0)xx∞=xn∞为了避免混乱,我们写xn∞等。而不是(xn)∞。图三.基本定理你好 事实上,S中的t∞是递增的程序链的极限tt; t; t2. t; t n... 由于S是有向完备的,所以这个极限是有明确定义的,因此我们有另外的事实:(1)(n> 0·x≠ 0; xn± y)<$x∞±y.图3我们给出了关于∞和∞的一些一般定理,这些定理都是由的公理。2和在Def.3.1和(1)。为了了解λ和∞之间的区别,我们重新考虑图1中的FP。唯一的非平凡不变状态集是ok,ok,因此FP∞=ok [] ok;但这个程序相对于FP不是静止的,因此FP∞=FP∞。事实上,FP∞=(ok3/5ok)[] ok,在广义分布中,ok的概率至少是3/5。4扩展马尔可夫理论从(1)很容易看出,在一般情况下,任何程序t(如果执行足够长的时间)都实现了由程序t∞封装的某种稳定行为的概念。但这并不是经典马尔可夫过程理论的观点。去看看一般的和古典的神学-列发散,考虑程序b:= 1 b,其中变量b只能取0和 1中的值。经典理论认为这个程序不会收敛(因为它在b的两个值之间振荡)。 另一方面,(b:= 1 b)∞=(b:= 1b)∞=(b:= 0 []b:= 1),这意味着长期平稳行为是一个程序,它从它的类型非确定地分配给b。这种行为是不符合经典理论的,因为它不是确定性的,因此不表示分布。 我们将在下一节讨论这个解决方案背后的现在,我们在结束这一节时,要证明我们的广义收敛概念确实取代了经典理论。本文给出了关于收敛于平稳分布的重要结果的一个新的证明MCIVER276不不证明关键依赖于假设所有马尔可夫过程都回想一下,分布被建模为独立于初始状态的确定性分配。对应于这样一个分配的一个Transformert是可加的,并且对于任何α,期望t.α是一个常数函数。例如WP。(ok2/3ok).α返回期望(最终)值α的值为2(α.ok)/3+ α。(<$ok)/3,无论初始值如何。因此,在我们的术语中,我们所需要做的就是证明∞将非周期确定性程序映射到对应于确定性as的变换器- 是的非周期性是t的一个性质,前提是所有状态最终都可以从所有其他状态到达,并且以有限周期返回到原始状态的概率严格小于1 [8]。第一个性质相当于说t=混沌,第二个性质相当于说tn=t对于所有n>1-在等式对于某个n失败的情况下,我们说,t的周期为n。关于马尔可夫过程收敛的一般定理如下。定理4.1若S中的t是确定的非周期的,则t∞是确定的分配.证明:Lem之后的评论。 2.2意味着t n必须是某个n> 0的压缩,因此t n∞必须是确定性分配(也由Lem. 2.2)。结果由图3得出,因为t n= t。5长期平均行为的应用无限执行的系统的性质通常使用时态逻辑的适应来研究-在我们的情况下是概率时态逻辑。公式在执行路径树上进行解释-在我们的情况下,执行路径上的概率分布[15,2]。在路径分布上解释一个典型的公式φ,得到满足φ的路径的比例。然而,正如de Alfaro所指出的,这种但这正是对失效系统的可用性或长期平均分析在这一节我们将说明,即使对于包括非确定性的系统,如图1中的FP,两者都由t∞1.一、我们像de Alfaro [3]那样定义长期平均行为给予期望的序列化,使序列化的元素,并部分和k seq = seq1+ seq2+. + seq k.定义5.1设t在S中无限地执行,α是一个谓词。当t执行时,观察到α保持不变的长期平均出现次数MCIVER277−−HE- -不由Vt.α给出,Vt.α:=liminfΣkSeq,其中,在这种情况下,seqk:=tk;tk.α。k→∞k定义5.1对应于在t重复执行时以任意时间间隔采样系统状态之后的平均结果。这里我们假设在第k个 当t对应于经典收敛的马尔可夫过程,平均值为由平稳分布决定。我们在这里有一个相应的结果,但它对所有程序都有效。引理5.2设t是S中的规划,α是S中的期望。 则我们有t∞.α=VP.α。为了说明上述情况,回想一下程序b:= 1b,并让[b= 0]表示期望值,在b为0的状态下为1,在其他状态下为0。 TocalculateVb:=1−b. [b=0]我们认为wp. (b:= 1−b)n;(b:= 1−b)n. [b=0]=0,因此Vb:=1−b。