‫‪55‬‬ ‫ﻧﺸﺮﻳﻪ ﻣﻬﻨﺪﺳﻲ ﺑﺮق و ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ اﻳﺮان‪ ،‬ب‪ -‬ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ‪ ،‬ﺳﺎل ‪ ،15‬ﺷﻤﺎره ‪ ،1‬ﺑﻬﺎر ‪1396‬‬

‫وارﺳﻲ ﻧﻤﺎدﻳﻦ ﮔﺰارهﻫﺎي ﻣﻨﻄﻖ زﻣﺎﻧﻲ ﻓﺎزي روي ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي‬
‫ﻏﻼﻣﺮﺿﺎ ﺳﺘﻮده و ﻋﻠﻲ ﻣﻮﻗﺮ رﺣﻴﻢآﺑﺎدي‬

‫ﺑﻪ ﻣﺪلﻫﺎي ﻓﺸﺮدهﺗﺮ اراﺋﻪ ﺷﺪهاﻧﺪ‪ .‬ﻳﻜﻲ از ﻣﻬﻢﺗﺮﻳﻦ ﺳﺎﺧﺘﻤﺎن دادهﻫﺎي‬
‫اﺳﺘﻔﺎدهﺷﺪه در روشﻫﺎي ﻧﻤﺎدﻳﻦ‪ ،‬ﻧﻤﻮدار ﺗﺼﻤﻴﻢﮔﻴﺮي دودوﻳﻲ ﻣﺮﺗﺐ‬
‫)‪ (OBDD‬اﺳﺖ ﻛﻪ ﻗﺎﺑﻠﻴﺖ ﻓﺸﺮدهﺳﺎزي ﺑﺎﻻﻳﻲ ﺑﺮاي ﻣﺪلﻫﺎ دارد و زﻣﺎن‬
‫وارﺳﻲ ﮔﺰارهﻫﺎ را ﻧﻴﺰ ﺑﻪ ﺧﻮﺑﻲ ﻛﺎﻫﺶ ﻣﻲدﻫﺪ ]‪ [2‬و ]‪ [4‬ﺗﺎ ]‪ .[6‬در‬
‫ﭘﺮدازش اﺗﻮﻣﺎﺗﺎي زﻣﺎﻧﻲ ﺟﻬﺖ ﻓﺸﺮدهﺳﺎزي ﺑﻴﺸﺘﺮ ﻓﻀﺎي ﺣﺎﻟﺖ از ﺳﺎﺧﺘﻤﺎن‬
‫دادهﻫﺎي دﻳﮕﺮ ﻣﺜﻞ ﻣﺎﺗﺮﻳﺲ ﻛﺮان ﺗﻔﺎﺿﻠﻲ )‪ ،(DBM‬ﻧﻤﻮدار ﺗﺼﻤﻴﻢﮔﻴﺮي‬
‫ﺗﻔﺎﺿﻠﻲ )‪ (DDD‬و ﻧﻤﻮدار ﺗﺼﻤﻴﻢﮔﻴﺮي ﭼﻨﺪﭘﺎﻳﺎﻧﻪ )‪ (MTBDD‬ﻧﻴﺰ اﺳﺘﻔﺎده‬
‫ﭼﻜﻴﺪه‪ :‬ﺑﺎ ﺗﺮﻛﻴﺐ ﻣﻨﻄﻖﻫﺎي زﻣﺎﻧﻲ و ﻣﻨﻄﻖ ﻓﺎزي ﻣﻲﺗﻮان ﻣﻨﻄﻖﻫﺎي ﺟﺪﻳﺪي‬
‫اﻳﺠﺎد و از آن در وارﺳﻲ ﺧﻮدﻛﺎر ﻣﺪلﻫﺎي ﭘﻮﻳﺎي ﻓﺎزي اﺳﺘﻔﺎده ﻧﻤﻮد‪ .‬ﺗﺎﻛﻨﻮن در‬
‫ﭼﻨﺪ ﻣﻘﺎﻟﻪ ﻣﺪلﻫﺎي ﻛﺮﻳﭙﻜﻪ ﻓﺎزي ‪ FzKripke‬و ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي ‪ FzPG‬ﺑﻪ‬
‫ﻋﻨﻮان دو ﻣﺪل زﻣﺎﻧﻲ ﻓﺎزي ﺗﻌﺮﻳﻒ و ﺟﻬﺖ وارﺳﻲ ﺧﻮاص زﻣﺎﻧﻲ روي اﻳﻦ ﻣﺪلﻫﺎ‪،‬‬
‫ﻣﻨﻄﻖ زﻣﺎﻧﻲ ‪ FzCTL‬اراﺋﻪ ﺷﺪه و ﺑﺪون اراﺋﻪ اﻟﮕﻮرﻳﺘﻢ وارﺳﻲ ﻣﺪل‪ ،‬ﻛﺎرﺑﺮدﻫﺎﻳﻲ‬
‫از آﻧﻬﺎ در وارﺳﻲ ﻣﺪارات ﻣﻨﻄﻘﻲ ﻓﺎزي ﻣﺎﻧﻨﺪ ﻓﻠﻴﭗ‪ -‬ﻓﻼپﻫﺎي ﻓﺎزي ﻣﻌﺮﻓﻲ ﺷﺪه‬
‫اﺳﺖ‪ .‬در اﻳﻦ ﻣﻘﺎﻟﻪ ﺟﻬﺖ ﺑﺮﺧﻮرد ﺑﺎ ﻣﺸﻜﻞ اﻧﻔﺠﺎر ﻓﻀﺎي ﺣﺎﻟﺖ در ﻣﺪلﻫﺎي زﻣﺎﻧﻲ‬

‫ﺷﺪه اﺳﺖ ]‪.[7‬‬ ‫ﻓﺎزي‪ ،‬روﺷﻲ ﻧﻤﺎدﻳﻦ اراﺋﻪ ﺷﺪه ﻛﻪ ﺑﻪ ﻛﻤﻚ آن‪ ،‬ﻣﺪلﻫﺎ در ﻗﺎﻟﺒﻲ ﺑﺴﻴﺎر ﻓﺸﺮده‬

‫ﺗﺎﻛﻨﻮن ﺗﻌﻤﻴﻢﻫﺎي ﻣﺨﺘﻠﻔﻲ از ﻣﺪل و ﻣﻨﻄﻖ زﻣﺎﻧﻲ ﺻﻮرت ﮔﺮﻓﺘﻪ اﺳﺖ‪:‬‬ ‫ذﺧﻴﺮه و ﭘﺮدازش ﻣﻲﺷﻮﻧﺪ‪ .‬در اﻳﻦ ﻣﻘﺎﻟﻪ ﻛﺎراﻳﻲ اﻟﮕﻮرﻳﺘﻢﻫﺎي ﻃﺮاﺣﻲﺷﺪه ﻧﻴﺰ‬
‫ﻣﻮرد ارزﻳﺎﺑﻲ ﺗﺤﻠﻴﻠﻲ و ﺗﺠﺮﺑﻲ ﻗﺮار ﻣﻲﮔﻴﺮﻧﺪ‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﻄﺎﻟﻌﻪ ﻣﻮردي‪ ،‬ﻛﺎراﻳﻲ‬
‫ﺗﻌﻤﻴﻢ زﻣﺎن ﮔﺴﺴﺘﻪ ﺑﻪ زﻣﺎن ﺣﻘﻴﻘﻲ‪ ،‬ﻟﺤﺎظﻛﺮدن ﻣﻔﻬﻮم اﺣﺘﻤﺎل ﺟﻬﺖ‬
‫روش در وارﺳﻲ و ﻛﺸﻒ ﻣﺨﺎﻃﺮه ﭘﻮﻳﺎي ﻳﻚ ﻣﺪار ﻓﻠﻴﭗ‪ -‬ﻓﻼپ ‪ D‬ﻓﺎزي‪ ،‬ﻣﻮرد‬
‫ﺑﺮﺧﻮرد ﺑﺎ ﻋﺪم ﻗﻄﻌﻴﺖ و ﻓﺮاﻳﻨﺪﻫﺎي ﺗﺼﺎدﻓﻲ ﺳﻴﺴﺘﻢﻫﺎ‪ ،‬در ﻧﻈﺮ ﮔﺮﻓﺘﻦ‬
‫ﺑﺮرﺳﻲ ﻗﺮار ﮔﺮﻓﺘﻪ و زﻣﺎن اﺟﺮا و ﺣﺎﻓﻈﻪ ﻣﺼﺮﻓﻲ اﻟﮕﻮرﻳﺘﻢ در ﺷﺮاﻳﻂ ﻣﺨﺘﻠﻒ ﻣﺪل‪،‬‬
‫ﻣﻔﻬﻮم ﻫﺰﻳﻨﻪ در ﻛﻨﺎر زﻣﺎن و ﺗﺮﻛﻴﺐﻫﺎي ﻣﺨﺘﻠﻔﻲ از اﻳﻦ ﺗﻌﻤﻴﻢﻫﺎ ]‪ [2‬و‬
‫اراﺋﻪ ﺷﺪه اﺳﺖ‪.‬‬
‫]‪ [5‬و ]‪ .[6‬ﺑﺮاي ﻟﺤﺎظﻛﺮدن ﺳﻄﻮح ﻣﺨﺘﻠﻒ ﻋﺪم ﻗﻄﻌﻴﺖ و ﻧﺎﺳﺎزﮔﺎري در‬
‫ﻓﺮاﻳﻨﺪ وارﺳﻲ ﻣﺪل‪ ،‬ﻣﺪلﻫﺎ و ﻣﻨﻄﻖﻫﺎي زﻣﺎﻧﻲ ﭼﻨﺪﻣﻘﺪاري ﺗﻌﺮﻳﻒ ﺷﺪه‬
‫ﻛﻠﻴﺪواژه‪ :‬وارﺳﻲ ﻣﺪل‪ ،‬ﻣﺪل ﻛﺮﻳﭙﻜﻪ‪ ،‬ﻣﻨﻄﻖ زﻣﺎﻧﻲ ﻓﺎزي‪ ،‬ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي‪،‬‬
‫ﻛﻪ در آن ﺑﻪ ﺟﺎي ﺟﺒﺮ ﺑﻮل‪ ،‬از ﺟﺒﺮﻫﺎي ﺷﺒﻪﺑﻮﻟﻲ‪ 6‬اﺳﺘﻔﺎده ﻣﻲﺷﻮد )در اﻳﻦ‬
‫وارﺳﻲ ﻧﻤﺎدﻳﻦ ﻣﺪل‪.‬‬
‫ﺟﺒﺮﻫﺎ از ﻳﻚ ﺷﺒﻜﻪ‪ 7‬ﻋﻤﺪﺗﺎً ﻣﺘﻨﺎﻫﻲ اﺳﺘﻔﺎده ﻣﻲﺷﻮد(‪ .‬ﺑﺮاي ﺟﺒﺮﻫﺎي‬
‫ﺷﺒﻪﺑﻮﻟﻲ )ﺑﺎ ﺷﺒﻜﻪ ﻣﺘﻨﺎﻫﻲ و ﺑﺴﻴﺎر ﻛﻮﭼﻚ( ﻣﺪﻟﻲ ﺑﺎ ﻧﺎم ‪ XKripke‬و‬ ‫‪ -1‬ﻣﻘﺪﻣﻪ‬
‫ﻣﻨﻄﻘﻲ ﺑﺎ ﻧﺎم ‪ XCTL‬اﺑﺪاع ﺷﺪه و ﺟﻬﺖ وارﺳﻲ ﻧﻤﺎدﻳﻦ اﻳﻦ ﻣﻨﻄﻖ‬
‫اﻟﮕﻮرﻳﺘﻢﻫﺎﻳﻲ اراﺋﻪ ﺷﺪه اﺳﺖ ]‪ [4‬و ]‪ [8‬ﺗﺎ ]‪ .[13‬اﺧﻴﺮاً ﻣﻨﻄﻖ ﭼﻨﺪﻣﻘﺪاري‬ ‫ﺟﻬﺖ وارﺳﻲ رﺳﻤﻲ ﺧﻮاص زﻣﺎﻧﻲ ﺳﻴﺴﺘﻢﻫﺎي ﺳﺨﺖاﻓﺰاري و‬
‫ﺟﺪﻳﺪﺗﺮي ﺑﺎ ﻧﺎم ‪ [14] MCTL‬روي ﺷﺒﻜﻪﻫﺎي ﻣﺘﻨﺎﻫﻲ ﺗﻌﺮﻳﻒ ﮔﺮدﻳﺪه و‬ ‫ﻧﺮماﻓﺰاري‪ ،‬ﺗﻜﻨﻴﻜﻲ ﭘﺮﻗﺪرت ﺑﺎ ﻧﺎم وارﺳﻲ ﻣﺪل‪ 1‬ﺗﻮﺳﻂ اﻓﺮادي ﭼﻮن‬
‫اﻟﮕﻮرﻳﺘﻤﻲ ﺑﺮاي وارﺳﻲ آن اراﺋﻪ ﺷﺪه اﺳﺖ‪.‬‬ ‫‪ [1] Clarke‬ﻣﻄﺮح ﺷﺪه اﺳﺖ‪ .‬در اﻳﻦ ﺗﻜﻨﻴﻚ‪ ،‬ﻳﻚ ﻣﺪل رﻳﺎﺿﻲ و رﺳﻤﻲ‬
‫ﻣﻨﻄﻖ ﻓﺎزي ﻧﻴﺰ ﻧﻮﻋﻲ ﻣﻨﻄﻖ ﭼﻨﺪﻣﻘﺪاري )ﺑﺎ ﺷﺒﻜﻪ ﻧﺎﻣﺘﻨﺎﻫﻲ و ﭘﻴﻮﺳﺘﻪ(‬ ‫)ﻋﻤﺪﺗﺎً در ﻗﺎﻟﺐ ﻳﻚ ﮔﺮاف( از روي ﻣﺸﺨﺼﺎت ﺳﻴﺴﺘﻢ اﺳﺘﺨﺮاج ﻣﻲﺷﻮد و‬
‫اﺳﺖ ﻛﻪ در ﺣﻮزهﻫﺎي ﻣﺨﺘﻠﻒ ﻛﺎرﺑﺮد دارد ]‪ [15‬و ]‪ .[16‬ﺑﺎ ﺗﺮﻛﻴﺐ‬ ‫ﻫﻤﭽﻨﻴﻦ ﮔﺰارهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ وارﺳﻲ ﺳﻴﺴﺘﻢ ﻛﻪ ﺑﻪ آن ﺧﻮاص ﮔﻔﺘﻪ‬
‫ﻣﻨﻄﻖﻫﺎي زﻣﺎﻧﻲ و ﻣﻨﻄﻖ ﻓﺎزي ﻣﻲﺗﻮان ﻣﻔﺎﻫﻴﻢ ﻓﺎزي را در ﺣﻮزه‬ ‫ﻣﻲﺷﻮد‪ ،‬ﺑﻪ زﺑﺎﻧﻲ رﺳﻤﻲ )ﺑﺎ ﻧﺎم ﻣﻨﻄﻖ زﻣﺎﻧﻲ( ﺗﺮﺟﻤﻪ ﺷﺪه و ﻧﻬﺎﻳﺘﺎً روﺷﻲ‬
