Modern software systems often consist of many heterogeneous components typically organised in groups. These entities interact with each other by adapting their behaviour to pursue individual or collective goals. The distribution of system entities determines a space that can be either physical or logical. The former is defined in terms of a physical relation among components. The latter depends on some logical relations such as being part of the same group. For these systems, specification and verification of spatial properties play a fundamental role to understand their behaviour and to support their design. Recently, different tools and languages have been introduced to specify and verify the properties of space. However, these formalisms are mainly based on graphs. This does not permit considering higher-order relations such as surfaces or volumes. In this work, we propose a spatial logic interpreted on simplicial complexes. These are topological objects able to represent surfaces and volumes efficiently and that generalise graphs with higher-order edges. We discuss how the satisfaction of logical formulas can be verified by a correct and complete model checking algorithm, which is linear to the dimension of the simplicial complex and logical formula. The expressiveness of the proposed spatial logic is studied in terms of bisimulation and branching bisimulation relations defined over simplicial complexes.


翻译:现代软件系统通常由通常按组排列的许多不同组成部分组成,这些实体彼此互动,调整行为以追求个人或集体目标。系统实体的分布决定了一个可以物理或逻辑的空间。系统实体的分布决定了一个可以物理或逻辑的空间。前者以各组成部分之间的物理关系来界定。前者取决于某些逻辑关系,例如属于同一组的一部分。对于这些系统,空间属性的规格和核查起着理解其行为和支持其设计的根本作用。最近,采用了不同的工具和语言来说明和核实空间的特性。然而,这些形式主义主要基于图表。这不允许考虑表面或数量等更高层次的关系。在这项工作中,我们建议对简化的复杂复杂复合体进行空间逻辑解释。这些是能够高效地代表表面和体积的表面物体,是具有较高层次边缘的通用图表。我们讨论了逻辑公式的满意度如何通过正确和完整的模型核对算法加以核实,该算法是直线值,与简化的复杂和逻辑公式的维度。拟议空间逻辑的清晰度,是用复合模量的分支来研究。

0
下载
关闭预览

相关内容

【CIKM2020】神经逻辑推理,Neural Logic Reasoning
专知会员服务
49+阅读 · 2020年8月25日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Knowledge Embedding Based Graph Convolutional Network
Arxiv
24+阅读 · 2021年4月23日
Arxiv
11+阅读 · 2021年3月25日
Arxiv
7+阅读 · 2019年6月20日
Arxiv
8+阅读 · 2018年3月17日
Arxiv
3+阅读 · 2018年2月20日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员