[b=0]=0aswell.或者,(b:= 1 b)∞=(b:= 0[] b:= 1),因此是wp。(b:= 1b)∞. [b= 0] = 0。这些结果可以在测试人员的上下文中操作地理解,测试人员可以选择何时对程序的状态进行采样。 明确如果测试器仅在偶数次执行b:= 1之后观察状态那么他将推断出b平均值永远不会为0(甚至根本不会)。经典理论中关于非周期规划的观点是,平均测量在某种程度上对这种偶然的测试偏差是鲁棒的。 和这同样适用于这里:无论拟议的测试制度,由于FP∞=(ok3/5),因此FP是ok的时间的至少为3<$ok)[]ok.6结论我们的主要贡献是扩展马尔可夫过程的平稳行为的概念,包括恶魔的非决定性的模型,设置它与其他编程概念。主要的见解是将静态行为明确地建模为S中的分布生成程序;这允许访问程序代数和概率模型的技术[1,13]。这里所提出的推广使得将长期平均行为和平稳行为联系起来的理论得以完成--两者现在总是被定义的,而且它们相互决定。此外,我们的推广提供了一个惊人的简化经典理论的收敛。MCIVER278这里提出的算子t_n不能表达de Alfaro [3]提出的更详细的框架所描述的许多的主要区别在于结果被分配给状态而不是转换。然而,许多有用的业绩衡量标准都包含在这个更简单的框架中。例子包括平均等待时间和可用性措施。需要进一步的工作来整合其他编程概念,如“子”[12],它显着提高了代数推理的能力一个重要的结果是,静态行为现在容易受到其他编程技术的影响,例如精化和数据抽象[7]。引用[1] 厄尼·科恩。分离和还原。在数学的程序建设,第五届国际会议,葡萄牙,2000年7月,第1837号在LNCS,第45Springer Verlag,2000年。[2] L. 德·阿尔法罗性能和可靠性规范的时序逻辑1997年STACS '97会议录[3] L.德·阿尔法罗如何指定和验证仿射系统的长期平均行为。1998年6月23日至24日,印第安纳波利斯,“LICS”98会议记录[4] C.德曼 有限状态马尔可夫决策过程 中国科学院出版社,1970年.[5] E.W. 迪 杰 斯 特 拉 程 序 设 计 的 一 门 学 科 。 Prentice Hall International ,Englewood Cli Jersey,新泽西州,一九七六年[6] W. 费勒概率论及其应用导论第一卷Wiley,第二版,1971年。[7] P. H. B. Gardiner和C.C. Morgan. 同品种变压器的数据细化理论计算机科学,87:143[8] G. Grimmett和D.威尔士语概率:一个介绍。牛津科学出版社,1986年。[9] 何继锋,K. Seidel和A. K.麦基弗保护命令语言的概率模型。Science ofComputer Programming,28(2,3):171[10] D.浩善概率程序的语义。计算机与系统科学杂志,22:328[11] D.浩善Kleene代数与正则事件代数的完备性定理。信息与计算,110:336[12] C. C. Morgan. 从规范编程。Prentice-Hall,第二版,1994年。MCIVER279[13] C. C.摩根A. K. McIver和K.赛德尔 可能是同品种变压器。ACM Transactionson Programming Languages and Systems,18(3):325 - 353,May 1996.[14] C.C. Morgan.私人交流。一九九五年[15] R.塞加拉随机分布实时系统的建模与验证。博士论文,1995年。[16] M. Sharir,A.Pnueli和S.哈特验证概率程序。SIAM Journal on Computing,13(2):292[17] N. Storey. 安全关键计算机系统。Addison-Wesley,1996年。[18] M.瓦迪概率并发有限状态系统的自动验证。第26届IEEE计算机科学基础研讨会论文集第327-338页
下载后可阅读完整内容,剩余1页未读,立即下载
- 粉丝: 4
- 资源: 2万+
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx