线性时态逻辑的规范草图绘制
1. 背景与相关技术
在时态逻辑规范学习领域,存在多种不同的技术方法。
- 基于模板填充的方法 :一些技术以特定模板为基础,用原子命题来完成模板,使得到的线性时态逻辑(LTL)公式满足系统的所有执行。例如,与Texada不同的方法,能帮助工程师完成规范中更复杂的时态公式,减轻工程师的负担。还有如Chan提出的计算树逻辑(CTL)的时态逻辑查询概念,以及Bruns和Godefroid为多种时态逻辑发展的相关技术,但这些方法的模板通常只允许一个占位符,且只能用原子命题填充。另外,Li等人基于LTL的GR(1)片段的模板挖掘LTL规范,Shah等人挖掘由Dwyer等人确定的常见时态属性集合的合取形式的LTL公式,Kim等人考虑一组可解释的LTL模板以获得对输入数据中的噪声具有鲁棒性的LTL公式。在CTL方面,Wasylkowski和Zeller使用特定形式的模板挖掘规范,但上述方法大多仅用原子命题(某些情况下包括其否定)来完成模板。
- 无结构信息的学习方法 :另一种情况是从系统执行中学习一般(且复杂)的时态规范,而不依赖规范结构的任何信息。例如,Neider和Gavran使用SAT求解器从系统执行中学习LTL公式,Camacho等人提出基于SAT的学习算法通过交替有限自动机作为中间表示来学习LTLf公式,Raha等人提出一种可扩展的方法来学习不含U运算符的LTLf片段中的公式,Roy、Fisman和Neider考虑属性规范语言(PSL)。然而,这些工作都是“无引导”的,没有利用规范结构的见解来辅助学习/挖掘过程。
- 语法引导合成方法
超级会员免费看
订阅专栏 解锁全文
2089

被折叠的 条评论
为什么被折叠?



