理论计算机科学电子笔记175(2007)77-88www.elsevier.com/locate/entcs关于生成概率互模拟的注记Simone Tini西蒙娜·蒂尼1,2Dipartimento di Scienze della Cultura,Politiche e e dellVia Carloni 78,22100,Como(科莫),意大利摘要在本注记中,我们考虑生成概率转移系统的模型,以及Baier和Her- manns的弱互模拟概念在它们之上的定义。我们证明了,如果我们考虑任何进程代数产生的概率转移系统满足正则性的条件,并且满足预固定,交织和保护递归,那么包含在弱互模拟中的粗同余是强互模拟。关键词:进程代数,生成概率,行为等价,互模拟,弱互模拟,同余1介绍概率过程代数已经在文献中被引入(参见[1,2,3,7,10,11,12,16,18,21,31]),以开发处理系统行为的功能和非功能方面的技术,例如性能和可靠性。概率过程的模型在[18]中被分类为生成的、反应的和分层的。 在生成模型中,一个单一的概率分布归因于一个给定的进程的所有动作,独立于他们的动作标签。在反应式模型中,给定进程执行的动作类型是以非确定性的方式选择的,并且概率分布归因于该进程的所有动作在分层模型中,一个给定的过程要么有概率移动,它有一个单一的概率分布,并且没有动作标签,要么有一个单一的动作移动,有一个动作标签,因此意味着动作和概率的明确分离概率模型1作者部分由PRIN Project“Analisi di sistemi di Riduzione mediante sistemi di Tran- sizione”(ART)支持2电子邮件:simone.tini@ uninsubria.it1571-0661 © 2007 Elsevier B. V.在CC BY-NC-ND许可下开放访问。doi:10.1016/j.entcs.2006.09.01678S. Tini/Electronic Notes in Theoretical Computer Science 175(2007)77自动机[29]被引入来捕获概率和经典的非确定性过程代数概念。在这里,自动机的状态可以有几个以非确定性方式选择的转换,每个转换都会导致标记动作的概率分布。通常,[29]的模型被称为非交替模型,与[19]的交替模型相反,其中在非确定性状态和概率状态之间存在明显的区别,非确定性状态允许导致唯一状态的转换并且以非确定性方式选择,概率状态允许导致状态概率分布的唯一转换。概率转移系统(ProbabilityTransitionSystems,简称PTS)是对经典的标号转移系统进行扩展以表示概率的一种机制,已被广泛应用于概率过程的基本语义模型。当然,考虑到所考虑的概率模型,已经引入了PTS为了从概率过程计算的方式中抽象出不相关的信息,在PTS模型中定义了几个概率等价和前序的概念[2,8,9,11,12,19,20,22,23,25,30,32]。为了将一个给定的等价物放入一个公理框架中,要求它是关于所有进程代数运算的一个同余概率互模拟,它将两个过程联系起来,如果它们的PTS具有相同的概率分支结构,并且最初在[25]中为反应模型定义,在上面提到的论文中提出的过程代数中享有同余性质,并且是最常用的等价定义之一。在非概率情况下,Milner [26]成功地提出了弱互模拟,将其作为从内部计算步骤中抽象出来的等价关系。在[2,11,12,30]中已经考虑了非交替模型的弱互模拟的概念。Baier和Hermanns [5]在[26]的启发下为生成模型提出了弱互模拟的概念。关于概率弱互模拟的有趣动机和结果,我们参考[5在非概率背景下,弱互模拟不是关于非确定性选择操作的同余,而这是大多数已知进程代数所具有的.由于具有同余性质的重要性,关于比弱互模拟更精细的非确定性选择的粗同余已经被描述,并被Milner称为观测同余[26]。这样的同余也被称为有根τ-互模拟[4]和有根弱互模拟[6]。同样在非交替模型中,关于比弱互模拟更精细的非确定性选择的粗同余已经被表征[2,11,12]。遵循生成模型的进程代数不允许任何非确定性选择的操作。更确切地说,这些过程代数不允许任何引入非确定性的操作。然而,在一般情况下,也在生成模型弱互模拟不是一个同余。 事实上,许多过程代数交织操作的参数版本,其中参数决定了两个组成过程中的每一个的移动概率,并且我们通过一个简单的例子表明,弱互模拟不是关于S. Tini/Electronic Notes in Theoretical Computer Science 175(2007)7779Σ∈S≤ ≤−−−→α,p−−→这种交织操作。此外,[10,7]的类CCS并行合成操作和[10]的类CSP并行合成操作不保持弱互模拟。我们的目标是在生成模型中研究问题,以给出粗等价概念的特征化,该概念比概率弱互模拟更精细,并且是关于任何合理操作核的同余。 为了这个目的,我们假设prefixing,交织,和保护递归因为它们被广泛使用。我们证明了,如果我们只考虑过程代数产生的PTS满足正则性条件,那么我们的目标是刻画的同余是概率互模拟。从某种意义上说,这一结果具有负面影响。 事实上,在非概率情况下,已经对弱于互模拟和强于弱互模拟的同余做了大量工作[6,13,14,15,17],而在生成情况下,这样的工作不能重复,因为我们的结果意味着没有严格位于互模拟和弱互模拟之间的同余。注意,我们的结果还强调了生成模型和非交替模型之间的差异,其中弱互模拟中包含的粗同余比强互模拟严格粗。这种差异取决于这样一个事实,即非交替模型的并行合成操作没有参数,引入了非确定性,并且可以被视为[26]的经典交织操作2概率双模拟给定任意集合S,设M(S)表示S上所有多重集的集合。 让我们使用“{|“和“|}“作为多集的括号。下面的定义来源于[3,5,7]。定义2.1生成概率转移系统(简称GPTS)是一个三元组(S,Act,T),其中S是一组状态,Act是一组可数的动作,T∈ M(S ×Act×(0,1]× S)是一个多重转移集,使得对于所有状态s∈ S:{|p |<$α ∈ Act,sJ∈ S:(s,α,p,sJ)∈ T|} ∈ {0,1} 3定义2.1要求每个国家是半随机的,也就是说,它的输出转移的概率,如果有任何,总和为1。让我们回想一下,在[18,31]中考虑的GPTS具有较弱的要求,因为它们承认,对于每个状态s,其传出转移的概率之和(如果有的话)是值0q 1,解释为s死锁的概率为1q。本文证明的结果也适用于[18,31]的GPTS模型,因为它们不依赖于对从s出发的跃迁概率的任何约束。设sα,p sj表示(s,α,p,SJ)∈T,s−→表示sα,p sJ为一些α,p和SJ,和s→/−表示s−−→SJ保持f或不保持α,p和SJ。[3]请注意,需要多重集来处理从状态s到状态s j的几个具有相同标签α和概率p的转移的情况。80S. Tini/Electronic Notes in Theoretical Computer Science 175(2007)77α,p−−→ΣΣ∈∈ΣG设s=SJ表示SJ从s可达,即存在一个序列过渡Sα0,p0s ... Sαn−1,pn−1S使得s=s和s=sJ.0−→1n−1−−→n0n在下文中,我们假设“正则性”条件,即对于每个状态,s∈ S,只有有限个向外的转移s sJ,并且从s只有通过一个ny(po−s−s→iblyin finite)序列,可以得到其他无限多的状态的过渡。让我们回忆一下累积概率分布函数μG[18],它计算了从状态s通过标记为动作α的跃迁到达状态SJ的总概率。采用概率的空和为0的惯例,μG定义如下。定义2.2μG:S×Act×S →[0,1]是由下式给出的函数:sJ∈S:μ(s,α,sJ)={|p|sα,psJ∈T|}函数μG可以扩展到目标状态的集合。 s∈S,μG(s,α,S)=μG(s,α,SJ)sJ∈S在[5]之后,函数μG可以被扩展到动作A中的动作序列。让表示空的动作序列。对 于 每个α Act和λAct,令αλ 表示Act中的序列,通过用α前缀λ获得。那么,<$s∈S,<$α∈Act,<$λ∈Act<$,<$S<$S:μG(s,n,S)=1 ifs∈SμG(s,n,S)=0 ifs/∈SμG(s,αλ,S)=μG(s,α,sJ)·μG(sJ,λ,S)sJ∈S最后,将[5]中的μG函数推广到动作序列的集合。 设Λ表示Act_n的任意子集,Λ/α表示集合{λ∈Act_n|αλ∈Λ}。