机构名称：
¥ 2.0
时钟约束规范语言（CCSL）已被广泛认为是对实时和嵌入式系统定时行为的建模和分析的有前途的系统级规范。然而，加上现代系统的日益复杂性以及严格的市场限制，需求工程师可以准确地确定基于天然语言的需求文档的CCSL规范变得越来越困难，因为它们缺乏正式的CCSL CCSL建模和设计自动化工具方面的专业知识，无法支持快速和自动生成CCSL的规格。为了解决上述问题，在本文中，我们引入了一种新颖有效的增强学习（RL）基于基于的合成方法，该方法可以促进需求工程师快速找出他们预期的CCSL规格。对于给定的不完整的CCSL规范，我们的方法采用基于RL的枚举来探索所有可行的解决方案，以填补CCSL约束中的孔，并利用好奇心驱动的探索来加速枚举过程。基于我们提出的好奇心驱动探索启发式和演绎推理技术的结合，我们的方法不仅可以有效地修剪无结构的枚举解决方案，而且还可以优化枚举过程以快速搜索最紧密的解决方案，因此可以大幅度地加速整体合成过程。全面的实验结果表明，我们的方法在合成时间和合成精度方面都显着超过最先进的方法。
使用好奇心驱动的探索
主要关键词
相关文件推荐
