一种基于遍历的高阶模型检测算法

高阶模型检查（由高阶递归方案（HORS）生成的树的模型检查）是有限状态和下推模型检查的自然推广。最近的工作表明，它可以作为函数语言（如ML和Haskell）的软件模型检查的基础。在本文中，我们介绍带事例的高阶递归方案（HORSC），它扩展了HORS，通过案例定义构造（表示基于数据的程序分支）和非决定论（表示行为抽象）。本文是对确定性平凡自动机的通用HORSC模型检验问题：自动机是否接受给定HORSC生成的树语言中的每棵树？我们首先通过一个交叉类型系统来描述模型检查问题，该交叉类型系统扩展了严格限制的并集类型形式。然后，我们提出了一种判定模型检查问题的算法，该算法基于遍历由这些方案的完全抽象的游戏语义所诱导，但在交并类型系统中表现为一种以目标为导向的派生构造。我们将HORSC模型检查视为验证功能程序的一种合适的后端引擎。我们已经在一个名为TravMC公司，并在一个程序测试套件上证明了其有效性，包括通过从模式匹配递归方案中的抽象重新定义过程获得的功能程序的抽象模型。