Metody generowania skończonych modeli zachowań systemów z czasem

Podobne dokumenty
Modele abstrakcyjne w weryfikacji

4.3. Przekształcenia automatów skończonych

Przekształcenia automatów skończonych

2. Funktory TTL cz.2

Wprowadzenie do Sieci Neuronowych Łańcuchy Markowa

Wprowadzenie do Sieci Neuronowych Łańcuchy Markowa

XI. Rachunek całkowy funkcji wielu zmiennych. 1. Całka podwójna Całka podwójna po prostokącie. Oznaczenia:

Matematyczne Podstawy Informatyki

Definicje. r r r r. Struktura kryształu. Sieć Bravais go. Baza

Modelowanie 3 D na podstawie fotografii amatorskich

PODSTAWY BAZ DANYCH Wykład 3 2. Pojęcie Relacyjnej Bazy Danych

bezkontekstowa generujac X 010 0X0.

Minimalizacja automatu

Macierz. Wyznacznik macierzy. Układ równań liniowych

Języki, automaty i obliczenia

Gramatyki regularne. Teoria automatów i języków formalnych. Dr inż. Janusz Majewski Katedra Informatyki

Programy współbieżne

Metoda prądów obwodowych

Semantyka i Weryfikacja Programów - Laboratorium 7

METODYKA OCENY WŁAŚCIWOŚCI SYSTEMU IDENTYFIKACJI PARAMETRYCZNEJ OBIEKTU BALISTYCZNEGO

1 Definicja całki podwójnej po prostokącie

Technika Cyfrowa 1. Wykład 5: Synteza automatów sekwencyjnych III UKŁADY SEKWENCYJNE C.D.

Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych (zakres podstawowy)

4.6. Gramatyki regularne

ZADANIA AUTOMATY I JĘZYKI FORMALNE AUTOMATY SKOŃCZONE

Matematyka stosowana i metody numeryczne

Macierz. Wyznacznik macierzy. Układ równań liniowych

Regulamin współpracy z pasażem

1 Wprowadzenie do automatów

STYLE. TWORZENIE SPISÓW TREŚCI

Algebra Boola i podstawy systemów liczbowych. Ćwiczenia z Teorii Układów Logicznych, dr inż. Ernest Jamro. 1. System dwójkowy reprezentacja binarna

T W O R Z Y M Y. 15 godzin w cyklu 3-godzinnym

DZIAŁ 2. Figury geometryczne

O pewnych zgadnieniach optymalizacyjnych O pewnych zgadnieniach optymalizacyjnych

PODSTAWY BAZ DANYCH Wykład 2 2. Pojęcie Relacyjnej Bazy Danych

G i m n a z j a l i s t ó w

Droga Pani/Drogi Panie! Wakacje minęły szybko i znowu możemy się spotkać. oraz za zabawami z koleżankami i kolegami.

Zbiory wyznaczone przez funkcje zdaniowe

RACHUNEK CAŁKOWY. Funkcja F jest funkcją pierwotną funkcji f na przedziale I R, jeżeli. F (x) = f (x), dla każdego x I.

system identyfikacji wizualnej forma podstawowa karta A03 część A znak marki

Dodatkowe informacje i objaśnienia. Zakres zmian wartości grup rodzajowych środków trwałych, wnip oraz inwestycji długoterminowych Zwieksz Stan na.

Komisja Egzaminacyjna dla Aktuariuszy LII Egzamin dla Aktuariuszy z 15 marca 2010 r. Część I Matematyka finansowa

Rys Wyrównanie spostrzeżeń zawarunkowanych jednakowo dokładnych C. KRAKOWIANY

Maciej Grzesiak. Iloczyn skalarny. 1. Iloczyn skalarny wektorów na płaszczyźnie i w przestrzeni. a b = a b cos ϕ. j) (b x. i + b y

Algorytmy graficzne. Filtry wektorowe. Filtracja obrazów kolorowych

Notatki z Analizy Matematycznej 4. Jacek M. Jędrzejewski

4.2. Automat skończony

PRZEDMIOTOWY SYSTEM OCENIANIA Z JĘZYKÓW OBCYCH w Gimnazjum nr 2 im. ks. Stanisława Konarskiego nr 2 w Łukowie

KOMPLEKSOWE POMIARY FREZÓW OBWIEDNIOWYCH

MATeMAtyka 3 inf. Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony. Dorota Ponczek, Karolina Wej

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.

