Core Concepts
SMT戦略合成問題に対するMCTSベースの新しい枠組みを提案し、階層化された探索と段階的な探索という革新的なヒューリスティックを導入することで、より効果的な戦略を合成することができる。
Abstract
本論文は、SMT戦略合成問題に対するMCTSベースの新しい手法を提案している。
従来のMCTSでは、戦略空間の膨大な探索空間と各戦略の評価に要する時間の長さが課題であった。
本手法では、以下の2つの革新的なヒューリスティックを導入することで、これらの課題に対処している:
階層化された探索: 戦略パラメータの最適化を独立したマルチアームバンディット問題として扱うことで、探索空間を効果的に縮小する。
段階的な探索: 2段階の探索プロセスを設けることで、初期段階で見つかった高性能な線形戦略を効率的に組み合わせることができる。
6つのSMTロジックにわたる広範な実験評価の結果、提案手法であるZ3alphaは、デフォルトのZ3戦略、SOTA合成ツールのFastSMT、およびCVC5ソルバーと比較して優れた性能を示した。特に、QF BVベンチマークでは、デフォルトのZ3戦略に比べて42.7%多くのインスタンスを解いた。
Z3alphaは、より解釈可能性の高い戦略を合成することができ、また長いタイムアウトにも適応できるなど、優れた特性を備えている。
Stats
Z3alphaは、デフォルトのZ3戦略に比べて、QF BVベンチマークのSage2セットで42.7%多くのインスタンスを解いた。
Z3alphaは、QF LIAロジックで2.2%、QF LRAロジックで3.7%多くのインスタンスを解いた。
Quotes
Z3alphaは、デフォルトのZ3戦略、SOTA合成ツールのFastSMT、およびCVC5ソルバーと比較して、優れた性能を示した。