连续时间马尔科夫链模型上的模型检测算法研究与工具实现

ISCAS OpenIR > 基础软件与系统重点实验室

连续时间马尔科夫链模型上的模型检测算法研究与工具实现

高杨

专业

计算机软件与理论

导师

詹乃军

2013-05-27

学位授予单位

中国科学院大学

学位

硕士

学位授予地点

北京

关键词

模型检测连续时间马尔科夫链形式化概率模型检测工具

其他摘要

连续时间马尔科夫链（CTMC）在网络性能分析、模型检测和系统生物学等领域受到了广泛的关注。本文关注以连续时间马尔科夫链为模型、以条件连续随机逻辑（CCSL）为性质描述语言的概率模型检测问题。CCSL通过引入条件概率运算符扩展了Aziz等人提出的连续随机逻辑（CSL），从而可以表达和检测CTMC更多的性质，本文针对CCSL逻辑提出了基于参数乘积CTMC的近似模型检测算法，并分析了该算法的理论时间复杂度。进而，本文介绍了针对CSL和CCSL逻辑开发的概率模型检测工具CCMC已有的概率模型检测工具如PRISM和MRMC仅仅支持CSL二元Until公式，CCMC是第一个支持CSL全部语法形式和其扩展的概率模型检测工具。最后，本文通过一些实例分析展示了工具的性能和实用价值。;

Continuous-time Markov chains (CTMCs) have received considerable attentions in network performance analysis, model checking, and system biology. In this paper, we consider the model-checking problem of continuous-time Markov chains with respect to Conditional Continuous Stochastic Logic (CCSL). CCSL extends the logic CSL introduced by Aziz et al. with a conditional probabilistic operator, which allows us to express a richer class of properties for CTMCs. Based on a parameterized product construction, we propose an approximate model checking algorithm with complexity analysis. After that, we present CCMC (Conditional CSL Model Checker), a model checker for CTMCs with respect to formulas specified in CCSL. Existing CTMC model checkers such as PRISM or MRMC handle only binary CSL until path formulas. CCMC is the first tool that supports algorithms for analyzing nested until path formulas. Moreover, CCMC supports conditional CSL formulas. Some case studies are given showing the efficiency of the tool.

学科领域

计算机软件 ; 软件理论

语种

英语

内容类型

学位论文

URI标识

http://ir.iscas.ac.cn/handle/311060/14845

专题

基础软件与系统重点实验室

推荐引用方式
GB/T 7714

高杨. 连续时间马尔科夫链模型上的模型检测算法研究与工具实现[D]. 北京. 中国科学院大学,2013.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
gymain.pdf（1331KB）			开放获取	使用许可	请求全文