现它。通常,一个规范既包含对抗性环境下应该满足的布尔需求,也包含多值组件,这些组件指的是满足的质量,并且我们希望在概率环境下最小化其预期成本。在这项工作中,我们研究,第一次,平均支付游戏中,系统的目标是在概率环境中的预期成本最小化,同时肯定满足$ω$ -经常性条件对抗的环境。我们考虑的情况下,$ω$ -正则条件是作为一个奇偶目标或由LTL公式。我们表明,在一般情况下,最优策略不需要存在,而且,极限值不能近似的有限记忆策略。因此,我们专注于计算的极限值,并给出严密的复杂性界合成$ε$ -最优策略的有限内存和无限内存的战略。我们表明,我们的游戏自然出现在各种情况下的合成与布尔和多值目标。除了直接应用之外,在与某些行为的成本和回报的合成中,它允许我们计算$ω$的最小感测成本-常规规格-一种质量度量,其中我们寻找最小化从输入读取的预期信号数量的传感器。
2016-04-24 cs.FL cs.LO
BNSynth: Bounded Boolean Functional Synthesis
Indian Institute of Science(印度科学学院);Microsoft Research(微软研究院)
根据逻辑规范自动合成构造正确的布尔函数称为布尔函数合成(BFS)问题。BFS具有从软件工程到电路设计的许多应用领域。在本文中,我们介绍了一个工具BNSynth,这是第一个解决BFS问题的解空间上的一个给定的范围内。边界的解决方案空间诱导的合成较小的功能,有利于资源受限的领域,如电路设计。BNSynth使用反例引导的神经方法来解决有界BFS问题。初步结果表明,在合成较小的解决方案的承诺,我们观察到至少\textbf{3.2X}(和高达\textbf{24X})的平均解决方案的大小减少的改善,相比,我们的基准测试的最先进的工具。BNSynth在GitHub上以开源许可证提供。
2022-12-15 cs.AI cs.LG cs.LO
Binary Decision Diagrams for Affine Approximation
The University of Melbourne(墨尔本大学)
Selman和Kautz关于“知识编译”的工作建立了如何近似(加强和/或削弱)命题知识库可以用来加速查询处理,以牺牲完整性为代价。在这种经典的方法中,查询使用给定知识库的Horn过近似和欠近似,该知识库表示为合取范式(CNF)中的命题公式。除了Horn函数类之外,人们还可以想象其他布尔函数类,它们可能具有相同的目的,因为它们具有与Horn函数类似的有吸引力的演绎计算性质。事实上,Zanuttini已经提出仿射布尔函数类在知识编译中可能是有用的,并提出了仿射近似算法。由于CNF是笨拙的仿射函数,Zanuttini认为这两个集的模型表示和使用模2同余方程。在本文中,我们提出了一种基于约简有序二叉决策图(ROBDDs)的算法。这导致了一个表示,这是更紧凑的模型集,一旦我们建立了一些有用的性质仿射布尔函数,一个更有效的算法。
2008-04-01 cs.AI cs.LO
Manthan: A Data Driven Approach for Boolean Function Synthesis
Indian Institute of Technology Kanpur(印度理工学院坎普尔分校);National University of Singapore(新加坡国立大学)
布尔函数综合是计算机科学中的一个基本问题,具有广泛的应用,并且在过去十年中引起了人们的极大兴趣,导致技术逐步改进。尽管激烈的算法开发,大量的问题仍然超出了最先进的技术的状态。受机器学习研究进展的启发,我们提出了Manthan,一种新的数据驱动的布尔函数综合方法。Manthan将功能合成视为一个分类问题,依赖于数据生成的约束采样的进步,以及自动推理的进步,以实现新的证明指导的改进和可证明的验证。在对609个基准测试进行广泛而严格的评估后,我们证明Manthan在当前技术水平上有了显著的改进,解决了356个基准测试,而280个是最先进的技术解决的;因此,我们证明了比现有技术水平增加了76个基准。此外,Manthan解决了60个目前最先进的技术都无法解决的基准。显著的性能改进,以及我们的详细分析,突出了未来在机器学习,约束采样和自动推理交叉领域的几个有趣的工作途径。
2020-05-14 cs.AI cs.LG cs.LO
Cirbo: A New Tool for Boolean Circuit Analysis and Synthesis
