×

如何在沙漠中捕捉狮子:关于覆盖定向生成(CDG)问题的解决方案。 (英语) Zbl 1473.90180号

摘要:测试和验证复杂的硬件或软件系统,例如从智能手机到服务器的所有产品中的现代集成电路,可能是一个困难的过程。验证团队面临的最困难和最耗时的任务之一是完成覆盖范围的关闭,或命中覆盖范围内的所有事件。覆盖直接生成(CDG)或自动生成测试,这些测试可以命中难以命中的覆盖事件,从而提供覆盖关闭,这有可能为验证团队节省大量仿真资源和时间。在本文中,我们提出了一种新的方法来解决CDG问题,将CDG问题描述为一个无噪声导数的优化问题。然而,由于目标函数的导数不可用,且目标函数的计算受到噪声的影响,使得该公式变得复杂。我们通过利用直接优化与鲁棒噪声估计器相结合的技术,以及利用反问题的技术来估计噪声目标函数的梯度,来解决这个噪声优化问题。我们通过一个带有噪声的二次函数和IBM的部分抽象模型的数值实验证明了这种新方法的有效性和可靠性北极星处理器,为服务器设计的超标量有序处理器。

MSC公司:

90 C56 无导数方法和使用广义导数的方法
90C53型 拟Newton型方法
90立方 非线性规划
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Berahas,AS;伯德,RH;Nocedal,J.,通过拟牛顿方法对噪声函数进行无导数优化,SIAM J Optim,29965-993(2019)·Zbl 1411.90359号 ·doi:10.1137/18M1177718
[2] Borkenhagen J,Sorino S(1999)第四代64位PowerPC兼容商业处理器设计。IBM Server Group白皮书
[3] Burden RL,Faires JD(2010),数值分析。Cengage学习
[4] 康恩,A。;Scheinberg,K。;Vicente,L.,《无导数优化导论》(2009),费城:SIAM,费城·Zbl 1163.49001号 ·数字对象标识代码:10.1137/1.9780898718768
[5] Fine S,Ziv A(2003)《使用贝叶斯网络进行功能验证的覆盖率定向测试生成》。In:设计自动化会议
[6] Golub,生长激素;von Matt,U.,大规模问题的广义交叉验证,计算机图统计杂志,1,1-34(1997)·Zbl 0878.65032号
[7] Golub,生长激素;希思,M。;Wahba,G.,《广义交叉验证作为选择良好岭参数的方法》,《技术计量学》,21,215-223(1979)·Zbl 0461.62059号 ·doi:10.1080/00401706.1979.10489751
[8] Huyer,W。;Neumaier,A.,通过多级坐标搜索进行全局优化,J Glob Optim,14,331-355(1999)·Zbl 0956.90045号 ·doi:10.1023/A:1008382309369
[9] Kelley,C.,隐式过滤(2011),费城:SIAM,费城·Zbl 1246.68017号 ·doi:10.1137/1.9781611971903
[10] Mishra P,Dutt N(2002)使用模型检查为流水线处理器自动生成功能测试程序。参加:第七届IEEE高水平设计验证和测试国际研讨会,第99-103页
[11] 莫雷,JJ;Wild,SM,估算计算噪声,SIAM科学计算杂志,33,1292-1314(2011)·Zbl 1243.65016号 ·数字对象标识代码:10.1137/100786125
[12] Nativ G、Mittermaier S、Ur S、Ziv A(2001)《IBM大型机覆盖率定向测试生成的成本评估》。摘自:2001年国际测试会议记录,第793-802页
[13] Nocedal,J。;Wright,S.,《数值优化》(1999),纽约:Springer,纽约·兹伯利0930.65067 ·数字对象标识代码:10.1007/b98874
[14] Pétard,H.,对大型狩猎数学理论的贡献,《美国数学月刊》,45446-447(1938)·doi:10.1080/00029890.1938.11990835
[15] Pintér,JD,Global optimization in action(1996),纽约:Springer,纽约·Zbl 0842.90110号 ·doi:10.1007/978-1-4757-2502-5
[16] Piziali,A.,《功能验证覆盖率测量和分析》(2004),纽约:Springer,纽约
[17] 鲍威尔,M。;皮洛,GD;Roma,M.,《无导数无约束优化的NEWUOA软件》,大尺度非线性优化,255-297(2006),波士顿:斯普林格,波士顿·兹比尔1108.90005 ·数字对象标识代码:10.1007/0-387-30065-1_16
[18] 路易斯安那州普拉山斯;巴特纳加,S。;傅,M。;Marcus,S.,使用随机方向随机近似的自适应系统优化,IEEE Trans-Autom Control,62,5,2223-238(2017)·Zbl 1366.90148号 ·doi:10.10109/TAC.2016.2600643
[19] 里奥斯,LM;Sahinidis,NV,《无导数优化:算法综述和软件实现比较》,J Glob Optim,56,1247-1293(2013)·Zbl 1272.90116号 ·doi:10.1007/s10898-012-9951-y
[20] Spall JC(1987)生成最大似然参数估计的随机近似技术。1987年美国控制会议,第1161-1167页
[21] Spall,JC,使用同时扰动梯度近似的多元随机近似,IEEE Trans-Autom Control,37,3,332-341(1992)·Zbl 0745.60110号 ·doi:10.1109/9.119632
[22] Spall,JC,《高效优化的同时摄动法概述》,约翰·霍普金斯APL Tech Dig,19,4,482-492(1998)
[23] Tenorio,L.,《反问题的数据分析和不确定性量化简介》(2017),纽约:SIAM,纽约·Zbl 1435.65003号 ·doi:10.1137/1.9781611974928
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。