Specifications of complex, large scale, computer software and hardware systems can be radically simplified by using simple maps from input sequences to output values. These "state machine maps" provide an alternative representation of classical Moore type state machines. Composition of state machine maps corresponds to state machine products and can be used to specify essentially any type of interconnection as well as parallel and distributed computation. State machine maps can also specify abstract properties of systems and are significantly more concise and scalable than traditional representations of automata. Examples included here include specifications of producer/consumer software, network distributed consensus, real-time digital circuits, and operating system scheduling. The motivation for this work comes from experience designing and developing operating systems and real-time software where weak methods for understanding and exploring designs is a well known handicap. The methods introduced here are based on ordinary discrete mathematics, primitive recursive functions and deterministic state machines and are intended, initially, to aid the intuition and understanding of the system developers. Staying strictly within the boundaries of classical deterministic state machines anchors the methods to the algebraic structures of automata and semigroups, obviates any need for axiomatic deduction systems, "formal methods", or extensions to the model, and makes the specifications more faithful to engineering practice. While state machine maps are obvious representations of state machines, the techniques introduced here for defining and composing them are novel. To illustrate applications, the paper includes a fairly detailed specification and verification of the well-known "Paxos" distributed consensus algorithm plus a number of simpler examples including a digital PID controller.


翻译:大规模、复杂的计算机软件和硬件系统的规范可以通过使用简单的输入序列到输出值映射进行彻底的简化,这些“状态机映射”提供了经典的Moore类型状态机的替代表示。状态机映射的组合对应于状态机的乘积,并可用于指定任何类型的互连,以及并行和分布式计算。状态机映射还可以指定系统的抽象属性,其比传统的自动机表示更为简洁和可扩展。本文的例子包括生产者/消费者软件、分布式共识、实时数字电路和操作系统调度的规范。本文的研究动机来自于操作系统和实时软件设计和开发的经验,其中对于理解和探索设计的薄弱方法是一个广为人知的障碍。这里介绍的方法基于普通离散数学、原始递归函数和确定性有限状态机,最初旨在帮助系统开发人员的直觉和理解。严格地遵循经典的确定性有限状态机的范畴,将这些方法锚定到自动机和半群的代数结构,避免了需要演绎系统、"形式方法"或模型扩展的任何需要,并使规范更符合工程实践。虽然状态机映射是状态机的显然表示,但是本文介绍的定义和组合技术是新颖的。为了说明应用,本文包括了一个相当详细的"Paxos"分布式共识算法的规范和验证,以及包括数字PID控制器在内的许多更简单的例子。

0
下载
关闭预览

相关内容

【干货书】计算优化:实践中的成功,415页pdf
专知会员服务
68+阅读 · 2022年12月29日
【经典书】算法C语言实现,Algorithms in C. 672页pdf
专知会员服务
81+阅读 · 2020年8月13日
零样本文本分类,Zero-Shot Learning for Text Classification
专知会员服务
95+阅读 · 2020年5月31日
“我最想要的六种编程语言!”
CSDN
1+阅读 · 2022年7月22日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Multi-Task Learning的几篇综述文章
深度学习自然语言处理
15+阅读 · 2020年6月15日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
基于PyTorch/TorchText的自然语言处理库
专知
28+阅读 · 2019年4月22日
强化学习精品书籍
平均机器
25+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
深度学习(deep learning)发展史
机器学习算法与Python学习
12+阅读 · 2018年3月19日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Large Language Models as Tool Makers
Arxiv
1+阅读 · 2023年5月26日
Arxiv
35+阅读 · 2021年8月2日
Arxiv
11+阅读 · 2021年3月25日
VIP会员
相关VIP内容
【干货书】计算优化:实践中的成功,415页pdf
专知会员服务
68+阅读 · 2022年12月29日
【经典书】算法C语言实现,Algorithms in C. 672页pdf
专知会员服务
81+阅读 · 2020年8月13日
零样本文本分类,Zero-Shot Learning for Text Classification
专知会员服务
95+阅读 · 2020年5月31日
相关资讯
“我最想要的六种编程语言!”
CSDN
1+阅读 · 2022年7月22日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Multi-Task Learning的几篇综述文章
深度学习自然语言处理
15+阅读 · 2020年6月15日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
基于PyTorch/TorchText的自然语言处理库
专知
28+阅读 · 2019年4月22日
强化学习精品书籍
平均机器
25+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
深度学习(deep learning)发展史
机器学习算法与Python学习
12+阅读 · 2018年3月19日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员