St. Petersburg State University(圣彼得堡国立大学);Steklov Mathematical Institute at St. Petersburg, Russian Academy of Sciences(俄罗斯科学院圣彼得堡斯捷克洛夫数学研究所);ITMO University(圣彼得堡国立信息技术机械与光学大学);Neapolis University Pafos(帕福斯尼阿波利斯大学);JetBrains Research(JetBrains研究院)
提出开源布尔电路处理工具 Cirbo,实现可满足性、综合和最小化等高效算法,在 IWLS 2024 竞赛中获胜,并将 2023 年最佳电路规模平均缩减 12%。
2024-12-19 cs.AI cs.LO
Symbolic LTLf Synthesis
East China Normal University(华东师范大学);Rice University(莱斯大学)
LTLf合成是找到满足有限迹上的线性时间规范的策略的过程。这个问题的现有解决方案依赖于减少到DFA游戏。在本文中,我们提出了一个符号框架LTLf合成基于这种技术,通过执行计算的DFA的表示作为一个布尔公式,而不是作为一个明确的图形。这种方法能够通过利用布尔合成的机制来生成策略。我们实现了这种符号合成方法的工具,称为Syft,并通过实验证明,可扩展的基准测试,符号的方法比显式的规模更好。
2017-09-21 cs.AI cs.LO
Synthesis with Explicit Dependencies
Indian Institute of Technology Kanpur(印度理工学院坎普尔分校);National University of Singapore(新加坡国立大学)
量化布尔公式(QBF)扩展了具有量化$\forall, \exists$的命题逻辑。在QBF中,一个存在量化的变量可以依赖于其作用域中所有泛量化的变量。依赖量化布尔公式(DQBF)限制存在量化变量的依赖性。在DQBF中,存在量化变量对一个称为Henkin依赖的普遍量化变量子集具有显式依赖性。给定输入和输出之间的布尔规范,Henkin合成的问题是将每个输出变量合成为其Henkin依赖性的函数,以满足规范。Henkin综合具有广泛的应用,包括部分电路的验证,控制器综合和电路可实现性。这项工作提出了一种数据驱动的方法Henkin合成称为Manthan 3。在过去的DQBF解决比赛所产生的563个实例的广泛评估,我们证明,Manthan3是具有竞争力的国家的最先进的工具。此外,Manthan3可以为26个基准合成Henkin函数,而这些基准是任何最先进的技术都无法合成的。
2023-01-25 cs.AI cs.LO
Factorized Boolean representations for efficient quantum synthesis
Portland State University(波特兰州立大学)
该研究提出因式分解布尔表示,突破传统逻辑最小化的局限,通过提取布尔表达式的共享因子优化量子综合,在减少量子比特数的同时降低超线性控制成本,提升电路执行效率。
2026-09-02 cs.LO quant-ph
Scaling up Probabilistic Inference in Linear and Non-Linear Hybrid Domains by Leveraging Knowledge Compilation
University of Edinburgh(爱丁堡大学);Alan Turing Institute(艾伦·图灵研究所)
加权模型集成(WMC)扩展了加权模型计数(WMC),为混合离散-连续域中的概率推理提供了计算抽象。WMC已经成为一种汇编语言,用于贝叶斯网络、因子图、概率程序和概率数据库中的最先进推理。在这方面,XML显示出更广泛应用的巨大前景,特别是当许多现实世界的应用程序涉及连续和混合的属性和特征空间时。尽管如此,最先进的工具,用于验证是有限的,不成熟的比他们的命题同行。在这项工作中,我们提出了一个新的实现机制,利用命题知识编译扩展推理。特别是,我们使用的决策图,一个易于处理的表示布尔函数,作为底层的模型计数和模型枚举计划。我们的政权执行竞争力的国家的最先进的pronunciation系统,但也被证明可以处理一个特定的类的非线性约束的非线性潜力。
