BDD（二元决策图）

最新推荐文章于 2025-03-05 16:50:11 发布

Paωa1uokε

最新推荐文章于 2025-03-05 16:50:11 发布

阅读量6.6k

点赞数 14

文章标签：数据结构

原文链接：https://blog.csdn.net/Jacob71/article/details/119464011?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1.no_search_link&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRL

版权

转载自：二元决策图(Binary Decision Diagrams - BDD) （一）

在形式化验证、数字系统的设计和验证中，许多任务都涉及大型命题逻辑公式的运算。二元决策图（BDD）已经成为许多应用的首选表示方法。1986年，Bryant发表论文指出归约有序的二元决策图是布尔函数的规范表示。

几个基本概念：

布尔函数（Boolean function）描述如何基于对布尔输入的某种逻辑计算确定布尔值输出，它们在复杂性理论的问题和数字计算机的芯片设计中扮演基础角色。比如下面的逻辑电路：

可以使用布尔函数： $(x_1\oplus x_2)\oplus (x_3\oplus x_4)$ 来表示。

有 n 个变量的布尔函数 F 为：

$F:\{0,1\}^n \to \{0,1\}$

函数有 $2^n$ 个不同的可能输入，输出为一个True或False的布尔值，我们使用1或0来表示。

我们定义新的具有 n-1 个变量的布尔函数：

$F_{x_1}(x_2,...,x_n) =F(1,x_2,x_3,...,x_n)$

$F_{x_1^{'}}(x_2,...,x_n)=F(0,x_2,x_3,...,x_n)$

$F_{x_1}$ 和 $F_{x_1^{'}}$ '称为 F 的余因子(cofactor)。 $F_{x_1}$ 为正因子， $F_{x_1^{'}}$ 为否定因子。

香农展开（Shannon's expansion），或称香农分解（Shannon decomposition）是对布尔函数的一种变换方式。它可以将任意布尔函数表达为其中任何一个变量乘以一个子函数，加上这个变量的反变量乘以另一个子函数，即：

$F(x_1,...,x_n )=x_i F_{x_i}+x_i^{'} F_{x_i^{'}}$

INF范式（If-then-else Normal Form – INF）

If-then-else运算符表示为 $x\to y_0,y_1$ ，则INF运算符定义为：

$x\to y_0,y_1=(x\land y_0 )\lor (\lnot x \land y_1 )$

即，如果x值为1，则结果为y0，否则结果为y1。

所有逻辑运算符都可以仅使用 if-then-else 运算符和常量0和1表达。此外，if-then-else运算可以这样实现，即所有的测试都只在（未取反的）变量上进行，变量不会出现在其他地方。比如，¬x就是x→0,1。这样，if-then-else算子产生了一种新的范式 – INF范式（If-then-else Normal Form – INF）。

INF范式是完全由 if-then-else 运算符和常量构建的布尔表达式，因此仅需要对变量执行测试。

用t[0/x]表示将 t 中的变量 x 赋值为 0 得到的布尔表达式，得到以下等式：

这个就是表达式 t 对变量 x 的香农展开。这个简单的方程有很多有用的应用。第一个是可以从任何表达式 t 生成一个 INF。如果 t 不包含任何变量，则它等于 0 或 1，即一个INF。否则，我们就生成表达式t中的一个变量 x 的香农展开式。其中 t[1/x] 和 t[0/x] 比表达式 t 少一个变量，这样可以递归做香农展开。

二元决策树（Binary Decision Tree）

二元决策树与二叉树类似，上面的逻辑电路/函数对应的有序二元决策树如下图：

标记为 $f$ 的顶部节点为函数节点，标记有变量名字的圆形节点为内部节点，底部的正方形节点为终端节点（标记为1-True或0-False）。给定一组变量值，计算函数 $f$ 的值，只需要从函数节点沿着路径找到终端节点，终端节点的标记即为函数的值。

一个内部节点，如果所标记变量的值为1，则沿着实线弧前进（也称为then弧/边，或High弧/边）；否则沿着虚线弧前进（也称为else弧/边，或low弧/边）。

在一个有序二元决策树中，变量在所有的路径上出现的顺序是一样的，如上图中：。

二元决策树最大的问题是它们的规模。一个有 n 个变量的二元决策树有 $2^n-1$ 个节点，加上 $2^n$ 个最低层次终端节点的链接，指向返回值0和1。

二元决策图(Binary Decision Diagrams - BDD)

