TravMC公司

一种基于遍历的高阶模型检验算法。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,它可以作为功能语言(如ML和Haskell)的软件模型检查的基础。在本文中,我们引入了带有事例的高阶递归方案(HORSC),它通过一个按实例的定义(用以表示基于数据的程序分支)和非确定性(用于表示行为的抽象)来扩展HORS。本文研究确定性平凡自动机的通用HORSC模型检验问题:自动机是否接受由给定HORSC生成的树语言中的每一棵树?我们首先通过一个交叉类型系统来描述模型检查问题,该系统用一种严格限制的联合类型形式进行扩展。然后,我们提出了一个判定模型检验问题的算法,该算法基于这些方案的完全抽象博弈语义所诱导的遍历概念,但在交集和并集类型系统中,它是作为导引子的目标定向构造而提出的。我们认为HORSC模型检查是一个合适的后端引擎来验证功能程序。我们在一个名为TravMC的工具中实现了该算法,并在一组测试程序上证明了该算法的有效性,其中包括通过从模式匹配递归方案中抽象求精过程获得的函数程序的抽象模型。

这个软件也是同行评审按日记帐汤姆斯.

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换