2020-01-13 cs.AI cs.LO
Generating reversible circuits from higher-order functional programs
布尔可逆电路是由可逆基本门构成的布尔电路。尽管它们的形式受到限制,但它们可以模拟任何布尔函数。模拟给定函数的可逆电路的综合与验证是一个难题。1973年,Bennett提出从图灵机的执行轨迹生成可逆电路。在本文中,我们提出了一种新的介绍这种方法,适用于高阶程序。从一个类似PCF的语言开始,我们使用一元表示的执行轨迹,把一个常规的布尔程序变成一个电路生成代码。我们表明,一个电路跟踪出的程序计算相同的布尔函数作为原始程序。该技术已成功地应用于量子程序设计语言Quipper生成大型预言机。
2016-03-27 cs.LO
Bounded Synthesis of Register Transducers
反应合成的目标是根据系统的行为规范自动构建系统。研究主要集中在处理布尔信号的系统综合。但是现实生活中的系统通常使用位向量、整数等来描述。位爆破会使这样的系统不可读,影响合成的可扩展性,并且对于无限的数据域是不可能的。更接近现实生活的系统是寄存器传感器:它们可以将数据输入存储到寄存器中,然后输出寄存器的内容,但它们不直接依赖于数据输入,只依赖于它与寄存器的比较。以前,它被证明,从寄存器自动机合成寄存器传感器是不可判定的,但有作者认为传感器配备了无界队列的寄存器。首先,我们证明了问题成为可判定的,如果绑定的传感器中的寄存器的数量,通过减少标准的布尔系统的综合问题。其次,我们展示了如何使用量化的时序逻辑,而不是自动机,规范。
2018-08-28 cs.FL cs.LO
From Boolean Functional Equations to Control Software
Sapienza University of Rome(罗马第一大学)
针对软件合成中布尔关系K定义的函数方程,提出一种从OBDD表示生成C代码的算法,实现代码大小与OBDD相同且最坏情况执行时间为O(nr)。
2012-05-22 cs.LO cs.SE cs.SY
ocLTL: LTL Realizability and Synthesis Modulo ω-Categorical Structures
ocLTL在ω-范畴结构下研究LTL+P的可实现性与合成,通过将数据子公式替换为有限析取式,保持2-EXPTIME复杂度,应用于原子布尔代数与林德布拉德-塔斯基代数,并关联到AI安全。
2026-05-16 cs.LO
High-Quality Synthesis Against Stochastic Environments
在经典的综合问题中,我们给出了一个LTL公式psi的输入和输出信号的集合,我们合成了一个传感器,实现psi。自动综合在实际应用中的一个缺点是没有考虑综合系统的质量。实际上,经典的设置是布尔型的:一个计算满足或不满足一个规范。因此,虽然合成的系统是正确的,但它的质量没有保证。近年来,研究人员考虑将经典布尔设置扩展到定量设置。逻辑LTL [F]是一个多值逻辑,它用质量算子扩充了LTL。LTL [F]公式的满意值是[0,1]中的实值,其中该值越高,计算满足规范的质量越高。LTL的决策问题变成了LFL的搜索或优化问题[F]。特别是,在合成问题中,目标是生成满足最高质量规格的换能器。以前的工作考虑了最坏情况的设置,目标是以最小的质量最大化计算的质量。我们引入并解决了随机设置,其中的目标是生成一个换能器,最大限度地提高预期的计算质量,受到给定的输入信号分布。因此,环境不是敌对的,而是被假设为概率性的,这对应于许多现实的设置。我们发现,这个问题是2EXPTIME完全的,像经典的LTL合成,仍然是这样,在两个扩展,我们认为:一个最大限度地提高预期的质量,同时保证最低的质量是,概率$1$,在给定的阈值以上,和一个允许对环境的假设。
2016-08-23 cs.LO
Differentiable Logic Synthesis: Spectral Coefficient Selection via Sinkhorn-Constrained Composition
Lehigh University(莱维大学);Johnson and Johnson(强生公司)
本文提出了一种可微逻辑综合方法,通过Sinkhorn约束组合选择频谱系数,实现了高精度布尔逻辑推断,并验证了在不同复杂度阶段的性能。
2026-02-09 cs.AR cs.LG cs.LO
Satisfiability of Quantified Boolean Announcements
本文研究布尔任意公共公告逻辑(BAPAL)的可满足性问题,证明其可判定性,并指出该逻辑不具备有限模型性质。
2025-01-30 cs.LO
Predictable and Performant Reactive Synthesis Modulo Theories via Functional Synthesis
IMDEA Software Institute(IMDEA软件研究所);Universidad Politécnica de Madrid(马德里理工大学);CIFASIS
该研究提出首个针对LTLt的完整静态反应式综合方法,结合布尔抽象与函数综合生成确定性控制器,兼具可预测性、高效性及输出优化能力。
2024-07-12 cs.AI cs.LO cs.SE
Full LTL Synthesis over Infinite-state Arenas
University of Gothenburg(哥德堡大学);Chalmers University of Technology(查尔姆斯理工大学);TU Wien(维也纳工业大学);Dedaub
本研究提出了一种基于布尔抽象的完整LTL目标合成方法,通过CEGAR方法提升无限状态竞技场中的合成效率,优于现有最先进方法。
2025-05-27 cs.FL cs.LO cs.PL
Inference and learning in probabilistic logic programs using weighted Boolean formulas
KU Leuven(鲁汶大学)
概率逻辑程序是其中一些事实用概率注释的逻辑程序。本文研究了如何经典的推理和学习任务,从图形模型社区可以处理概率逻辑程序。概率逻辑程序以前没有真正解决过几个这样的任务,如计算给定证据的边缘和从(部分)解释中学习。本文的第一个贡献是为各种推理任务提供了一套有效的算法。它基于程序和查询以及证据到加权布尔公式的转换。这使我们能够将推理任务减少到经过充分研究的任务,例如加权模型计数,可以使用图形模型和知识编译文献中已知的最先进的方法来解决。第二个贡献是一个算法的参数估计的学习从解释设置。该算法采用期望最大化,并建立在顶部开发的推理算法。所提出的方法进行了实验评估。结果表明,推理算法提高了概率逻辑程序设计的最新水平,并且确实可以从解释中学习概率逻辑程序的参数。
2013-04-25 cs.AI cs.LG cs.LO
Dependency Stochastic Boolean Satisfiability: A Logical Formalism for NEXPTIME Decision Problems with Uncertainty
随机布尔可满足性(Stochastic Boolean Satisfiability,SSAT)是一种逻辑形式主义,用于建模具有不确定性的决策问题,例如用于概率系统验证的部分可观察马尔可夫决策过程(Partially Observable Markov Decision Process,POMDP)。然而,SSAT受限于其在PSPACE复杂性类中的描述能力。更复杂的问题,如NEXPTIME完全分散POMDP(Dec-POMDP),不能用SSAT简洁地编码。为了提供这样的问题的逻辑形式主义,我们扩展的依赖量化布尔公式(DQBF),在NEXPTIME-完全类的代表性问题,其随机变量,命名为依赖SSAT(DSSAT),并显示DSSAT也是NEXPTIME-完全的。我们展示了DSSAT的潜在应用的概率和近似设计的电路综合。此外,为了研究DSSAT的描述能力,我们建立了从Dec-POMDP到DSSAT的多项式时间约简。随着这项工作的理论基础,我们希望鼓励DSSAT解算器的发展,为潜在的广泛应用。
2021-02-25 cs.CC cs.LO
Bounded Synthesis of Reactive Programs
大多数反应系统的综合算法都集中在有限状态机的构造上,而不是实际的程序。这通常会导致结构不良、不可读的代码。在本文中,我们提出了一个有界的合成方法,自动构造,从一个给定的规范在线性时间时序逻辑(LTL),一个程序在Madhusudan的简单的命令式语言的反应程序。我们开发和比较两个主要的方法减少的综合问题的布尔约束满足问题。第一个约简是基于有界合成到双向交替自动机的推广,第二个约简是基于约束系统中程序语法的直接编码。我们报告的初步经验与原型实现,这表明直接编码优于自动机的方法。
