46、模型检查与基于模型测试的全面解析

模型检查与基于模型测试的全面解析

一、模型学习算法概述

在系统测试领域，模型学习算法是重要的研究方向。许多学者提出了不同的学习算法：
- 有人为无复位且强连通的系统创建了学习算法。
- Berman和Roos为计数器机器接受的上下文无关语言子类提出了学习算法。
- Freund等人在平均情况下，基于单次长路径行走给出了学习有限自动机的算法。
- Maler和Pnueli研究了无限字符串集合的学习问题。
- 还有人研究了正则树语言的学习以及定时系统的学习。

在众多算法中，Angluin算法存在成员查询和等价查询之间的权衡。在处理封闭且一致的表格时，可通过成员查询比较相等行的行标签在更多后缀上的情况，这可能揭示不一致性，从而分离先前相等的行，增加状态数量，进而节省等价查询。这一思想在相关研究中得到了实践。

二、自适应模型检查（AMC）

（一）AMC简介

当测试的系统是黑盒时，可先使用学习技术构建系统模型，再进行模型检查。自适应模型检查（AMC）方法将学习黑盒模型和验证模型相结合，与之前的黑盒检查方法类似。它主要解决系统模型不准确的问题，对初步模型进行模型检查，若发现反例则与系统进行比较，结果要么是系统不满足属性，要么是对模型进行自动细化。

AMC算法的流程如下：

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px
    classDef process fill:#E5F6FF,str