1 Definicja całki oznaczonej

ROZWIĄZYWANIE MAŁYCH TRÓJKĄTÓW SFERYCZNYCH

Co można zrobić za pomocą maszyny Turinga? Wszystko! Maszyna Turinga potrafi rozwiązać każdy efektywnie rozwiązywalny problem algorytmiczny!

Weryfikacja modelowa jest analizą statyczną logiki modalnej

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXVI Egzamin dla Aktuariuszy z 10 marca 2014 r. Część I

Podstawy Techniki Cyfrowej Układy komutacyjne

Zadania. I. Podzielność liczb całkowitych

VI. Rachunek całkowy. 1. Całka nieoznaczona

Wyrównanie sieci niwelacyjnej

Kombinowanie o nieskończoności. 4. Jak zmierzyć?

Pojęcia Działania na macierzach Wyznacznik macierzy

ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE. Fuzja danych nawigacyjnych w przestrzeni filtru Kalmana

1. Wstęp. Pojęcie grafu przepływowego. Niech pewien system liniowy będzie opisany układem liniowych równań algebraicznych

Lista 4 Deterministyczne i niedeterministyczne automaty

Bardzo krótki wstęp do elektroniki cyfrowej

INSTRUKCJA. - Jak rozwiązywać zadania wysoko punktowane?

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

Scenariusz lekcji matematyki w kl. VI.

Kodowanie liczb. Kodowanie stałopozycyjne liczb całkowitych. Niech liczba całkowita a ma w systemie dwójkowym postać: Kod prosty

Całki podwójne i potrójne

Wymagania edukacyjne z matematyki

Semantyka i Weryfikacja Programów - Laboratorium 2 Działania na ułamkach, krotki i rekordy

WYZNACZANIE OGNISKOWEJ SOCZEWEK CIENKICH ZA POMOCĄ ŁAWY OPTYCZNEJ

Legenda. Optymalizacja wielopoziomowa Inne typy bramek logicznych System funkcjonalnie pełny

JĘZYKI FORMALNE I AUTOMATY SKOŃCZONE

Hipoteza Černego, czyli jak zaciekawić ucznia teorią grafów

Realizacje zmiennych są niezależne, co sprawia, że ciąg jest ciągiem niezależnych zmiennych losowych,

FUNKCJA KWADRATOWA. RÓWNANIA I NIERÓWNOŚCI DRUGIEGO STOPNIA.

Szkice rozwiązań zadań zawody rejonowe 2019

2. FUNKCJE WYMIERNE Poziom (K) lub (P)

WYMAGANIA I KRYTERIA OCENIANIA DO EGZAMINU POPRAWKOWEGO MATEMATYKA. Zakresie podstawowym i rozszerzonym. Klasa II rok szkolny 2011/2012

Etyka procesów sieci Petriego w wietle teorii ladów

4.5 Deterministyczne i zupełne automaty Moore a i Mealy ego

Analiza numeryczna. Stanisław Lewanowicz. Całkowanie numeryczne. Definicje, twierdzenia, algorytmy

Wymagania na ocenę dopuszczającą z matematyki klasa II Matematyka - Babiański, Chańko-Nowa Era nr prog. DKOS /02

CAŁKOWANIE NUMERYCZNE

Iloczyn skalarny

Maciej Grzesiak Instytut Matematyki Politechniki Poznańskiej. Całki oznaczone. lim δ n = 0. σ n = f(ξ i ) x i. (1)

Rachunek prawdopodobieństwa i statystyka matematyczna.

WYZNACZANIE STAŁEJ RÓWNOWAGI KWASOWO ZASADOWEJ W ROZTWORACH WODNYCH

Pochodne i całki, macierze i wyznaczniki

Równania i nierówności kwadratowe z jedną niewiadomą

Nauki ścisłe priorytetem społeczeństwa opartego na wiedzy Zbiór scenariuszy Mój przedmiot matematyka

5. Zadania tekstowe.

Przykład 6.2. Płaski stan naprężenia. Płaski stan odkształcenia.

CAŁKOWANIE NUMERYCZNE

załącznik nr 3 do uchwały nr V Rady Miejskiej w Andrychowie z dnia 24 lutego 2011 r.

Rozwiązania maj 2017r. Zadania zamknięte

ZADANIA Z ZAKRESU SZKOŁY PODSTAWOWEJ, GIMNAZJUM I SZKOŁY ŚREDNIEJ

Transkrypt:

Metody generowni skońzonyh modeli zhowń systemów z zsem Rozprw doktorsk npisn pod kierunkiem do. dr hb. Wojieh Penzk IPI PAN, 5.02.05 p./24

Cel pry Oprownie nowyh, efektywnyh metod generowni modeli bstrkyjnyh Zimplementownie otrzymnyh lgorytmów dl systemów współbieżnyh z zleżnośimi zsowymi, modelownyh przez: utomty zsowe (TA) siei Petriego z zsem (TPN) IPI PAN, 5.02.05 p.2/24

Główne wyniki Wyniki przedstwione w rozprwie: modyfikj lgorytmu minimlizji (ng. prtition refinement) pozwlją generowć modele symulyjne dl utomtów zsowyh ( *) definije modeli pseudo(bi)symulyjnyh i lgorytmy ih generowni dl utomtów zsowyh (osiąglność) metody trnslji siei Petriego z zsem do utomtów zsowyh, pozwljąe zstosowć w/w metody dl TPN IPI PAN, 5.02.05 p.3/24

Pln refertu metody modelowni systemów zsowyh (TA, TPN) modele konkretne język opisu włsnośi - logik * problem weryfikji modelowej rodzje modeli bstrkyjnyh lgorytm minimlizji implementje dl TPN i TA wyniki eksperymentlne IPI PAN, 5.02.05 p.4/24

Metody modelowni systemów zsowyh: utomty zsowe exit x <= 500 0 pproh x := 0 x<=500 in x >= 300 out 3 2 is_inside x<=500 x<=500 IPI PAN, 5.02.05 p.5/24

Metody modelowni systemów zsowyh: utomty zsowe exit x <= 500 0 pproh x := 0 x<=500 in x >= 300 out 3 2 is_inside x<=500 stn konkretny utomtu: pr x<=500 _ IPI PAN, 5.02.05 p.5/24

Metody modelowni systemów zsowyh: utomty zsowe exit x <= 500 0 pproh x := 0 x<=500 in x >= 300 out 3 2 is_inside x<=500 x<=500 stn konkretny utomtu: pr zmin stnu: wynik upływu zsu lub wykonni kji _ IPI PAN, 5.02.05 p.5/24

Metody modelowni systemów zsowyh: utomty zsowe exit x <= 500 0 pproh x := 0 x<=500 in x >= 300 out 3 2 is_inside x<=500 x<=500 stn konkretny utomtu: pr zmin stnu: wynik upływu zsu lub wykonni kji _ stnów jest zzwyzj nieskońzenie wiele IPI PAN, 5.02.05 p.5/24

Metody modelowni systemów zsowyh: siei Petriego z zsem p t p3 p5 t4 p7 [,2] [,] p2 t2 t3 [,2] t5 [0,3] p4 p6 [,2] p8 t6 [,2] IPI PAN, 5.02.05 p.6/24

Metody modelowni systemów zsowyh: siei Petriego z zsem p t p3 p5 t4 p7 p2 [,2] t2 t3 [,2] [,] t5 [0,3] p4 p6 [,2] p8 t6 [,2] stn konkretny siei: pr (zegry możn związć z różnymi elementmi siei) _ IPI PAN, 5.02.05 p.6/24

Metody modelowni systemów zsowyh: siei Petriego z zsem p t p3 p5 t4 p7 p2 [,2] t2 t3 [,2] [,] t5 [0,3] p4 p6 [,2] p8 _ t6 [,2] stn konkretny siei: pr (zegry możn związć z różnymi elementmi siei) zmin stnu: wynik upływu zsu lub wykonni trnzyji IPI PAN, 5.02.05 p.6/24

Metody modelowni systemów zsowyh: siei Petriego z zsem p t p3 p5 t4 p7 p2 [,2] t2 t3 [,2] [,] t5 [0,3] p4 p6 [,2] p8 _ t6 [,2] stn konkretny siei: pr (zegry możn związć z różnymi elementmi siei) zmin stnu: wynik upływu zsu lub wykonni trnzyji stnów jest zzwyzj nieskońzenie wiele IPI PAN, 5.02.05 p.6/24

Modele konkretne - zbiór stnów konkretnyh systemu - stn pozątkowy - zbiór zmiennyh zdniowyh (w siei zmienne zzwyzj odpowidją miejsom, w utomie są związne z lokjmi) - funkj wrtośiują - model konkretny dl - zzwyzj nieskońzony IPI PAN, 5.02.05 p.7/24

Opis włsnośi systemów Włsnośi systemów wyrż się zzwyzj z pomoą logiki * lub pewnego jej podzbioru.................. Testuje się również osiąglność stnu o określonyh ehh IPI PAN, 5.02.05 p.8/24

