CN106681920B - 一种基于测地距的并发系统模型检测方法 - Google Patents

一种基于测地距的并发系统模型检测方法 Download PDF

Info

Publication number
CN106681920B
CN106681920B CN201611221524.9A CN201611221524A CN106681920B CN 106681920 B CN106681920 B CN 106681920B CN 201611221524 A CN201611221524 A CN 201611221524A CN 106681920 B CN106681920 B CN 106681920B
Authority
CN
China
Prior art keywords
vertex
graph
eccentricity
geodesic distance
gno
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611221524.9A
Other languages
English (en)
Other versions
CN106681920A (zh
Inventor
刘小燕
王健
刘永利
陈艳丽
沈记全
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan University of Technology
Original Assignee
Henan University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Henan University of Technology filed Critical Henan University of Technology
Priority to CN201611221524.9A priority Critical patent/CN106681920B/zh
Publication of CN106681920A publication Critical patent/CN106681920A/zh
Application granted granted Critical
Publication of CN106681920B publication Critical patent/CN106681920B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3604—Software analysis for verifying properties of programs
    • G06F11/3608—Software analysis for verifying properties of programs using formal methods, e.g. model checking, abstract interpretation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明提出了一种基于测地距的并发系统模型检测方法，针对模型检测中的状态爆炸问题，采用假设保证组合验证方法，研究组合验证出现的多种挑战，解决假设保证组合验证出现的分解问题。通过测地距将整个系统分解成若干个组，每个组中的子系统之间的关系尽可能亲密，从而解决了模型检测过程中容易产生的状态爆炸问题。

Description

一种基于测地距的并发系统模型检测方法
技术领域
本发明涉及一种并发系统模型的检测方法，具体属于软件检测技术。
背景技术
模型检测是基于对状态空间的穷举搜索，对于并发系统，其状态的数目往往随并发分量的增加而呈指数增长。因此，当系统的并发分量较多时，直接对其状态空间进行搜索实际上是不可能的，这就是所谓的状态爆炸问题。由于软件涉及无穷数据域上的运算，因此状态爆炸问题十分突出，已成为模型检测方法应用于软件可信评价及验证的一个具有挑战性同时又无法回避的难题。
目前，研究人员提出了一些方法缓解“状态空间爆炸”问题。这些方法基本上都减少了或压缩了系统状态空间，许多实际系统都已经成功地使用了这些方法，也极大地提高了模型检测工具能够验证的系统规模。这些方法主要包括符号模型检测、抽象技术、偏序归约、分解与组合以及对称、归纳、On-the-fly方法等。但仍然存在以下技术难题：随着软件功能日益强大，其规模和复杂度也越来越大，在模型检测过程中容易产生状态爆炸问题。
发明内容
为了解决现有技术中存在的问题，本发明提出了一种基于测地距的并发系统模型检测方法，针对模型检测中的状态爆炸问题，采用假设保证组合验证方法，研究组合验证出现的多种挑战，解决假设保证组合验证出现的分解问题。
一种基于测地距的并发系统模型检测方法，包括以下步骤：
①建立系统关系图：把整个系统看作一个图，每个子系统看作图中的一个顶点；某两个子系统之间有共享变量，则这两个子系统之间有条边；
②求图中任意两顶点的测地距：图中两个顶点之间最短路径的边数作为两个顶点之间的测地距；对于图中两个非连通的顶点，测地距为无穷大；
③求各顶点的离心率：给定图G＝(V,E)，其中V是顶点集，E是边集，对于顶点v∈V，v的离心率是v与其他顶点u∈V-{v}之间的最大测地距；
④将图中每个顶点的分组编号初始化为0；
⑤通过循环求出每个顶点的分组编号：
(1)求出未分组顶点中的最大离心率；
(2)找出未分组顶点中离心率等于本轮最大离心率的顶点i；
1)设置顶点i的分组编号为Gno，Gno的初始值为1；
A)找出顶点i的未分组邻居j；
B)将j的分组编号保存为Gno；
a)找出j的未分组且离心率和i相同的邻居jn；
b)将jn的分组编号也保存为Gno；
c)转到a)；
C)转到A)；
2)将Gno的值增加1；
(3)转到(1)；
⑥输出每个分组的顶点号。
由于并发的各子系统之间可能会有关系，因此本发明建立了各子系统之间的关系图，对图进行分解，进而将分解问题转化成系统关系图的聚类或分解问题。当验证过程中出现虚假反例时，本发明基于系统关系图的细化过程。性质
Figure BDA0001193700900000011
涉及的子系统会对性质
Figure BDA0001193700900000021
产生直接影响，该子系统的直接邻居会对
Figure BDA0001193700900000022
产生间接影响，可以通过不断地寻找相应子系统的邻居进行细化。
具体实施方式
本发明根据系统关系图，设计子系统分解方案，保证分解后每组中子系统之间的关系尽可能紧密。反例存在时，设计判断反例是否虚假的方案；对于虚假反例，设计细化方案，使得细化次数少的情况下就可以快速得到验证结果。
一种基于测地距的并发系统模型检测方法，包括以下步骤：
①建立系统关系图：把整个系统看作一个图，每个子系统看作图中的一个顶点；某两个子系统之间有共享变量，则这两个子系统之间有条边；
②求图中任意两顶点的测地距：图中两个顶点之间最短路径的边数作为两个顶点之间的测地距；对于图中两个非连通的顶点，测地距为无穷大；
③求各顶点的离心率：给定图G＝(V,E)，其中V是顶点集，E是边集，对于顶点v∈V，v的离心率是v与其他顶点u∈V-{v}之间的最大测地距；
④将图中每个顶点的分组编号初始化为0；
⑤通过循环求出每个顶点的分组编号：
(1)求出未分组顶点中的最大离心率；
(2)找出未分组顶点中离心率等于本轮最大离心率的顶点i；
1)设置顶点i的分组编号为Gno，Gno的初始值为1；
A)找出顶点i的未分组邻居j；
B)将j的分组编号保存为Gno；
a)找出j的未分组且离心率和i相同的邻居jn；
b)将jn的分组编号也保存为Gno；
c)转到a)；
C)转到A)；
2)将Gno的值增加1；
(3)转到(1)；
⑥输出每个分组的顶点号。
上述步骤得到系统的初始分解，然后采用假设保证推理(AGR)对系统进行组合验证。AGR需要将系统分解成M1和M2两部分。上述测地距的分解方法得到的组，若和验证性质相关，则将这些组包含的子系统放入M1中。M1保存的都是和验证性质相关的子系统。验证过程中出现虚假反例时，通过逐步增加测地距的方法寻找和性质相关的子系统细化M1。
通过测地距将整个系统分解成若干个组，每个组中的子系统之间的关系尽可能亲密，从而解决了模型检测过程中容易产生的状态爆炸问题；当系统比较庞大，包含的子系统比较多时，可以减少分解所花的时间；当系统的迁移关系比较复杂时，可以减少重新分解的次数。