归约（Reduction）

通常，BDD通过对BDT归约而得到。归约由以下两条规则的应用组成，从决策树开始，一直到两条规则都不能应用为止。

如果两个节点是终端节点且具有相同的标签，或者是内部节点且具有相同的子节点，则将它们合并。
如果内部节点的 high 边和 low 边指向相同的子节点，则将该节点从图中删除，并将其父节点重定向到子节点。

上图左图中，红色椭圆中的两个节点相同，应用规则1得到右图。重复应用规则1：

应用规则2，简化下图中的左侧椭圆中的节点，得到右侧图

通常，我们说BDD是指ROBDD，即归约有序的二元决策图

现在我们给出定义：

BDD是一个有根的，有向无环图：

一个或两个出度为0的终端节点，标记为0或1，并且
出度为2的变量节点 u 的集合。节点的2个出边由 low(u) 和 high(u) 定义（在图中显示为虚线和实线），节点关联变量 var(u)。

如果在图中的所有路径上，变量都遵循给定的线性顺序，则BDD为有序的(OBDD)。

一个(O)BDD是归约的（R(O)BDD），如果：

(唯一性)没有两个不同的节点 u 和 v 具有相同的变量名和 low- 和 high- 子节点，即: var(u)=var(v), low(u)=low(v), high(u)=high(v)，这意味着 u=v，并且
(非冗余测试)没有变量节点 u 具有相同的 low- 和 high- 子节点，即: low(u)≠high(u)

构建ROBDD（简写为BDD）

构造BDD的简单方法是构造一个二元决策树，然后逐步消除冗余并标识相同的子树。但是，因为需要构造原始决策树，所以需要指数级时间。

另一种方法是在构建BDD的过程中同时进行BDD的归约过程。将每个布尔函数作为表达式，使用BDD进行运算、归约，得到最终的BDD。以为例，看布尔运算如何使用BDD实现。首先，我们构建 $x_1\lor x_2$ 的BDD。变量 $x_1$ 和 $x_2$ 的BDD为（变量顺序：）：

对两个具有相同变量顺序的BDD，在应用任何布尔操作时，需要从根节点开始，沿着平行路径到终端节点。一旦到达终端节点，将指定的布尔运算应用于布尔常数0和1，以形成指定路径的结果。对于没有出现的变量，需要进行(隐式地)扩展。在这个例子中，左边是，右边是假设的，隐式扩展如下：

沿着节点的左边和右边往下到达子节点，同样这里需要进行(隐式地)扩展，得到一个假设的，如下图，底部是这一步构造的BDD。

在两个给定的BDD中都沿着0-边往子节点走。两者都指向0，我们计算，并将0作为结果，得到下面底部的BDD。

完成终端节点处理后，返回到上一层到节点，并沿着1-边往子节点走，左边的图上是标记为0的终端节点，右边的图上是标记为1的终端节点，计算，得到下面底部的BDD：

继续从节点返回节点，沿着节点的1边往下。左图需要进行(隐式地)扩展，得到一个假设的节点。然后，沿着节点的0边往下，得到，得到下面底部的BDD：

最后沿着节点的1边往下，再次到达标记为1的终端节点，如下图。

从图中可以看到，右侧节点的low和high子节点是相同的，按照前面提到的规则2，需要消除这个节点，只返回一个对常量1终端节点的引用。至此，我们得到了的已经熟悉的BDD，如下图所示。

由此，我们可以总结两个二元决策图应用布尔运算的算法如下：

并行地遍历两个图，在两个给定的图中始终同时沿着0-边或1-边移动
当一个变量在一个图中存在，而不在另一个图中时，我们就像它存在并且有相同的high和low子节点一样继续进行（前面提到隐式地扩展，即实际上并不会创建节点，而是直接递归调用下去，后面的代码分析中可以看到，这里采用扩展结点是为了方便说明）
当到达两个图的终端结点0或1时，对这些常量应用布尔运算并返回相应的常量
如果对low和high子节点的运算返回相同的节点，不构造一个新节点，而只是返回在树中已经获得的单个节点。避免冗余
如果将要构造一个已经在结果图中某处的节点(也就是说，具有相同的变量标签和相同的后续节点)，不要创建一个新的副本，而只是返回已经存在的节点