Weryfikj modelow Mją dny model dl systemu orz włsność hemy sprwdzić, zy model spełni tę włsność ( ) Sprwdzenie wymg przejrzeni stnów systemu, ztem modele konkretne są zbyt duże IPI PAN, 5.02.05 p.9/24

Modele bstrkyjne Jedno z rozwiązń: zmist modeli konkretnyh używ się skońzonyh modeli bstrkyjnyh IPI PAN, 5.02.05 p.0/24

Modele bstrkyjne Jedno z rozwiązń: zmist modeli konkretnyh używ się skońzonyh modeli bstrkyjnyh - model bstrkyjny elementy - stny modelu bstrkyjnego - zbiory stnów konkretnyh o tyh smyh wrtośiownih - stn pozątkowy; - relj przejśi: dl jeśli IPI PAN, 5.02.05 p.0/24

Modele bstrkyjne Jedno z rozwiązń: zmist modeli konkretnyh używ się skońzonyh modeli bstrkyjnyh - model bstrkyjny elementy - stny modelu bstrkyjnego - zbiory stnów konkretnyh o tyh smyh wrtośiownih - stn pozątkowy; - relj przejśi: dl jeśli Model powinien zhowywć żądne włsnośi i być możliwie njmniejszy IPI PAN, 5.02.05 p.0/24

Przykłdy modeli bstrkyjnyh modele surjekyjne ( : orz, osiąglność): b d d model surjekyjny IPI PAN, 5.02.05 p./24

Przykłdy modeli bstrkyjnyh - ig dlszy modele bisymulyjne ( *): b b model bisymulyjny IPI PAN, 5.02.05 p.2/24

Przykłdy modeli bstrkyjnyh - ig dlszy modele bisymulyjne ( *): modele symulyjne ( *): AE zhodzi dl rdzeni stnów bstrkyjnyh b b b model bisymulyjny model symulyjny IPI PAN, 5.02.05 p.2/24

Przykłdy modeli bstrkyjnyh - ig dlszy modele pseudobisymulyjne (osiąglność): do kżdego osiąglnego prowdzi śieżk wzdłuż której zhodzi AE b b d d e f f d e f model bisymulyjny model pseudobisymulyjny IPI PAN, 5.02.05 p.3/24

Przykłdy modeli bstrkyjnyh - ig dlszy modele pseudosymulyjne (osiąglność): do kżdego osiąglnego prowdzi śieżk wzdłuż której rdzenie spełniją wrunek AE b b d d e f d e f model symulyjny model pseudosymulyjny IPI PAN, 5.02.05 p.4/24

Generownie modeli Do generowni modeli możn wykorzystć lgorytm minimilizji (podziłu): mmy dny podził przestrzeni stnów podził jest uszzegółwiny tk długo, ż wszystkie jego osiąglne klsy będą stbilne, tj. będą spełnić wrunek wymgny dl dnego modelu osiąglne klsy podziłu stnowią wówzs żądny model IPI PAN, 5.02.05 p.5/24

Algorytm minimlizji: modele bisymulyjne b b IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele bisymulyjne b b OK? b b IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele bisymulyjne OK? b b OK b b IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele bisymulyjne OK b b OK? b b IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele bisymulyjne OK? b b WRONG b b IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele bisymulyjne WRONG b b b b IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele bisymulyjne b b OK? OK? b b IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele bisymulyjne OK? OK? b b OK OK b b IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele bisymulyjne OK OK b b OK? b b IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele bisymulyjne OK? b b OK b b IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele bisymulyjne OK b b b b OK? IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele bisymulyjne b b OK? b b OK IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele bisymulyjne b b b b IPI PAN, 5.02.05 p.6/24

Algorytm minimlizji: modele symulyjne _ _, tj. - pr Budownie modeli symulyjnyh wymg brdziej skomplikownyh podziłów: b b b b podził f!i f ": " podził f i modyfik. : podził f!:! modyfikj :! ' + (), ' + (), b b b b + ()* ' + ()* ' #$% #$& IPI PAN, 5.02.05 p.7/24

Implementje dl systemów zsowyh Algorytmy minimlizji zostły zimplementowne njpierw dl utomtów zsowyh Implementje dl siei Petriego korzystją z trnslji siei do utomtu IPI PAN, 5.02.05 p.8/24

Przykłdowe systemy (TA) exit x <= 500 0 pproh x := 0 x<=500 in x >= 300 y<=00 0 lower y := 0 up down 00 <= y<=200 y<=00 rise z<=00 z<=00 pproh 0 z := 0 lower 00 <= z<=00 up down w := 0 0 up w<=k up w>k down w<=k out rise exit 3 2 3 2 3 y := 0 z := 0 x<=500 x<=500 y<=200 z<=00 Trin Gte Controller 2 ERR Speifition System obsługi przejzdu kolejowego (RCS) IPI PAN, 5.02.05 p.9/24