‫وارﺳﻲ ﻣﺪل‪ ،‬وارد ﻛﺮد‪ .‬در اﻳﻦ زﻣﻴﻨﻪ ﻛﺎرﻫﺎي ﻣﺤﺪودي اﻧﺠﺎم ﺷﺪه اﺳﺖ‬ ‫ﻣﻜﺎﻧﻴﺰه )در ﻗﺎﻟﺐ ﻳﻚ اﻟﮕﻮرﻳﺘﻢ( ﺑﺮاي وارﺳﻲ ﺧﻮاص در آن ﻣﺪل‪ ،‬ﺗﻌﺮﻳﻒ و‬
‫ﻛﻪ ﻣﻨﻄﻖﻫﺎي ‪ [18] FBPL ،[17] FTP‬و ]‪ [20] FzPLTL ،[19‬و‬ ‫ﭘﻴﺎدهﺳﺎزي ﻣﻲﺷﻮد‪ .‬ﻳﻜﻲ از ﻣﻌﺮوفﺗﺮﻳﻦ اﻳﻦ ﻣﺪلﻫﺎ‪ ،‬ﻣﺪل ﻛﺮﻳﭙﻜﻪ‪ 2‬ﻧﺎﻣﻴﺪه‬
‫‪ [21] Fuzzy Temporal Formula‬از آن ﺟﻤﻠﻪاﻧﺪ ﻛﻪ ﻋﻤﺪﺗﺎً ﺟﻬﺖ‬ ‫ﻣﻲﺷﻮد و ﺑﺮاي ﺗﻮﺻﻴﻒ ﺧﻮاص روي آن‪ ،‬ﻣﻨﻄﻖﻫﺎي زﻣﺎﻧﻲ ‪ LTL ،CTL‬و‬
‫ﺗﻮﺻﻴﻒ ﺳﻴﺴﺘﻢﻫﺎ ﺑﻪ ﻛﺎر ﻣﻲروﻧﺪ و ﺑﺮاي ﻋﻤﺪه آﻧﻬﺎ اﺻﻼً ﻓﺮاﻳﻨﺪ وارﺳﻲ‬ ‫*‪ CTL‬اﺑﺪاع ﺷﺪه اﺳﺖ ]‪ [1‬ﺗﺎ ]‪ .[3‬ﺗﻌﻤﻴﻢﻫﺎﻳﻲ از اﻳﻦ ﻣﺪل ﺑﻪ زﻣﺎن‬
‫ﻣﺪل دﻳﺪه ﻧﺸﺪه و ﻳﺎ ﺑﻪ ﻃﻮر ﻣﺤﺪود )ﻓﻘﻂ ﺑﺮاي ﺗﺴﺖ و ﻧﻪ وارﺳﻲ ﻛﺎﻣﻞ‬ ‫ﺣﻘﻴﻘﻲ‪ 3‬ﺻﻮرت ﮔﺮﻓﺘﻪ ﻛﻪ اﺗﻮﻣﺎﺗﺎي زﻣﺎﻧﻲ )‪ (TA‬ﻧﻤﻮﻧﻪاي از اﻳﻦ ﻣﺪلﻫﺎي‬
‫ﺳﻴﺴﺘﻢ( ﭘﻴﺎدهﺳﺎزي ﺷﺪهاﻧﺪ‪ .‬در ﻣﻮاردي ﻧﻴﺰ از اﺑﺰارﻫﺎي ﻣﺘﺪاول وارﺳﻲ‬ ‫ﺗﻌﻤﻴﻢﻳﺎﻓﺘﻪ اﺳﺖ ]‪.[2‬‬
‫ﻣﺪل )ﻫﺎي ﻏﻴﺮ ﻓﺎزي( ﺑﺮاي وارﺳﻲ ﻛﻨﺘﺮﻟﺮﻫﺎي ﻓﺎزي اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‬ ‫ﻳﻜﻲ از ﻣﻬﻢﺗﺮﻳﻦ ﻣﺸﻜﻼت ﻓﺮاﻳﻨﺪ وارﺳﻲ ﻣﺪل‪ ،‬اﻧﻔﺠﺎر ﻓﻀﺎي ﺣﺎﻟﺖ‬
‫]‪ [22‬ﺗﺎ ]‪.[24‬‬ ‫ﻣﺪلﻫﺎﺳﺖ ﻛﻪ در ﺑﻌﻀﻲ ﻣﻮارد ﺑﻪ ‪ 2100‬ﺣﺎﻟﺖ ﻣﻲرﺳﺪ‪ .‬ﺟﻬﺖ ﺑﺮﺧﻮرد ﺑﺎ اﻳﻦ‬
‫ﺑﻪ ﻣﻨﻈﻮر ﺗﻌﺮﻳﻒ ﻣﺪلﻫﺎ و ﻣﻨﻄﻖﻫﺎي زﻣﺎﻧﻲ ﻓﺎزي ﺑﺎ ﻗﺎﺑﻠﻴﺖ داﺷﺘﻦ‬ ‫ﻣﺸﻜﻞ‪ ،‬ﺗﻜﻨﻴﻚﻫﺎﻳﻲ ﭼﻮن وارﺳﻲ ﻧﻤﺎدﻳﻦ‪ 4‬ﻣﺪل و ﺗﺠﺮﻳﺪ‪ 5‬ﻣﺪلﻫﺎي ﺑﺰرگ‬
‫ﻓﺮاﻳﻨﺪ ﺧﻮدﻛﺎر وارﺳﻲ ﻣﺪل‪ ،‬در ]‪ [25‬و ]‪ [26‬ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﻓﺎزي‪ 8‬ﻛﻪ ﺣﺎﻟﺖ‬
‫اﻳﻦ ﻣﻘﺎﻟﻪ در ﺗﺎرﻳﺦ ‪ 25‬اردﻳﺒﻬﺸﺖ ‪ 1395‬درﻳﺎﻓﺖ و در ﺗﺎرﻳﺦ ‪ 9‬آذر ﻣﺎه ‪1395‬‬
‫ﺧﺎﺻﻲ از ‪ XKripke‬اﺳﺖ ﺗﻌﺮﻳﻒ ﺷﺪه و ﺑﺮاي وارﺳﻲ ﺧﻮاص آن ﻣﻨﻄﻖ‬
‫ﺑﺎزﻧﮕﺮي ﺷﺪ‪.‬‬
‫زﻣﺎﻧﻲ ‪ FzCTL‬ﻛﻪ ﺷﺒﺎﻫﺖ زﻳﺎدي ﺑﺎ ‪ XCTL‬دارد اراﺋﻪ ﮔﺮدﻳﺪه اﺳﺖ‪.‬‬ ‫ﻏﻼﻣﺮﺿﺎ ﺳﺘﻮده‪ ،‬ﮔﺮوه ﻛﺎﻣﭙﻴﻮﺗﺮ‪ ،‬داﻧﺸﮕﺎه آزاد اﺳﻼﻣﻲ واﺣﺪ ﻋﻠﻮم و ﺗﺤﻘﻴﻘﺎت‪ ،‬ﺗﻬﺮان‪،‬‬
‫ﻫﻤﭽﻨﻴﻦ ﻣﺪﻟﻲ ﻧﺴﺒﺘﺎً ﺟﺪﻳﺪ و ﻓﺸﺮده ﺑﺎ ﻧﺎم ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي )‪ (FzPG‬ﺑﺎ‬ ‫اﻳﺮان‪.(email: setoodeh@iaushiaz.ac.ir) ،‬‬
‫ﻗﺎﺑﻠﻴﺖ ﺗﺒﺪﻳﻞ ﺑﻪ ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﻓﺎزي ﺗﻌﺮﻳﻒ ﺷﺪه اﺳﺖ‪ .‬در ]‪ [26‬و ]‪[27‬‬ ‫ﻋﻠﻲ ﻣﻮﻗﺮ رﺣﻴﻢآﺑﺎدي‪ ،‬داﻧﺸﻜﺪه ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ‪ ،‬داﻧﺸﮕﺎه ﺻﻨﻌﺘﻲ ﺷﺮﻳﻒ‪ ،‬ﺗﻬﺮان‪،‬‬
‫اﻳﺮان‪.(email: movaghar@shaif.edu) ،‬‬
‫ﻛﺎرﺑﺮدﻫﺎﻳﻲ از اﻳﻦ ﻣﻨﻄﻖ و ﻣﺪلﻫﺎي زﻣﺎﻧﻲ ﻓﺎزي در وارﺳﻲ ﻣﺪارات‬
‫‪1. Model Checking‬‬
‫‪2. Kripke‬‬
‫‪6. Quasi-Boolean‬‬ ‫‪3. Real Time‬‬
‫‪7. Lattice‬‬ ‫‪4. Symbolic‬‬
‫‪8. FzKripke‬‬ ‫‪5. Abstraction‬‬
‫ﻧﺸﺮﻳﻪ ﻣﻬﻨﺪﺳﻲ ﺑﺮق و ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ اﻳﺮان‪ ،‬ب‪ -‬ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ‪ ،‬ﺳﺎل ‪ ،15‬ﺷﻤﺎره ‪ ،1‬ﺑﻬﺎر ‪1396‬‬ ‫‪56‬‬

‫) ‪L : S → ValΔ ( X‬‬ ‫)‪(4‬‬ ‫ﻣﻨﻄﻘﻲ ﻓﺎزي )ﺧﺼﻮﺻﺎً ﻓﻠﻴﭗ‪ -‬ﻓﻼپﻫﺎي ﻓﺎزي( اراﺋﻪ ﺷﺪه اﺳﺖ‪ .‬در ]‪[28‬‬
‫‪R : S × S → [0 , 1]Δ‬‬ ‫)‪(5‬‬ ‫ﻣﺪﻟﻲ ﻣﺸﺎﺑﻪ ﺑﺎ ‪ FzKripke‬ﺑﻪ ﻧﺎم ﺳﺎﺧﺘﺎر ﻛﺮﻳﭙﻜﻪ ﻓﺎزي )‪ (FKS‬ﺑﻪ ﻫﻤﺮاه‬
‫ﻣﻨﻄﻖ ﻣﺘﻨﺎﻇﺮ ‪ FCTL‬ﺗﻌﺮﻳﻒ ﺷﺪه و ﻳﻚ اﻟﮕﻮرﻳﺘﻢ وارﺳﻲ ﺑﺮاي ﻣﺪلﻫﺎي‬
‫‪I : S → [0, 1]Δ‬‬ ‫)‪(6‬‬ ‫ﻛﻮﭼﻚ اراﺋﻪ ﺷﺪه اﺳﺖ اﻣﺎ در آن ﺑﻪ ﻣﺸﻜﻞ اﻧﻔﺠﺎر ﻓﻀﺎي ﺣﺎﻟﺖ ﭘﺮداﺧﺘﻪ‬
‫ﺑﻪ ﻳﻚ ‪ FzKripke‬ﻛﻪ ﺗﺎﺑﻊ ‪ I‬آن ﺑﺮاي ﻣﺒﺪأ ‪ s0‬ﻣﻘﺪار ﻳﻚ و ﺑﺮاي‬ ‫ﻧﺸﺪه اﺳﺖ‪.‬‬
‫‪1‬‬ ‫در ]‪ [29‬از ﺗﻌﻤﻴﻢ ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي ﺑﻪ زﻣﺎن ﭘﻴﻮﺳﺘﻪ‪ ،‬ﻣﺪﻟﻲ ﺑﺎ ﻧﺎم‬
‫ﺳﺎﻳﺮ ﮔﺮهﻫﺎ ﻣﻘﺪار ﺻﻔﺮ ﺑﺮﻣﻲﮔﺮداﻧﺪ‪ ،‬ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﻓﺎزي ﺗﻚﻣﺒﺪأ‬
‫اﻃﻼق ﻣﻲﺷﻮد‪.‬‬ ‫‪ FzTA‬ﺗﻌﺮﻳﻒ ﮔﺮدﻳﺪه و ﻛﺎرﺑﺮدﻫﺎﻳﻲ از آن )ﻣﺎﻧﻨﺪ ﻛﻨﺘﺮل ﭘﺮوژه ﻓﺎزي( اراﺋﻪ‬
‫راﺑﻄﻪ )‪ (7‬ﺗﻐﻴﻴﺮ ﺑﻴﻦ دو وﺿﻌﻴﺖ ﺑﺎ اﻣﻜﺎن ﺧﺎص را ﺑﻴﺎن ﻣﻲﻛﻨﺪ‬ ‫ﺷﺪه اﺳﺖ‪ .‬ﺑﺮاي زﻣﺎن ﭘﻴﻮﺳﺘﻪ‪ ،‬ﻣﻨﻄﻖ دﻳﮕﺮي ﺑﺎ ﻧﺎم ‪ [30] FRTL‬ﺗﻌﺮﻳﻒ‬
‫‪r‬‬ ‫ﺷﺪه و اﻟﮕﻮرﻳﺘﻤﻲ ﺑﺮاي وارﺳﻲ ﮔﺰارهﻫﺎي آن روي ﻳﻚ ردﻳﺎﺑﻲ ﻣﺤﺪود )و‬
‫‪si → s j ⇔ ((si , s j ), r ) ∈ R‬‬ ‫)‪(7‬‬ ‫ﻧﻪ ﻳﻚ ﻣﺪل زﻣﺎﻧﻲ ﻛﺎﻣﻞ( اراﺋﻪ ﺷﺪه اﺳﺖ‪.‬‬
‫ﻳﻚ ﻣﺴﻴﺮ اﺟﺮاﻳﻲ ﻣﺘﻨﺎﻫﻲ ﺑﺎ ﻧﺎم ‪ π‬ﺑﺎ ﺷﺮوع از ‪ s0′‬ﺑﻪ ﺻﻮرت )‪ (8‬ﻗﺎﺑﻞ‬ ‫ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي )‪ (FzPG‬ﻣﻤﻜﻦ اﺳﺖ ﺗﻌﺪاد‬
‫ﺗﻌﺮﻳﻒ اﺳﺖ‬ ‫ﺣﺎﻻت زﻳﺎدي )ﻣﺜﻼً ﺑﻴﺶ از ‪ 2100‬ﮔﺮه( داﺷﺘﻪ ﺑﺎﺷﺪ‪ .‬از اﻳﻦ رو در اﻳﻦ ﻣﻘﺎﻟﻪ‬
‫‪r0‬‬ ‫‪r1‬‬ ‫‪r2‬‬ ‫‪ru −1‬‬ ‫ﻳﻚ ﺳﺮي اﻟﮕﻮرﻳﺘﻢ ﺟﻬﺖ وارﺳﻲ ﻧﻤﺎدﻳﻦ ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي اراﺋﻪ ﺧﻮاﻫﺪ‬
‫‪π ∈ Path fin ( s0′) ⇔ π = s0′ → s1′ → s2′ →…→ su′‬‬ ‫)‪(8‬‬ ‫ﺷﺪ ﻛﻪ ﺑﺎ ﺻﺮف ﺣﺎﻓﻈﻪ ﻣﺼﺮﻓﻲ ﻧﺴﺒﺘﺎً ﻛﻤﻲ وارﺳﻲ ﮔﺰارهﻫﺎ را اﻧﺠﺎم‬
‫‪, ∀i ∈ 0…u − 1 • ri ∈ [0, 1]Δ‬‬ ‫ﻣﻲدﻫﻨﺪ‪ .‬اﻳﻦ اﻟﮕﻮرﻳﺘﻢﻫﺎ از ﻟﺤﺎظ ﻛﺎراﻳﻲ زﻣﺎن و ﺣﺎﻓﻈﻪ ﻣﻮرد ﺗﺤﻠﻴﻞ‬
‫ﻣﺴﻴﺮ اﺟﺮاﻳﻲ ﻧﺎﻣﺘﻨﺎﻫﻲ ﻧﻴﺰ ﺑﻪ ﻃﻮر ﻣﺸﺎﺑﻪ ﻗﺎﺑﻞ ﺑﻴﺎن اﺳﺖ‬ ‫رﻳﺎﺿﻲ ﻗﺮار ﻣﻲﮔﻴﺮﻧﺪ و ﻋﻼوه ﺑﺮ آن ﺑﻪ ﺻﻮرت ﺗﺠﺮﺑﻲ )در وارﺳﻲ ﻳﻚ‬
‫‪r0‬‬ ‫‪r1‬‬ ‫‪r2‬‬ ‫ﻣﺪار ﻓﻠﻴﭗ‪ -‬ﻓﻼپ ‪ D‬ﻓﺎزي( ارزﻳﺎﺑﻲ ﻣﻲﮔﺮدﻧﺪ‪.‬‬
‫…→ ‪π ∈ Pathinf ( s0′) ⇔ π = s0′ → s1′ → s2′‬‬ ‫)‪(9‬‬ ‫ﭘﺲ از اﻳﻦ ﻣﻘﺪﻣﻪ در ﺑﺨﺶﻫﺎي ‪ 2‬ﺗﺎ ‪ 4‬ﺗﻌﺎرﻳﻒ ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﻓﺎزي‪،‬‬
‫‪, ∀i ∈ • ri ∈ [0, 1]Δ‬‬ ‫ﻣﻨﻄﻖ زﻣﺎﻧﻲ ﻓﺎزي ‪ FzCTL‬و ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي اراﺋﻪ ﻣﻲﮔﺮدد‪ .‬در‬
‫ﻳﻚ وﺿﻌﻴﺖ ﺧﺎص از ﻣﺴﻴﺮ و ﻫﻤﭽﻨﻴﻦ ﻳﻚ زﻳﺮﻣﺴﻴﺮ ﺑﻪ ﻛﻤﻚ ﻧﻤﺎدﻫﺎي‬ ‫ﺑﺨﺶ ‪ 5‬ﺑﻪ ﻃﺮاﺣﻲ اﻟﮕﻮرﻳﺘﻢ وارﺳﻲ ﻧﻤﺎدﻳﻦ ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي ﭘﺮداﺧﺘﻪ‬
‫ﺗﻌﺮﻳﻒﺷﺪه در )‪ (10‬ﺑﻴﺎن ﻣﻲﺷﻮد‬ ‫ﻣﻲﺷﻮد و ﻣﺮﺗﺒﻪ زﻣﺎﻧﻲ اﻟﮕﻮرﻳﺘﻢ ﺗﺤﻠﻴﻞ ﻣﻲﮔﺮدد‪ .‬در ﺑﺨﺶ ‪ 6‬ﺑﻪ ﻋﻨﻮان‬
‫• ∈ ‪∀i‬‬ ‫ﻣﻄﺎﻟﻌﻪ ﻣﻮردي‪ ،‬ﻛﺎراﻳﻲ اﻟﮕﻮرﻳﺘﻢ در وارﺳﻲ ﻳﻚ ﻓﻠﻴﭗ‪ -‬ﻓﻼپ ‪ D‬ﻓﺎزي‬
‫‪ri‬‬ ‫‪ri +1‬‬ ‫)‪(10‬‬ ‫ارزﻳﺎﺑﻲ ﺧﻮاﻫﺪ ﺷﺪ و ﻧﻬﺎﻳﺘﺎً در ﺑﺨﺶ ‪ 7‬ﺑﻪ ﺟﻤﻊﺑﻨﺪي ﻣﺒﺎﺣﺚ ﭘﺮداﺧﺘﻪ‬
‫…→ ‪π [i] = si′ ∧ π [i..] = si′ → si′+1‬‬ ‫ﻣﻲﺷﻮد و ﭘﻴﺸﻨﻬﺎدﻫﺎﻳﻲ ﺟﻬﺖ اداﻣﻪ ﻛﺎر اراﺋﻪ ﻣﻲﮔﺮدد‪.‬‬

‫‪ -3‬ﻣﻨﻄﻖ زﻣﺎﻧﻲ ﻓﺎزي ‪FZCTL‬‬ ‫‪ -2‬ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﻓﺎزي ‪FZKRIPKE‬‬

‫ﻗﺒﻞ از ﺗﻮﺻﻴﻒ اﻳﻦ زﺑﺎن‪ ،‬ﻻزم اﺳﺖ اﻋﻤﺎل ﻓﺎزي ﻣﻮرد ﻧﻴﺎز ﺗﻌﺮﻳﻒ‬ ‫ﻫﺮ ﭼﻨﺪ ﻣﻨﻄﻖ ﻓﺎزي ﻋﻤﺪﺗﺎً ﺑﺮ روي ﺑﺎزه ﭘﻴﻮﺳﺘﻪ ]‪ [0,1‬ﺗﻌﺮﻳﻒ و ﻣﻮرد‬
‫ﮔﺮدﻧﺪ‪ .‬ﭘﻴﺎدهﺳﺎزي اﻋﻤﺎل ﻓﺎزي داراي ﺗﻨﻮع ﺑﺴﻴﺎر ﺑﺎﻻﻳﻲ اﺳﺖ ]‪ [15‬و ]‪[16‬‬ ‫اﺳﺘﻔﺎده ﻗﺮار ﻣﻲﮔﻴﺮد اﻣﺎ در اﻳﻦ ﻣﻘﺎﻟﻪ ﺟﻬﺖ ﺳﺎدﮔﻲ‪ ،‬ﻣﺪلﻫﺎ و ﻣﻨﻄﻖﻫﺎي‬
‫اﻣﺎ در اﻳﻦ ﻣﻘﺎﻟﻪ از ﺳﺎدهﺗﺮﻳﻦ ﭘﻴﺎدهﺳﺎزي اﻋﻤﺎل ﻓﺎزي اﺳﺘﻔﺎده ﺷﺪه ﻛﻪ‬ ‫زﻣﺎﻧﻲ ﻓﺎزي روي ﺑﺎزه ﻛﻮاﻧﺘﻴﺰهﺷﺪه ‪ [0,1]Δ‬ﺗﻌﺮﻳﻒ ﻣﻲﮔﺮدﻧﺪ ﻛﻪ در آن‬
‫ﺧﻮاص آﻧﻬﺎ ﺑﺎ اﻋﻤﺎل ﻣﻨﻄﻘﻲ ﺟﺒﺮﻫﺎي ﺷﺒﻪﺑﻮﻟﻲ ﻣﺮﺑﻮط ﺑﻪ ‪ XCTL‬ﺷﺒﺎﻫﺖ‬ ‫‪ Δ‬ﻳﻚ ﻋﺪد ﻛﻮﭼﻚ )ﺑﻪ ﺻﻮرت ﻣﻌﻜﻮس ﻳﻚ ﻋﺪد ﻃﺒﻴﻌﻲ( اﺳﺖ و ﺑﺎزه‬
‫دارد‪ .‬اﻳﻦ ﭘﻴﺎدهﺳﺎزي ﺑﻪ ﺻﻮرت )‪ (11‬اﺳﺖ‬ ‫ﻛﻮاﻧﺘﻴﺰه ﺑﻪ ﺻﻮرت )‪ (1‬ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‬
‫‪a‬‬ ‫‪b = min(a, b) , ¬a = 1 − a , a‬‬ ‫‪b = max(a, b) ,‬‬ ‫}‪[0, 1]Δ = {k Δ : k ∈ 0…1 Δ‬‬ ‫)‪(1‬‬
‫)‪(11‬‬
‫‪a → b = max(b, 1 − a) = b‬‬ ‫‪a , true = 1 , false = 0‬‬
‫ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﻓﺎزي )‪ (FzKripke‬ﻛﻮاﻧﺘﻴﺰه ﺣﺎﻟﺖ ﺧﺎﺻﻲ از ‪XKripke‬‬
‫ﻏﻴﺮ از اﻳﻦ اﻋﻤﺎل‪ ،‬ﻋﻤﻞ اﺷﺒﺎع روي ﻳﻚ ﻣﻘﺪار ﺣﻘﻴﻘﻲ ﺑﻪ ﺻﻮرت )‪(12‬‬ ‫اﺳﺖ ﻛﻪ در ﺟﺒﺮ ﺷﺒﻪﺑﻮﻟﻲ ﻣﺮﺗﺒﻂ ﺑﺎ آن از ﻣﺠﻤﻮﻋﻪ ‪ [0,1]Δ‬اﺳﺘﻔﺎده ﻣﻲﺷﻮد‬
‫ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد )از ﻛﻠﻤﻪ اﺷﺒﺎع در ]‪ [23‬ﺑﺎ ﺗﻌﺮﻳﻔﻲ ﻣﺸﺎﺑﻪ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ(‬ ‫و از ﻃﺮﻓﻲ ﺷﺒﺎﻫﺖ زﻳﺎدي ﺑﻪ ﮔﺮاف ﻓﺎزي ]‪ [31‬دارد‪ .‬اﻳﻦ ﻣﺪل ﺑﻪ ﺻﻮرت‬
‫))‪a = max(0, min(1, a‬‬ ‫)‪(12‬‬ ‫ﭼﻨﺪﺗﺎﻳﻲ ﻣﺮﺗﺐ ) ‪ M = ( S , X , R, L, I‬اﺳﺖ و در آن ‪X = x1 , …, xm‬‬
‫ﻋﻤﻞ اﺷﺒﺎع ﮔﺴﺴﺘﻪ ﻧﻴﺰ ﺑﻪ ﺻﻮرت )‪ (13‬ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‬ ‫ﻣﺠﻤﻮﻋﻪاي از ﺻﻔﺎت و } ‪ S = {s1 ,…, sn‬ﻣﺠﻤﻮﻋﻪ وﺿﻌﻴﺖﻫﺎﺳﺖ‪ .‬ﻫﺮ‬
‫ﺻﻔﺖ داراي ﻳﻚ اﻣﻜﺎن اﺳﺖ و ﻣﻘﺎدﻳﺮ ﻣﺨﺘﻠﻒ اﻣﻜﺎن ﺑﺮاي ﻛﻞ ﺻﻔﺎت در‬
‫‪a‬‬
‫‪a‬‬ ‫‪ε‬‬ ‫] [‪= ε‬‬ ‫)‪(13‬‬ ‫ﻗﺎﻟﺐ ) ‪ ValΔ ( X‬ﻗﺎﺑﻞ ﺑﻴﺎن اﺳﺖ‬
‫‪ε‬‬
‫} ‪ValΔ ( X ) = {v1 ,…, vm vi ∈ [0, 1]Δ‬‬ ‫)‪(2‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻌﺎرﻳﻒ ﻓﻮق‪ ،‬ﻧﺤﻮ ﮔﺰارهﻫﺎي روي وﺿﻌﻴﺖ )ﺑﺎ ﻋﻨﻮان ‪ ( ϕ‬و‬
