CTAV/TGA:模型检测工具CTAV的功能扩展与实现

来源 :中国科学院大学 | 被引量 : 0次 | 上传用户:YOYO654321
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在涉及航空航天、交通指挥、军事、核工业等一些关键领域,系统一次计算的正确性,不单单取决于其计算逻辑的正确性,同时也与运行结果的产生时间、持续时间等有很大的关系。这样的系统,被称作为实时系统。实时系统关系国计民生,保证其设计和运行的正确性和可靠性至关重要。模型检测作为对实时系统进行形式验证的重要技术,在20世纪90年代获得繁荣的发展,并日益得到学术界的重视。模型检测算法的基本思路为将实时系统形式化抽象为其对应的模型,在模型的状态空间中,通过深度优先或广度优先的方式,搜索不满足特定性质规范的路径或者状态,若该路径或状态存在,则说明这个实时系统需要修改以提高其可靠性。CTAV是国际上第一个可针对时间自动机,使用线性时序逻辑刻画的性质规范进行验证的符号化模型检测工具,其检测范围局限于封闭的实时系统。  通常来说,实时系统的运行状态不仅仅取决于系统自身的运行结果,外界环境因素往往也直接或间接地影响着系统的整体运行状况。如果只考虑系统本身的状态迁移,很可能导致验证结果的不可靠,这就是控制器合成要解决的问题。它通过使用逻辑描述语言对系统要达成的目标进行描述,并利用时间博弈自动机对开放的实时系统进行建模,使用不同的算法在搜索模型状态的过程中验证是否有一个合成策略,使得系统无论环境因素如何作用,终能达到既定的目标。  为了弥补CTAV在开放实时系统验证这方面工作的空缺,本文将讨论在以时间博弈自动机为形式化模型的基础上,针对四种线性时序逻辑的基础性质所刻画的获胜目标,使用与之相对应的算法进行验证,其中以性质<>p,[]p,[]<>p为获胜目标的算法,Uppaal-Tiga在实现针对CTL性质的控制器合成算法中有涉及。作为LTL性质的构成要素,本文中同样实现了这些算法,在实现过程中,我们弥补了UppaM-Tiga的一些不足。此外,本文独创性地实现了<>[]p性质为获胜目标的合成算法,并利用符号化状态的包含关系对控制器合成算法加以优化,大大减少了内存的占用,从实验结果中可以看出,大约减少一个数量级。  最后,本文中设计和实现的控制器合成的工具CTAV/TGA,可以完成对大部分UPPAAL模型的解析和表示,并在其模型上完成四种获胜目标的验证。在本文中介绍算法时,通过对几个例子的分析,证明了验证结果的正确性。
其他文献
随着Web2.0的发展及个人电子设备的普及,网络上的信息量非常的巨大,并且时时刻刻都在以惊人的速度增加着。互联网的每个用户是信息的消费者的同时也有可能成为信息的产生者。无
随着半导体工艺的迅速发展,晶体管的数量及处理器芯片的制程工艺不断提高,使处理器的集成度越来越高。然而,片上集成元件数量的增加使得处理器芯片的功耗密度急剧增长。目前,多核
视觉注意机制使人类能够高效的处理外界环境信息,进行目标检测。计算机视觉系统也面临同样的问题:如何实时有效的处理大量的视觉数据,如何智能化的根据场景的需求来有效的处理其
支持向量机(Support Vector Machine,SVM)是一种建立在结构风险最小化原理基础之上的机器学习算法,能够很好的解决小样本、非线性、高维数和局部极小点等实际问题。支持向量机
随着互联网技术的飞速发展,网络技术日益广泛的应用于商业、金融、国防等各个领域,并影响着人们生活和工作的方方面面。但是网络固有的互联性和开放性导致其安全问题成为未来网
时序协作逻辑(Temporal Cooperation Logic)是软件模型检测领域的博弈逻辑分支上的重要成果。它扩展了交互时间逻辑(Alternating-time Temporal Logic)[1],完善了基本策略交互
云计算是一种新的网络化IT服务模式,它的目标是像供水、供电一样,组织大规模的计算和存储资源向用户提供便捷、经济、全面的服务。也正是云计算的这些优点才吸引了越来越多的企
随着多核系统片上集成的CPU核数的增多,系统对Cache的访存需求也急剧增加,因此,片上Cache的容量也势必会增大,从而其消耗的能量也越来越多。能量的巨额消耗,会引起系统温度的上升,
在机器学习的研究中,间隔最大化是构造最佳分类超平面的有效策略,也是支持向量机的训练目标。在数据集线性可分的情况下,间隔可被定义为距离分类超平面最近的样本点到分类超平面
有限元方法是工程科学、计算方法和计算机技术相结合的产物,其在处理复杂边界问题上具有很强的灵活性,已经成为一种非常有效的用于工程计算的数值分析方法。  结构工程有限元