Przykłdowe systemy (TA) exit x <= 500 0 pproh x := 0 x<=500 in x >= 300 y<=00 0 lower y := 0 up down 00 <= y<=200 y<=00 rise z<=00 z<=00 pproh 0 z := 0 lower 00 <= z<=00 up down w := 0 0 up w<=k up w>k down w<=k out rise exit 3 2 3 2 3 y := 0 z := 0 x<=500 x<=500 y<=200 z<=00 Trin Gte Controller 2 ERR Speifition System obsługi przejzdu kolejowego (RCS) idle trying 0 START x:=0 SETV SETV0 x < x:=0 3 ENTER x > δ 2 ritil witing idle2 trying2 0 START 2 x2:=0 SETV2 SETV02 x2 < x2:=0 3 ENTER 2 x2 > δ 2 ritil2 witing2 START START 2 0 SETV2 SETV SETV02 SETV0 SETV2 2 SETV SETV2 SETV ENTER 2 ENTER Proess Proess 2 Vrible Protokół wzjemnego wykluzni Fisher (mutex) IPI PAN, 5.02.05 p.9/24

Przykłdowe systemy (TPN) t4 [3,3] p t p2 t2 p3 t3 p4 [0,0] [0,] [0,] t4 [,3] p t p2 t2 p3 t3 p4 [0,0] [0,] [0,] p6 t [5,6] p7 net 5 p6 t [5,6] p7 net 5b t4 [3,3] p t p2 t2 p3 t3 p4 [0,0] [0,] [0,] p6 t p7 [5,6] tb net 5 [0,0] IPI PAN, 5.02.05 p.20/24

Wyniki eksperymentlne Kronos Veris forw -i-x model bis. model ps. stny krw. stny krw. stny krw. stny krw. RCS, K=700 4 5 2 3 8 24 6 RCS, K=800 4 5 2 3 8 24 9 RCS, K=900 4 5 2 3 8 24 9 RCS, K=000 4 5 2 3 8 24 9 mutex 2 pro. 9660 229386 34 44 39 57 25 37 mutex 3 pro. mutex 4 pro. mutex 5 pro. 43 622 225 469 45 472 7336 490 39 4047 848 5369 56794 263650 9933 3876 5855 65283 CSMA/CD 2 s. 56 366 35 49 49 52 7 30 CSMA/CD 3 s. 9242 37647 289 579 373 920 00 273 CSMA/CD 4s. CSMA/CD 5 s. 2727 9826 2390 2590 554 2246 2327 238705 4959 32400 Modele bstrkyjne dl przykłdowyh utomtów zsowyh otrzymne z pomo różnyh nrzędzi IPI PAN, 5.02.05 p.2/24

Wyniki eksperymentlne - d TPN TPN b TPN stny krw. stny krw. stny krw. otrzymne metodmi dl TPN Tin SCG 8 26 34 58 50 76 Tin SSCG 2 29 39 63 60 93 Tin SASCG 36 6 62 63 80 204 implem. z [YR98] tomi 53 95 64 79 68 363 implem. z [YR98] geometri 6 25 32 57 05 70 otrzymne po trnslji TPN do TA Kronos bis. gęsty 5 77 34 229 85 32 Kronos forw-i-x 37 42 37 42 26 40 VerICS bis. gęsty 54 80 35 230 86 323 VerICS bis. gęsty 26 47 46 35 80 204 VerICS ps- dyskretny 2 34 3 22 53 2 Modele bstrkyjne dl przykłdowyh siei Petriego z zsem otrzymne z pomo różnyh nrzędzi IPI PAN, 5.02.05 p.22/24

Publikje Przedstwione w rozprwie wyniki zostły opublikowne w: mteriłh konferenji PPAM 0 i FORMATS 03 ( ), zsopiśmie (3 pre) W/w wyniki zostły zwrte również w pry przeglądowej opublikownej w mteriłh konferenji ICATPN 04 ( ) Implementje lgorytmów stnowią jeden z modułów weryfiktor VerICS, oprownego i rozwijnego w IPI PAN System VerICS prezentowny był m.in. n konferenjh TACAS 03 ( ) i SCR 03 IPI PAN, 5.02.05 p.23/24

Dziękuję z uwgę IPI PAN, 5.02.05 p.24/24