对于，按照上述的步骤构建，如下图的右侧：

用上述步骤完成2个BDD的运算，得到下面最终的BDD：

BDD构建算法

本节介绍构建BDD的算法以及实现，代码实现以BuDDy开源代码为例。

数据结构

算法实现需要2个核心的数据结构，即节点表和节点hash表。

节点表

这里以数组形式描述节点表，如下图所示，数组下标使用 u 表示，即节点ID，其中数组中第0和1元素预留给终端节点。BDD的变量以索引形式表示，如按照一定顺序排列的变量 $x_1<x_2<...<x_n$ ，使用1,2,⋯,n 索引来表示。节点表中的一个节点元素由变量、左子节点和右子节点组成，即var(u) = i, low(u)=l, high(u)=h。节点表T:u⟼(i,l,h)，使用节点索引查询节点的信息，即var(u) = i, low(u)=l, high(u)=h。

下面是BuDDy中节点的数据结构：

level为节点变量ID，与low和high一起是上面介绍的节点核心信息。

Hash表

Hash表 H:(i,l,h)⟼u 将三元组 (i,l,h) 映射到节点ID，即节点的索引 u 。主要用于快速检索某一个三元组对应的节点是否存在，如果存在返回存在节点的索引。

BuDDy将Hash表合并到了节点表中，将三元组 (i,l,h) 做hash运算后，得到一个节点表索引，该索引所指向节点中的int hash变量保存的是实际 hash 指向节点的索引。如果有hash冲突，则使用int next串成单向链表。下面代码是检索时的逻辑：

构建函数

生成节点

生成节点函数用于确定待生成节点 (i,l,h) 是否已经存在，即是否存在已知的节点u：var(u) = i, low(u)=l, high(u)=h，确保生成的BDD是归约的。生成节点函数算法：

第一行是前面的规则2，即如果一个节点的左子节点和右子节点是同一个节点，则不创建新的节点，直接返回子节点。

第二行查询hash表，当前要创建的节点是否已经存在，如果已经存在，则返回当前的节点，不创建新的节点。如果当前要创建的节点不存在，则需要创建新的节点，添加到节点表中，更新hash表，并返回创建的节点。

该函数实现了归约的规则1和2，如果建立BDD时所有节点均通过这个函数创建，则能够确保创建的BDD是归约的。

下面是BuDDy代码中的创建节点函数。1269行是规则2的判断。1273～1290行是查hash表，如果找到，则直接返回现有的节点res；如果没有找到，1297后的代码创建新的节点，并更新hash表，1298～1325涉及到节点内存的管理。

布尔运算函数

所有布尔运算均由 APPLY(op,u1,u2) 函数完成，即计算。APPLY的实现基于香农展开：。对于所有布尔运算有： $(x \to t_1,t_2) op (x \to t_1^{'},t_2^{'})=x \to t_1\ op\ t_1^{'},t_2\ op\ t_2^{'}$ 。

算法从两个BDD的根节点开始，通过递归地构造low分支和high分支来计算结果BDD，然后由它们形成新的根节点。为了避免递归调用的指数膨胀，使用了动态规划。算法如下图。

动态规划使用结果表G实现。表中的每个表项 (i,j) 或者为空，或者保存有以前 APP(i,j) 的计算结果（第4行）。算法区分四种不同的情况（5～11行），第一种处理两个参数都是终端节点的情况，其余三种处理至少一个参数是变量节点的情况。

如果 $u_1$ 和 $u_2$ 中至少有一个是非终端节点，算法根据变量index继续处理。如果节点具有相同的索引，则对两个low分支进行配对，并对其进行递归计算。对于high分支也是如此。这与前面的公式完全对应。如果它们有不同的index，继续将具有最低index的节点与另一个节点的low分支和high分支配对。这里，就是前面介绍的隐式的扩展结点（只是为了便于理解），实际上并不会创建节点。这个对应于这个公式：