Learning Finite Automata by Experimentation通过二叉树自动学习有限状态自动机

Access Strings 和 Distinguishing Strings

$T$：代表分类树
$M$：实际等价自动机
$\hat{M}$：假设自动机
Access Strings 代表了状态机的一个状态，标记在leaf node
Distringuishing Strings 代表了状态机的转移路径，标记在internal node

有限自动机学习算法子程序

该算法包括：Sift、Tentative-Hypothesis、Update-Tree三部分。
Sift：该程序的目的是查询Access Strings和Distringuishing Strings是否存在
Tentative-Hypothesis：将构建的分类树转换为自动机
Update-Tree：根据Counterexample对分类树进行更新

Sift子程序

子程序Sift($s$,$T$)以字符串s和当前分类树$T$作为输入，输出实际等价自动机M[$s$]在$T$中的Access Strings，即$M$被$s$访问的状态。

• 初始化：当前的node为$T$的根node。
• 主循环：
  • 设$d$为$T$目前节点的Distringuishing Strings
  • 在$M$上对$sd$进行member queries，如果被接收，更新当前的node为right child，否则为left child
  • 如果当前是leaf node，返回其标记的Access Strings，否则重复主循环

Tentative-Hypothesis($T$)

• 对于T的每个Access Strings(叶节点)，在$\hat{M}$中创建一个由该Access Strings标记的状态。设$\hat{M}$的起始状态是$\lambda$。
• 对于$\hat{M}$的每个Access Strings和 b ∈ { 0 } b\in\{0\} b∈{0},计算$\hat{M}$中状态s的b转移：
  • $s^{\prime }$← $Sift(sb,T)$
  • 引导$b$转移从状态s到状态$s^{\prime }$
• 返回$\hat{M}$

Update-Tree

该过程将当前分类树$T$和假设自动机$\hat{M}$的反例字符串$\gamma$作为输入，输出为在分类树$T$中标记新的Access Strings, 具体的流程如下：
Procedure Update-Tree($\gamma$,$T$):

• 对于$\gamma$的每个前缀$\gamma [i]$:
  • $s_i$← $Sift(sb,T)$
  • 令${\hat{s}}_i=\hat{M}[\gamma [i]]$
• 令$j$为$s_i\ne$ ${\hat{s}}_i$的$i$最小值
• 将T中的Access Strings $s_{j-1}$替换为一个内部node和两个leaf node，内部node替换为Distinguishing String ${\gamma }_{j}d$, 左边的leaf node被替换为 $s_{j-1}$，右边的leaf node被替换为${\gamma }_{[j-1]}$

有限自动机学习算法主程序

初始化

• 对字符串$\lambda$执行membership query，以确定$M$的开始状态是接受还是拒绝
• 构建一个假设自动机$\hat{M}$，该自动机仅由单一(接受或拒绝)状态组成，并标明0和1状态转移
• 在假设自动机$\hat{M}$上进行equivalence query，找到counterexample string $\gamma$
• 初始化分类树T，根node标记为 Distinguishing String $\lambda$，两个叶node标记为 Access String $\lambda$ 和counterexample string $\gamma$

主循环

• 设T为当前的分类树
• $\hat{M}$← Tentative-Hypothesis(T)
• 对$M$进行等价查询，如果与目标等价，则输出$\hat{M}$并停止。否则，设$\gamma$为反例字符串。
• Update-Tree($\gamma$,$T$)
• 重复主循环

示例

算法Learn-Automaton在3 mod 4计数器目标自动机上的示例执行。