2018-07-24 cs.FL cs.LO
Finite-Memory Strategy Synthesis for Robust Multidimensional Mean-Payoff Objectives
图上的二人博弈为反应系统的研究提供了数学基础。在定量框架中,一个目标为每一步棋分配一个值,参与人1的目标是最小化目标的值。在这个框架中,有两个相关的综合问题需要考虑:定量分析问题是计算参与人1可以保证的最小(或下确界)值,布尔分析问题是询问参与人1是否可以保证目标的值至多为$ν$(对于给定的阈值$ν$)。在多维加权图上玩平均支付表达式游戏。原子平均支付表达式目标是某一维的平均支付值(长期平均权重),平均支付表达式类是原子平均支付表达式在$\MAX,\MIN$、数值补和$\SUM$代数运算下的闭包.在这项工作中,我们研究了第一次的策略合成问题的游戏具有强大的定量目标,即游戏的平均回报表达的目标。虽然在一般情况下,这些游戏的最佳策略需要无限的记忆,在合成中,我们通常感兴趣的有限状态系统的建设。因此,我们考虑的游戏中,玩家1是有限的记忆策略,我们的主要贡献如下。我们证明了对于平均支付表达式,定量分析问题是可计算的,布尔分析问题与Hilbert的第十个有理数问题--一个在计算机科学和数学中长期存在的基本开放问题--是相互可约的。
2014-04-29 cs.GT cs.LO
On the inherent competition between valid and spurious inductive inferences in Boolean data
归纳推理是从特定的观察中提取一般规则的过程。这个问题也出现在生物网络的分析中,如遗传调控网络,其中的相互作用是复杂的,观察是不完整的。在这些问题中的一个典型任务是提取一般的交互规则作为布尔协变量的组合,解释测量的响应变量。归纳推理过程可以看作是一个不完全指定的布尔函数综合问题。问题的这种不完全性也会产生虚假的推理,这对有效的归纳推理规则是一个严重的威胁。使用随机布尔数据作为空模型,在这里,我们试图衡量有效和虚假的归纳推理规则之间的竞争,从一个给定的数据集。我们制定了两个贪婪搜索算法,合成一个给定的布尔响应变量的稀疏析取范式,并分别从观察数据的变量的稀疏广义代数范式,我们数值评估其性能。
2018-01-06 cs.AI cs.LO physics.data-an
Satisfiability and Synthesis Modulo Oracles
University of Edinburgh(爱丁堡大学);UC Berkeley(加州大学伯克利分校);University of Iowa(爱荷华大学)
在经典的程序合成算法中,例如反例引导归纳合成(CEGIS),算法在合成阶段和预言(验证)阶段之间交替。许多合成算法使用基于可满足性模理论(SMT)求解器的白盒预言机来提供反例。但是,如果白盒Oracle不可用或不容易使用,该怎么办?我们提出了一个框架来解决一般类的预言指导的合成问题,我们长期合成模预言。在这种情况下,预言机可以是黑盒子,具有由合成问题定义的查询-响应接口。作为该框架的一个必要组成部分,我们还形式化了可满足性模理论和预言机问题,并提出了一个算法来解决这个问题。我们实现了一个原型求解器的可满足性和合成模神谕,并证明,通过使用神谕执行功能不容易建模SMT约束,如递归函数或神谕,将编译和执行的代码,SMTO和SyMO能够解决超出标准SMT和合成求解器的能力的问题。
2021-07-28 cs.LG cs.LO cs.PL
Tackling Universal Properties of Minimal Trap Spaces of Boolean Networks
Univ. Bordeaux(波尔多大学);CNRS(法国国家科学研究中心);Bordeaux INP(波尔多国立理工学院);Univ. Artois(阿图瓦大学)
本文针对布尔网络最小陷阱空间通用性质的两个推理问题,提出基于CEGAR的高效求解方法,通过耦合两个简单公式的求解实现,并用回答集编程实现原型,在生物网络模型上验证了可行性。
2023-07-20 cs.AI cs.DM cs.LO