Claims (1)

1.一种基于测地距的并发系统模型检测方法，其特征在于：该方法包括以下步骤：
①建立系统关系图：把整个系统看作一个图，每个子系统看作图中的一个顶点；某两个子系统之间有共享变量，则这两个子系统之间有条边；
②求图中任意两顶点的测地距：图中两个顶点之间最短路径的边数作为两个顶点之间的测地距；对于图中两个非连通的顶点，测地距为无穷大；
③求各顶点的离心率：给定图G＝(V,E)，其中V是顶点集，E是边集，对于顶点v∈V，v的离心率是v与其他顶点u∈V-{v}之间的最大测地距；
④将图中每个顶点的分组编号初始化为0；
⑤通过循环求出每个顶点的分组编号：
(1)求出未分组顶点中的最大离心率；
(2)找出未分组顶点中离心率等于本轮最大离心率的顶点i；
1)设置顶点i的分组编号为Gno，Gno的初始值为1；
A)找出顶点i的未分组邻居j；
B)将j的分组编号保存为Gno；
a)找出j的未分组且离心率和i相同的邻居jn；
b)将jn的分组编号也保存为Gno；
c)转到a)；
C)转到A)；
2)将Gno的值增加1；
(3)转到(1)；
⑥输出每个分组的顶点号。
CN201611221524.9A 2016-12-27 2016-12-27 一种基于测地距的并发系统模型检测方法 Active CN106681920B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611221524.9A CN106681920B (zh) 2016-12-27 2016-12-27 一种基于测地距的并发系统模型检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611221524.9A CN106681920B (zh) 2016-12-27 2016-12-27 一种基于测地距的并发系统模型检测方法