那么,s∈ S,<$ΛAct<$,<$S<$S:μG(s,Λ,S)=1,若ε∈Λ且s∈SμG(s,Λ,S)=(α,SJ)∈Act×SμG(s,α,sJ)·μG(sJ,Λ/α,S)否则我们现在可以回忆一下GPTS的互模拟概念[18]。 对于状态集S上的任何等价关系R,设S/R表示由R导出的等价类集。定义2.3等价关系R <$S × S是(强)互模拟,如果(s1,s2)∈R蕴涵:<$C∈S/R,<$α∈Act:μG(s1,α,C)=μG(s2,α,C)S. Tini/Electronic Notes in Theoretical Computer Science 175(2007)7781∼ǁ--ǁ所有互模拟的并集又是一个互模拟,用表示。关系将具有相同概率分支结构的状态等同起来让我们假设Act包含特殊的沉默行动τ。我们现在可以回想起Baier和Hermanns让我们用正则表达式来表示动作序列的集合定 义 2.4 等 价 关 系 R<$S × S 是 弱 互 模 拟 , 如 果 ( s1 , s2 ) ∈R 蕴 涵 :<$C∈S/R,<$a∈Act\{τ}:μG(s1,τaτ,C)=μG(s2,τaτ,C)μG(s1,τ,C)=μG(s2,τ,C)所有弱互模拟的并集又是一个弱互模拟,表示为- 是的关系式R1比R2更粗糙,因为它从无声的计算步骤中抽象出来3弱互模拟不是同余像往常一样,让我们假设一种过程描述语言,其抽象语法由签名给出,由一组操作符号和一个arity映射组成,该arity映射为每个f∈f指定一个自然ar(f)对于一组变量Var,范围为x,y,. ,则在λ和Var上的(开)项的 集 合 是最小集合,使得:• 每个变量x∈Var是一个项;• f(t1,.,tar(f))是一项,只要f∈f且t1,.,tar(f)是术语。在Var中不包含变量的项称为封闭项或过程。语言的语义由GPTS给出,其状态是进程,其转换由一组SOS规则推断[27,28]。像往常一样,让我们假设R2包含操作符号0(有时表示为nil),ar(0)= 0,其中0表示没有移动的空闲过程。让我们回顾一下全等性的概念定义3.1过程上的等价关系R称为同余i ∈ R,对于每个f∈R,如果关系(ti,tJi)∈R对所有1 ≤i≤ar(f)成立,则(f(t1, . ,tar(f)), f(tJ1, . ,tJar(f))∈R.现在,互模拟是关于文献[1,3,7,10,16,18,21,24,31]中使用的众所周知的过程代数的让我们考虑[3]的概率交织p的操作,其SOS风格的语义在表1中给出。直观地说,如果过程t1和t2都可以移动,那么过程t1pt2以概率p作为t1移动,以概率1p作为t2移动。如果只有t1(相应地,t2)可以移动,则t1pt2随着t1(resp. (2)概率为1。通过一个例子,我们可以证明弱互模拟不是关于运算BFP的同余。82S. Tini/Electronic Notes in Theoretical Computer Science 175(2007)77α,p−−→1 1−−−→122pppp·ǁ··Qǁ·ǁ·ǁ·ǁ·ǁ·ǁ·∈\{ }≡····{\fnarialblack\fs12\bord1\shad0\4aH00\fscx90\fscy110}{\fnarialblack\fs12\bord1\shad0\4aH00\fscy110}一12−−−→112−−−→1x[re c] x/X]−−→yα,1α·x−−→xrecX. xα,p yα,px1−→y1 x2→/−x→/−xα2,p2 yxxα1,p1 y阿克斯xxα2,p2 X埃什基xα1,p1α2,p21−→y1 x2−→x1−→x2−→y2xxα1,p1·pyxxx pα2,p2·(1−p) X射线p12−−−−→12表112−−−−−−−→12一些概率运算;x,x1,x2,y1,y2是过程变量,α,α1,α2在Act上的范围,p,p1,p2是区间[0, 1]上的变量,X是递归变量。例3.2假设a法τ,t1和t2是过程t1τ一0和t2τ τa0,其中是表1中描述的预固定操作。这是直接的t1t2,但是,对于每个