‫ﮔﺰارهﻫﺎي روي ﻣﺴﻴﺮ )ﺑﺎ ﻋﻨﻮان ‪ ( Φ‬در ﻗﺎﻟﺐ ﮔﺮاﻣﺮ )‪ (14‬ﻗﺎﺑﻞ ﺑﻴﺎﻧﻨﺪ‬ ‫روي ﻫﺮ ﻣﻘﺪارﮔﻴﺮي ﺧﺎص ﺑﺮاي ﺻﻔﺎت‪ ،‬ﻣﻲﺗﻮان دﺳﺘﺮﺳﻲ ﺑﻪ ﻳﻚ ﻣﻘﺪار‬
‫‪ϕ ::= r x ϕ ϕ‬‬ ‫‪ϕ ϕ ≥ ϕ ϕ + ϕ AΦ EΦ‬‬ ‫ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﻳﻚ ﺻﻔﺖ را ﺑﻪ ﻛﻤﻚ ﻋﻤﻞ ﻧﻘﻄﻪ ﻣﺸﺨﺺ ﻛﺮد‬
‫)‪(14‬‬ ‫‪μ ∈ValΔ ( X ) , μ = v1 ,…, vm ⇒ μ.xi = vi‬‬ ‫)‪(3‬‬
‫‪Φ ::= X ϕ ϕU ϕ , r , ε ∈ [0 , 1]Δ , ε > 0 , x ∈ X‬‬

‫ﺟﻤﻊ ﻣﺤﺪود ‪ ϕ + ϕ‬در ‪ XCTL‬دﻳﺪه ﻧﺸﺪه وﻟﻲ در اﻳﻦ ﻣﻨﻄﻖ ﻟﺤﺎظ‬ ‫ﺗﺎﺑﻊ ﺑﺮﭼﺴﺐﮔﺬاري ‪ L‬ﺑﺮاي ﻫﺮ وﺿﻌﻴﺖ ﻳﻚ ﻣﻘﺪارﮔﻴﺮي را ﻣﻨﺴﻮب‬
‫ﺷﺪه اﺳﺖ‪ .‬در اﻳﻦ دو ﮔﺰاره از ﻋﻤﻞ اﺷﺒﺎع و اﺷﺒﺎع ﮔﺴﺴﺘﻪ اﺳﺘﻔﺎده ﻣﻲﺷﻮد‬ ‫ﻣﻲﻛﻨﺪ و ﺗﺎﺑﻊ ‪ R‬اﻣﻜﺎن اﻧﺘﻘﺎل از ﻳﻚ وﺿﻌﻴﺖ ﺑﻪ وﺿﻌﻴﺖ دﻳﮕﺮ را‬
‫ﻣﺸﺨﺺ ﻣﻲﺳﺎزد‪ .‬اﻣﻜﺎن ورود ﺑﻪ ﻫﺮ ﮔﺮه در ﻣﻮﻗﻊ ﺷﺮوع ﺑﻪ ﻛﻤﻚ ﺗﺎﺑﻊ ‪I‬‬
‫‪1. Single Source‬‬ ‫ﺑﻴﺎن ﻣﻲﺷﻮد‬
‫‪57‬‬ ‫ﺳﺘﻮده و ﻣﻮﻗﺮ رﺣﻴﻢآﺑﺎدي‪ :‬وارﺳﻲ ﻧﻤﺎدﻳﻦ ﮔﺰارهﻫﺎي ﻣﻨﻄﻖ زﻣﺎﻧﻲ ﻓﺎزي روي ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي‬

‫ﻣﻲﺗﻮان ﻫﺮ ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﻓﺎزي ) ‪ M = ( S , X , R, L, I‬را ﺑﻪ ﻣﺪل‬ ‫و ﻋﻼوه ﺑﺮ ﻗﻴﺪﻫﺎي ﺑﻌﺪ ًا ) ‪ ( X‬و ﺗﺎ وﻗﺘﻲ ) ‪ (U‬ﻗﻴﺪﻫﺎي ﻧﻬﺎﻳﺘﺎً و داﺋﻤﺎً ﺑﻪ‬
‫ﻛﺮﻳﭙﻜﻪ ﻓﺎزي ﺗﻚﻣﺒﺪأ )‪ M ′ = ( S ′, X , R′, L′, I ′‬ﺗﺒﺪﻳﻞ ﻛﺮد‪ .‬ﺑﺮاي اﻳﻦ‬ ‫ﺻﻮرت )‪ (15‬ﻗﺎﺑﻞ ﺗﻌﺮﻳﻔﻨﺪ‬
‫ﻛﺎر ﺑﺎﻳﺪ ﻳﻚ ﮔﺮه ﺟﺪﻳﺪ ﻣﺜﻞ ‪ ι‬را ﺑﻪ ﻋﻨﻮان ﻣﺒﺪأ ﺑﻪ ‪ S‬اﺿﺎﻓﻪ ﻧﻤﻮد‪ .‬ﺑﻪ‬ ‫‪AF Φ = A(trueU Φ) , AGΦ = EF Φ ,‬‬
‫)‪(15‬‬
‫ازاي ﻫﺮ ﮔﺮه ‪ s ∈ S‬ﺗﺴﺎوي ) ‪ R′(ι , s) = I ( s‬در ﺗﺎﺑﻊ ﮔﺬر ﻣﺪل ﺟﺪﻳﺪ‬ ‫‪EF Φ = E (trueU Φ) , EGΦ = AF Φ‬‬
‫ﺑﺎﻳﺪ ﻟﺤﺎظ ﺷﻮد و ﺑﺮاي ﮔﺬر ﺑﻴﻦ ﮔﺮهﻫﺎي ‪ S‬ﻋﻤﻠﻜﺮد ‪ R‬و ‪ R′‬ﻳﻜﺴﺎن‬
‫ﻳﻚ ﺳﺮي اﻋﻤﺎل ﻛﻤﻜﻲ ﻧﻴﺰ ﺑﻪ ﮔﺮاﻣﺮ ﻗﺎﺑﻞ اﺿﺎﻓﻪﻛﺮدن ﻫﺴﺘﻨﺪ ﻛﻪ ﺑﻪ‬
‫در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﻮد‪ .‬ﺗﺎﺑﻊ ‪ L′‬را ﺑﺎﻳﺪ ﻃﻮري در ﻧﻈﺮ ﮔﺮﻓﺖ ﻛﻪ ﺑﺮاي ﮔﺮه‬
‫ﻛﻤﻚ ﺳﺎﻳﺮ اﻋﻤﺎل ﻗﺎﺑﻞ ﺑﻴﺎﻧﻨﺪ‪ .‬اﻳﻦ اﻋﻤﺎل ﺑﺮاي ﮔﺰارهﻫﺎي روي وﺿﻌﻴﺖ‬
