面向复杂随机系统的启发式统计模型检测方法

• 作者: 何佳 吕悦 张敏 郭延楠
• 来源期刊: 计算机应用研究
• 关键词: 统计模型检测 复杂随机系统 超长路径 最短前缀 启发式算法 PRISM
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 软件技术研究
• 页码范围: 3036-3040
• 页数: 5页
• 分类号: TP301.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.10.037

摘要

统计模型检测是一种高效的验证技术，常用于复杂的随机系统验证，如分布式算法等，而在超长路径上对性质进行验证时，其验证效率会急剧降低。为解决这个问题，提出一种启发式的统计模型检测算法。在对路径进行验证时，会查找帮助剪枝的最短前缀；在后续抽样时，利用前缀信息直接判定路径是否满足给定性质，避免进入费时的路径验证阶段。在与PRISM的比较中，它的路径验证次数相对更少，且平均抽样路径长度更短。因此统计模型检测技术可应用于超长路径上的性质验证。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张敏	华东师范大学计算机科学与软件工程学院	34	171	7.0	12.0
2	吕悦	华东师范大学上海市高可信计算重点实验室	2	0	0.0	0.0
3	何佳	华东师范大学上海市高可信计算重点实验室	1	0	0.0	0.0
4	郭延楠	华东师范大学上海市高可信计算重点实验室	1	0	0.0	0.0