p.一0- 互模拟就是互模拟。给定一个进程t,让actions(t)表示出现在GPTS中以t为根的部分的转换标签中的动作集合。GPTS上的正则性条件确保actions(t)是有限集。假设有两个过程t和tJ。 由于动作(t)和动作(tJ)是有限集合,并且由于Act是可数集合,我们可以取两个动作b,c∈Act\(动作(t)<$动作(tJ)<${τ})。我们可以证明,给定任意值0 p2。现在,p1=μG(s,a,C)意味着μG(s,τaτ,C)p1。由于s sJ,我们推断μG(sJ,τ∈aτ∈,C)p1。由于p1>p2=μG(SJ,a,C),我们推出μG(SJ,τ+aτ,C)+ μG(SJ,aτ+,C)≥(p1−p2),其中τ+表示所有n≥1个τ-作用序列的集合。由于a b和a/=c,C中的进程可以通过序列从sJ到达τ+aτ和aτ+仅通过至少两次t2的移动。 这意味着84S. Tini/Electronic Notes in Theoretical Computer Science 175(2007)77·−·≈- -·ǁ··−·−·−联系我们−/∈·/∈·≤··≥ −|−|·/−−−→μG(sJ,τ+aτ,C)+ μG(sJ,aτ +,C)p2 q2. 综上所述,p2q2p1p2,证明了本文的结论.(ii) α=b。因为bactions(t)actions(tJ),所以唯一的b移动s是由于recX。b X并导致s本身,类似地,唯一的b被sJ移动是由于rec X。b X,并导致sJ本身。因此,要么C既不包含s也不包含SJ,并且命题是直接的,因为μG(s,b,C)= 0 =μG(SJ,b,C),要么C既包含s又包含SJ。让我们集中讨论第二种情况。自t1qrecX. c X移动,b移动的概率不可能是rec X。b X为1,我们确信b移动的概率为1p,因此μG(s,b,C)= 1p。基于同样的理由,我们推出μG(SJ,b,C)= 1p。综上所述,μG(s,b,C)=μG(SJ,b,C),证明了本文的结论.(iii) α=c。设p1和p2为满足p1=μG(s,c,C)和p2=μG( SJ,c,C)的值。因为cactions(t)actions(tJ),所以唯一的c移动s是由于recX。并且导致s本身,类似地,唯一的c被SJ移动是由于recX。 cX并导致sJ本身。因此,要么C既不包含s也不包含SJ,并且命题是直接的,因为μG(s,c,C)= 0 =μG(SJ,c,C),要么C既包含s又包含SJ。让我们集中讨论第二种情况。如果t1有移动,则p1= p(1 q);如果t1没有移动,则p1= p。此外,如果t2有一些移动,则p2=p(1q),或者如果t2没有移动,则p2=p因此,证明了t1移动而t2不移动的情况不可能发生,也就不可能推出p1= p(1q)=p2或p1= p= p2,从而蕴涵了这一命题。通过矛盾,让我们假设t1移动而t2不移动。由于t2不移动,SJ只有一次b移动,概率为1p,只有一次c移动,概率为p 由于s,S,J,我们推断s只有进步b,c,τ,这意味着t1有τ次移动。 这意味着序列τ<$bτ <$bys的总概率严格大于1−p,这与s<$sJ相矛盾。(iv) α=τ。首先,让我们注意到,由于SsJ,或者C同时包含s和sJ,或者C既不包含s也不包含sJ。如果C既不包含s也不包含SJ,我们可以像情形(i)那样推理。假设C包含s和SJ。 在这种情况下,设p1和p2是使得p1=μG(s,τ,C)和p2=μG(SJ,τ,C)的值。我们要证明p1p2p2q2。如果p1=p2,命题是直接的.如果p1=p2,则w.l.o.g. 我们可以假设p1>p2。首先,让我们注意到,由于每个国家都在努力,可从s或sJ中读取的内容可以在cmove中执行,它可以不执行该操作,1因此,因此,我们可以肯定s∈b,1−ps。Sinceboths−→和C从s通过一次τ移动可到达的(总概率为p1)可以以1−p的概率执行b,同时保持在C中,则μG(s,τ,C)≥(1−p)+p1·(1−p)成立。由于s<$sJ,所以μG(sJ,τ<$bτ<$,C)≥(1−p)+p1·(1−p)成立。由于C中的状态不能以概率1执行b,我们S. Tini/Electronic Notes in Theoretical Computer Science 175(2007)7785··− ≥ −·−·≥ −Jmn2 2mnμ(s, τbτ,C)≤p ·q·(1−p),因为τbτ满足m+n≥2Gm+n≥2·<$μ s,b,C−pμ s, τbτ,Cp·−p2GGm+n=1Σp·qX.C··ǁ··ǁ·ǁ··|≤·|−|≤·ǁ·|ǁ·ǁ·−ǁ·ǁJPQ一一知道(J))=(1)和( JMn) = 的(一)).因此,m+n≥2μG(SJ,τmbτn,C)≥(p1−p2)(1 −p)。此外,我们知道,需要至少两次t2移动和一次从rec X移动。b X. 总结,第2页Q2(一)p)的范围内 (p1) p2) (一) p),这意味着p2 Q2 p1p2,而 论文被证明。Q引理4.4暗示存在一个(p2·q2)-互模拟,它与从(t=qrec)X可达的过程有关.c·X)X. b·X和(tJqrecX. c·X)X. b·X,并且包含由(t<$qrecX)形成的对。c·X)X. b·X和(tJqrecX. c·X)X. b·X。 L∈p2·q2表示一个(p2·q2)-二进制.设一个等价类C∈S /S/p2·q2.我们给出了一组过程C={s},使得(s)={x}。c·X)X. b·X∈C}是a(p·q)-互模拟的一个等价类,它涉及从t和TJ可达的过程. 设φp·q表示这样的(p·q)-互模拟。关系式<$p·q使t和tJ相等,因为(t<$q rec X. c·X)X. b·X和(tJq rec X. c·X)X. b·X等于y=p2·q2。 本文的研究思路是:因此,对于某些(p · q)-双模拟<$p· q,C∈S/<$p·q 仍 有 待 证 明. 给定任意处理st1,t2∈C,任意等价类D, 以及任意动作α∈动作(t1)和动作(t2),则p和q的语义意味着:μG(t1,α,D)=1·μG((t1qrecX. c·X)X. b·X,α,D),μG(t2,α,D)=1·μG((t2qrecX. c·X)qrecX. b·X,α,D)。自(t1qrecp·q·X)记录X。 b·Xp2·q2(t2X. c·X)X. b·X,我们确定μG(( t1qrecX. c X) precX. b X,α,D)μG((t2qrecX. c X) precX.bX ),α,D)p2q2. 因此, T,μG(t1,α,D)μG(t2,α,D)pq,as必需的。Q乍一看,我们选择使用引理4.3中交织算子出现两次的上下文可能令人惊讶。人们可以预期,一个上下文只有一个这样的发生表面。关键是,如果我们考虑上下文,引理4.4precX. BX而不是(qrecX. c X)precX. bX. 事实上,在α=b的证明和α=τ的证明中,我们都利用了b的概率移动recX的事实。bX不能为1。 这是由recX. CX可以执行C移动。没有进程记录X。cX,p左边的进程可以是没有任何移动的进程,b通过recX移动。bX的概率为1。注意,如果我们替换交织操作,上面的引理4.3也成立使用类似CCS的并行组合操作BLP和BLP 和, [10][7]条件是t和tJ除了既不执行b也不执行c之外,也不执行b也不执行c。此外,如果我们用类似CSP的平行线替换Bqp和Bqq,引理4.3也成立[10]的关系式的合成,其中A=α。现在让我们证明,对于所有0
0,R是对无限多δ > δ>0的一个互模拟。我们可以证明R是一个强互模拟。通过矛盾,让我们假设R不是强互模拟。则存在一对状态(s,SJ)∈ R,一个作用量α∈Act,以及一个等价的R上的价类C使得μG(s,α,C)μG(SJ,α,C). 设d为值|.|.因此,R对任何d都不是n-互模拟,这与R对无限多d > n>0是n-互模拟相矛盾。现在,由于R是互模拟,且(t,TJ)∈ R,本文成立.Q现在我们可以给出主要结果。定理4.6给定任意过程t和TJ,如果对所有p<,q 1和作用,b,c∈Ac t\({τ}<$action s(t)<$action s(tJ))它保持t hat(t<$qrecX. c·X)X. b·XX. c·X)X. b·X则t <$tJ。是的。根据引理4.3,对于each0p,q1,对于某些(p·q),t∈p·qt∈J成立二分法给定一个0d1,我们可以选择p=q=d,以推断,tdtJ。 由于tdtJ对于所有0< d<1,我们可以应用引理4.5来推断ttJ,以及 证据就完整了Q让我们假设,是一个等价关系的过程是一个同余w.r.t交织,prefixing和递归,并且比弱互模拟(即R互模拟)更精细。给定过程t和 TJ使得(t, TJ)∈R,由于R是同余,我们推论,对所有的0