自动机学习中的规范代数生成器
摘要：复杂计算机系统验证的许多方法要求存在一个可处理的数学抽象系统，通常以自动机的形式。然而，在现实中，这样的模型很难构建，尤其是手动构建。自动机学习是一种可以通过观察系统行为从系统中自动推断出自动机模型的技术。大多数自动机学习算法基于所谓的L*算法。L*学习到的受限器具有一个重要的性质：它是规则语言接受的最小确定有限自动机的唯一同构参照。对于其他类别的受限器，通常还需要考虑副作用，建立类似的结果非常重要。例如，非确定有限自动机比确定有限自动机更简洁，允许验证进行规模扩展。不幸的是，一般情况下，无法确定一个规则语言的唯一同构最小非确定受限器：一个规则语言可能由两个非同构的最小尺寸非确定有限自动机接受。因此，不清楚学习算法应该将哪个自动机作为目标。在本论文中，我们进一步探讨了这个问题，并确定了具有规范最小尺寸代表的受限器的（子）类别。
作者：Stefan Zetzsche
论文ID：2308.04222
分类：Formal Languages and Automata Theory
分类简称：cs.FL
提交时间：2023-08-09