24、基于SBA与SPA的主动自动机学习及稠密时间度量时态逻辑语义基础探索

基于SBA与SPA的主动自动机学习及稠密时间度量时态逻辑语义基础探索

1. SBA与SPA在主动自动机学习中的比较

在主动自动机学习领域，系统行为自动机（SBAs）和过程自动机（SPAs）是两种重要的形式化方法。SBAs打破了SPAs强制的调用符号和返回符号之间的联系，能够进行更自然的系统探索，甚至可以对非终止过程进行建模，这是SPAs在空栈语义下无法做到的。此外，SBAs能够对系统进行更细粒度的表示，这在处理行为时至关重要。

两者并非相互排斥，我们可以通过以下步骤将行为自动机转换为SPAs使用的过程自动机：
1. 将每个状态标记为拒绝状态。
2. 将每个具有（先前）接受r - 后继的状态标记为接受状态。
3. 移除每个r - 转换。

从全局语言层面来看，这种转换相当于将SBA语言与匹配良好的单词语言相交，从而得到所有的SPA语言。这样，我们就可以使用基于SBA的交互方式来模拟SPA学习者，这可能更便于系统集成。

这种替代的SPA学习方法也会影响学习过程本身。一般来说，SPA假设通常更小，因为过程自动机忽略了无法成功返回的系统状态，并考虑较少的输入符号，这可能会减少推断SPA模型所需的查询次数。然而，由于SPAs要求空栈语义，每个扩展查询都需要附加一个终止序列。对于非常嵌套的系统，这些序列可能会变得非常长，从而降低SPA学习者的符号性能。而使用SBA语义时，这种扩展是不必要的。

2. 基准测试设置

为了比较SBAs和SPAs在主动自动机学习中的性能，我们进行了一系列基准测试。具体设置如下：
- 构建随机SBA ：首先构建一个包含5个调用符号