PRISM概率模型检测器初使用--骰子模型（改进版）

PRISM-probabilistic model checker概率模型检测器

PRISM-probabilistic model checker概率模型检测器

PRISM code：

dtmc

moduledie

      //local state

      s : [0..7]init0;

      //value of the die

      d : [0..6]init0;


      []s=0 -> 0.5 : (s'=1) + 0.5 : (s'=2);

      []s=1 -> 0.5 : (s'=3) + 0.5 : (s'=4);

      []s=2 -> 0.5 : (s'=5) + 0.5 : (s'=6);

      []s=3 -> 0.5 : (s'=1) + 0.5 : (s'=7) & (d'=1);

      []s=4 -> 0.5 : (s'=7) & (d'=2) + 0.5 : (s'=7) & (d'=3);

      []s=5 -> 0.5 : (s'=7) & (d'=4) + 0.5 : (s'=7) & (d'=5);

      []s=6 -> 0.5 : (s'=2) + 0.5 : (s'=7) & (d'=6);

      []s=7 -> (s'=7);

endmodule

代码解释：

module die … endmodule一个骰子模块
两个变量，设s来指定算法当前要执行哪个步骤，d则为骰子的值（为0时表示还没开始选）
s : [0..7]init0; s 是骰子模块里的一个整数变量，范围是0到7，初始值（initial）设为0
[]s=0 -> 0.5: (s'=1)+0.5 : (s'=2); s=0时，有0.5的可能性s跳到1并接着执行s=1后的动作，即（s’=1），有0.5的可能性s跳到2并执行s=2，即（s’=2）。注意当可能性的和不为1时，会报错。
[]s=7 -> (s'=7); s=7时，继续执行s=7。看起来像循环，但是PRISM的模拟器在循环进行第二步就停止了。所以可以看作是用来停止该算法的。

代码用法具体网址：
-PRISM Language-Commands

-PRISM Language-Modules And Variables

操作解释：

- Exploring the model in PRISM 用PRISM探索模型

导入代码： 下载模块源代码，打开PRISM，点击上排按钮 “Model”，选“Open model”，导入下好的代码。
使用模拟器（Simulator）：点击下排的“Simulator”来到模拟器，在中部任意处双击（或右键），选择“Newpath”建立一个新测试路径。点击在左上方“Automatic exploration”中的“Simulate”来生成算法的一个样本。再次点击执行样本下一步骤。可多次点击直到算法执行结束（这里是s=7）。
手动选择路径（s值）：右击并选“Reset path”可重新创建一个样本路径（path）。也可点击“Manual exploration”中的下一执行路径来手动选择样本的路径。
设置步骤大小：把“Steps”（在“Simulate”下方）中的值改1为20，再重建个path，算法会由一次走一步变成走20步，但是这里的骰子算法一般6到8步，列在“Path”框中。

- Model checking with PRISM 用PRISM模型检测

下载属性文件，点上排“Properties”选“Open propertieslist”导入。
```
const int x;
P=? [ F s=7 & d=x ]
```
解释：
- const int x； 即在“Properties”框左中的“Constants”中加入整数变量x（可用操作代替代码）
- P=? [ F s=7 & d=x ]；格式为 P=? [ F phi ]，意思是“从原始状态到令phi能为true时的状态时可能性（P）为多少？”。这里phi是s=7，d为新变量x的状态。
计算不同x值对应的属性式的可能性值：右击“Properties”选“Verify”，选一个1到6之间的数并“OK”，PRISM会给出x为该值时同时s=7的可能性，如x=1时同时s=7，可能性为P=0.16666650772094727 。也可以点击下排“Log”来获得计算过程和结果的更多细节。
设置不同的参数，观察P值的变化：打开上排的“Options”选“Options”，把“Terminationepsilon”中的参数 1.0e-6 改成 1.0e-10 ，然后重新“Verify”。

如上一情况，结果变成了 0.1666666666569654。
把参数改回 1.0e-6 。
做实验（experiments）生成概率图：右击“Properties”选“New experiment”，对变量x进行设置：Range下方点选后者“End”填入范围0和7，Step填入步骤为1，注意左下方“Create Graph”要勾选才能生成图，“Use Simulation”先不勾。OK后，点选“New Graph”，点OK。即生成x为范围内值时的概率曲线分布图。

- Statistical Model checking withPRISM 用统计模型验证结果

PRISM也可以用离散事件模拟工具来生成近似验证结（即用给定数量的样本（samples）来模拟计算概率，样本数量越大，模拟计算的结果也就越接近上面属性公式计算的值，以此来验证可能性值的正确性）

模拟测试一定数量样本下，可能性值的变化：在Properties中重开一个experiment，在“DefineConstants”对话框内的左下方要勾选“Use Simulation”，在“NewGraph Series”对话框中选“Existing Graph”以在原图上生成新曲线（利于比较），接着，在右边的“NumberOf samples”中把1000改为10， OK。得到的曲线与之前的曲线有很大的不同（因为样本数量小）。另外，可通过改变Graph的设置（x轴，y轴等）来使曲线走向更清晰：如右击概率图，选择“Graph Options”，在“Axes”选项下找“scale type”，把“Normal”改选成“Logarithmic”，曲线变化幅度小的图的变化幅度就能被放大（放成对数曲线）。
再重开一个experiment，把sample为10，100，1000的概率曲线放在一个图上，观察曲线。结果当然是样本数量越大，曲线越接近之前模拟器的计算结果。右击选“Export Graph”可导出图（选png格式）。

图中（1）为1000，（2）为100，（3）为10.

- Expected termination time预估终止次数

用PRISM计算预期的步骤次数

骰子模型的次数很小，操作之前可先自己手算一下。
加一些东西进模型：在“Model”中代码的最后加上这几句：
```
rewards "steps"
true : 1;
endrewards
```
回到模拟器simulator，生成一个新path，在弹出框中的“Rewardvisibility”中点右边的
1：’steps’(cumulative) 并点中间的朝左箭头，然后OK。接着simulate运行，你会看到窗口右边的reward在累积。（Reward下的“Steps”是每次结果的执行步数，“Steps”（+）才是次数的累加）

当然，以上也可以用一个form来完成： R=? [ F phi ]

解释：从初始状态到满足phi状态时，所有reward累加所得的预期值是多少？
为了满足上面的运算，phi应该设成什么？
到Properties里，加入新property（右击选“add”）,测试自己的phi，正确结果应该是11/3。如果你得到的结果是无穷大（infinity），你的phi就不是正确格式（可以查看原因）

posted @ 2016-06-23 14:27 sriting 阅读(1146) 评论(0) 编辑收藏举报

刷新页面返回顶部

sriting