买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明公开了一种基于机器学习的SCADE模型组合验证环境假设自动生成方法，包括：基于SCADE支持的API，获取目标SCADE模型的IO信息；对IO信息进行映射处理，生成指定数量的测试用例；将测试用例转换为SCADE仿真的场景文件；采用SCADE仿真器对SCADE仿真的场景文件进行仿真，得到仿真结果文件；基于仿真结果文件，生成环境假设Assume所需的数据集；基于数据集，借助机器学习算法生成组件环境假设Assume；采用本发明的方法能减少人工编写环境假设的错误并提高组合验证过程中形式化契约的编写效率。

主权项：1.一种基于机器学习的SCADE模型组合验证环境假设自动生成方法，其特征在于：包括以下步骤：S100：基于SCADE支持的API，获取目标SCADE模型的IO信息；S200：对IO信息进行映射处理，生成指定数量的测试用例；S300：将测试用例转换为SCADE仿真的场景文件；S400：采用SCADE仿真器对SCADE仿真的场景文件进行仿真，得到仿真结果文件；S500：基于仿真结果文件，生成环境假设Assume所需的数据集；S600：基于数据集，借助机器学习算法生成组件环境假设Assume；S500具体包括：联合预输入的逻辑语言描述的需求R，对每一个仿真结果文件进行解析，得到操作结果；若操作结果为true，则给该仿真结果添加“pass”标签，否则添加“notpass”标签；得到标记好的生成环境假设Assume所需的数据集；所述的对每一个仿真结果文件进行解析，具体实现方法如下：将逻辑语言替换为逻辑符号；将表达式中的变量替换为仿真结果文件中的实际值；计算String类型的逻辑表达式；S600中，基于数据集，采用决策树生成组件环境假设Assume，具体实施方法为：将SCADE模型的输入属性、“pass”标签属性、“notpass”标签属性合并为属性集；选取最大信息增益为分支划分依据；根据属性集、数据集和分支划分依据，建立决策树：先序遍历决策树，对于任意一个非叶子结点，设它的取值是x，对应的属性是A；若属性A是连续性属性，则取该结点通向其左孩子的分支对应的逻辑表达式ck＝‘A＝x’，取该结点通向其右孩子的分支对应的逻辑表达式ck＝‘Ax’，其中k＝1,2,...；若属性A是离散属性，则取该结点通向其左孩子的分支对应的逻辑表达式ck＝‘A＝x，取该结点通向其右孩子的分支对应的逻辑表达式ck＝‘A≠x’，其中，k＝1,2,...；按上述规则，每当遍历到一个标签属性值为“pass”的叶子结点时，都可以找到一条从决策树根结点到该叶子结点的路径，从而得到n个逻辑表达式c1...ck…cn，对这n个表达式取合取式A1＝c1^c2^...cn，A1即为一条从根节点到叶子结点路径所对应的Assume；对于一颗决策树，可以得到A1,...,As共s个Assume；取A1...As的析取式，最终得到组件环境假设Assume＝A1VA2V...VAs；在组件环境假设Assume＝A1\A2\...\As的限制下，对S300得到的SCADE仿真的场景文件进行仿真，若仿真结果均为真，则认为该组件环境假设Assume＝A1\A2\...\As符合要求；否则重新生成指定数量的测试用例，并将重新生成的测试用例与上一轮测试用例合并，并执行S300；当组件环境假设Assume符合要求或迭代达到次数上限时停止循环，输出最后一个组件环境假设Assume。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于机器学习的SCADE模型组合验证环境假设自动生成方法