Publications (2)

Publication Number Publication Date
CN106681920A CN106681920A (zh) 2017-05-17
CN106681920B true CN106681920B (zh) 2020-11-03

Family

ID=58870430

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611221524.9A Active CN106681920B (zh) 2016-12-27 2016-12-27 一种基于测地距的并发系统模型检测方法

Country Status (1)

Country Link
CN (1) CN106681920B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6873324B2 (en) * 2000-06-23 2005-03-29 Hitachi, Ltd. Data processing method, recording medium and data processing apparatus
JP2005267282A (ja) * 2004-03-18 2005-09-29 Kitakyushu Foundation For The Advancement Of Industry Science & Technology 研究遺伝子産物関連度予測システム
CN102999558A (zh) * 2011-10-24 2013-03-27 斯凯普公司 使用数据结构处理搜索查询
US8520004B2 (en) * 2007-06-04 2013-08-27 Daedal Doodle, LLC Interactive labyrinth curve generation and applications thereof

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101840434A (zh) * 2010-05-13 2010-09-22 复旦大学 一种在空间网络数据库中查找最近k个点对的广度优先方法
JP2013089057A (ja) * 2011-10-19 2013-05-13 Hitachi Ltd モデル検査支援方法、モデル検査支援プログラム、およびモデル検査支援装置
US10521809B2 (en) * 2015-03-04 2019-12-31 Walmart Apollo, Llc System and method for grouping time series data for forecasting purposes
CN105760549B (zh) * 2016-03-22 2019-01-18 南京邮电大学 基于属性图模型的近邻查询方法
CN105978711B (zh) * 2016-04-29 2019-04-19 南京邮电大学 一种基于最小生成树的最佳交换边查找方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6873324B2 (en) * 2000-06-23 2005-03-29 Hitachi, Ltd. Data processing method, recording medium and data processing apparatus
JP2005267282A (ja) * 2004-03-18 2005-09-29 Kitakyushu Foundation For The Advancement Of Industry Science & Technology 研究遺伝子産物関連度予測システム
US8520004B2 (en) * 2007-06-04 2013-08-27 Daedal Doodle, LLC Interactive labyrinth curve generation and applications thereof
CN102999558A (zh) * 2011-10-24 2013-03-27 斯凯普公司 使用数据结构处理搜索查询

Also Published As

Publication number Publication date
CN106681920A (zh) 2017-05-17

Similar Documents

Publication Publication Date Title
Marchesi Megapixel size image creation using generative adversarial networks
Huang et al. Abnormal synchronization in complex clustered networks
Lin et al. Structtoken: Rethinking semantic segmentation with structural prior
CN110990580A (zh) 知识图谱的构建方法、构建装置、计算机设备及存储介质
CN106681920B (zh) 一种基于测地距的并发系统模型检测方法
WO2019014894A1 (zh) 网络链路预测方法及装置
Kuczala et al. Eigenvalue spectra of large correlated random matrices
Jang et al. Pooling revisited: Your receptive field is suboptimal
Redmann et al. Singular perturbation approximation for linear systems with Lévy noise
Ding et al. Clustering by finding density peaks based on Chebyshev's inequality
CN104732547A (zh) 一种基于高次幂邻接矩阵hash比对的图同构判定方法
CN103065306A (zh) 图形数据的处理方法及装置
CN105872317A (zh) 一种基于时域的视频图像滤波方法及装置
Kauer et al. Removing an Incidence from a Formal Context.
Xue et al. Image edge detection algorithm research based on the CNN's neighborhood radius equals 2
CN102346830B (zh) 基于梯度直方图的病毒检测方法
Jiao et al. Research on an environmental adaptive feature extraction algorithm
CN104166959B (zh) 一种图像降噪的加速方法和装置
Zaitseva On a multidimentional brownian motion with partly reflecting membrane on a hyperplane
Ramli et al. On the Jaccard index with degree of optimism in ranking fuzzy numbers
Kwon et al. Clustering of functional data by band depth
Fridman et al. Delay-dependent LMI conditions for stability of stochastic systems with delay term in the form of Stieltjes integral
Charlon opticskxi_ OPTICS K-Xi Density-Based Clustering
Yan et al. AdaFrenetic at the SBST 2022 tool competition
CN104391866A (zh) 一种基于高维数据过滤器的近似成员查询方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant