通过定时分类树实现确定性时序自动机的主动学习

《Science China-Information Sciences》：Active learning of deterministic timed automata via timed classification tree

主动学习优化：基于时分类树的大型时自动机高效学习方法

　　

摘要

定时自动机的主动学习是一个重要的研究课题。尽管最近提出了一种用于确定性定时自动机主动学习的算法，但其学习速度较慢，尤其是对于规模较大的自动机而言，这在复杂系统中的应用中带来了挑战。在本文中，我们提出了一种改进的学习算法，该算法借鉴了基于树的主动学习思想。我们的方法使用了一种名为“定时分类树”的数据结构来存储学习过程中获得的信息，而非传统的观察表。通过避免检查树的状态和处理无效的反例前缀，减少了成员查询和等价性查询的次数，从而加快了实际的学习速度。实验结果证明了我们方法的有效性。