‫ﻣﺒﺪأ‪ ،‬اﻣﻜﺎن ﺗﻤﺎم ﻣﺘﻐﻴﺮﻫﺎ را ﺻﻔﺮ ﺑﺮﮔﺮداﻧﺪ و ﺑﺮاي ﺳﺎﻳﺮ ﮔﺮهﻫﺎ ﻋﻤﻠﻜﺮد ‪L‬‬
‫ﻗﺎﺑﻞ اﺳﺘﻔﺎدهاﻧﺪ‪ .‬ﻏﻴﺮ از اﻋﻤﺎل ﻣﻨﻄﻘﻲ → و ﻛﻪ ﻗﺒﻼً ﺗﻌﺮﻳﻒ ﺷﺪ‪ ،‬ﻋﻤﻞ‬
‫را داﺷﺘﻪ ﺑﺎﺷﺪ و ﻋﻤﻠﻜﺮد ‪ I ′‬ﻧﻴﺰ ﻃﺒﻖ ﺗﻌﺮﻳﻒ ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﺗﻚﻣﺒﺪأ ﺧﻮاﻫﺪ‬
‫ﺗﻔﺎﺿﻞ ﻣﺤﺪود ﻧﻴﺰ ﻗﺎﺑﻞ ﺗﻌﺮﻳﻒ اﺳﺖ‬
‫ﺑﻮد‪ .‬ﺑﺮاي وارﺳﻲ ﺧﺎﺻﻴﺘﻲ ﻣﺎﻧﻨﺪ ‪ ϕ‬روي ‪ M‬ﻛﺎﻓﻲ اﺳﺖ ﮔﺰاره ) ‪AX (ϕ‬‬
‫‪a − b = ¬ (¬a ) + b‬‬ ‫)‪(16‬‬
‫را روي ‪ M ′‬وارﺳﻲ ﻛﺮد‪ .‬ﻣﺪل ﺗﻚﻣﺒﺪأ ‪ M ′‬ﺑﺎ ﻣﺒﺪأ ‪ ι‬را ﻣﻲﺗﻮان در‬
‫ﻗﺎﻟﺐ ﭼﻨﺪﺗﺎﻳﻲ )‪ ( S ′, X , R ′, L′, i‬ﻧﻴﺰ ﻧﻤﺎﻳﺶ داد‪.‬‬ ‫ﺳﺎﻳﺮ اﻋﻤﺎل ﻣﻘﺎﻳﺴﻪ ﻏﻴﺮ از ≥ ﺑﻪ ﻛﻤﻚ ﻋﻤﻞ ≥ و اﻋﻤﺎل ﻣﻨﻄﻘﻲ ﻗﺎﺑﻞ‬
‫ﺗﻌﺮﻳﻒ ﻫﺴﺘﻨﺪ‪.‬‬
‫‪ -4‬ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي ‪FZPG‬‬ ‫از ﻧﻤﺎد ‪ P‬و ﺑﺮاي ﺑﻴﺎن اﻣﻜﺎن ﺑﺮﻗﺮاري ﻳﻚ ﮔﺰاره‪ ،‬ﻣﺸﺮوط ﺑﻪ‬
‫ﺑﺎ ﺗﻌﻤﻴﻢ ﻣﺪل ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ‪ PG‬ﻣﻄﺮحﺷﺪه در ]‪ [2‬ﻣﻲﺗﻮان ﻣﺪل‬ ‫ﺣﻀﻮر در ﻳﻚ وﺿﻌﻴﺖ ﻳﺎ ﻣﺴﻴﺮ‪ ،‬اﺳﺘﻔﺎده ﻣﻲﺷﻮد‬
‫ﺟﺪﻳﺪي اﻳﺠﺎد ﻛﺮد ﻛﻪ در ﻗﺎﻟﺐ ﭼﻨﺪﺗﺎﻳﻲ ) ‪G = ( S , s0 , X , Init , Act‬‬ ‫‪P( M , s ϕ ) = P(ϕ M , s) ,‬‬
‫ﻗﺎﺑﻞ ﺑﻴﺎن اﺳﺖ و در آن ‪ s0 ∈ S‬ﺣﺎﻟﺖ ﺷﺮوع ﺑﻮده‪ Init ،‬ﺗﺎﺑﻌﻲ اﺳﺖ ﻛﻪ‬ ‫)‪(17‬‬
‫‪P( M , π‬‬ ‫) ‪Φ ) = P (Φ M , π‬‬
‫اﻣﻜﺎن ورود ﺑﻪ ﮔﺮه ﺷﺮوع را ﺑﻴﺎن ﻣﻲﻛﻨﺪ و راﺑﻄﻪ ‪ Act‬ﺑﻴﺎﻧﮕﺮ ﻳﺎلﻫﺎي‬
‫اﻧﺘﻘﺎل ﺑﻴﻦ ﮔﺮهﻫﺎ اﺳﺖ‪ .‬ﺑﺮﭼﺴﺐ ﻫﺮ ﻳﺎل ﻳﻚ زوج ﻣﺮﺗﺐ اﺳﺖ ﻛﻪ ﺑﺨﺶ‬ ‫ﻣﻌﻨﺎي ﮔﺰارهﻫﺎي روي وﺿﻌﻴﺖﻫﺎ در )‪ (18‬ﺗﺎ )‪ (21‬دﻳﺪه ﻣﻲﺷﻮد‬
‫اول آن‪ ،‬ﺗﺎﺑﻌﻲ اﺳﺖ ﻛﻪ اﻣﻜﺎن اﻧﺘﻘﺎل را ﺑﻴﺎن ﻣﻲﻛﻨﺪ و ﺑﺨﺶ دوم آن‪،‬‬ ‫‪P( M , s r ) = r‬‬ ‫)‪(18‬‬
‫ﺗﺎﺑﻌﻲ اﺳﺖ ﻛﻪ اﻣﻜﺎن ﺻﻔﺎت وﺿﻌﻴﺖ ﻗﺒﻞ را ﺑﻪ اﻣﻜﺎن ﺻﻔﺎت وﺿﻌﻴﺖ‬ ‫‪P( M , s‬‬ ‫‪x) = L( s).x‬‬ ‫)‪(19‬‬
‫ﺟﺪﻳﺪ‪ ،‬ﻧﮕﺎﺷﺖ ﻣﻲﻛﻨﺪ‬
‫‪P( M , s‬‬ ‫) ‪¬ϕ ) = ¬P( M , s ϕ‬‬ ‫)‪(20‬‬
‫‪Init ∈ FΔ, X , Act ∈ S × S ↔ FΔ, X × GΔ, X‬‬ ‫)‪(28‬‬
‫) ‪P( M , s ϕ opψ ) = P( M , s ϕ ) op P( M , s ψ‬‬ ‫)‪(21‬‬
‫در اﻳﻦ ﺗﻌﺮﻳﻒ ) ‪ FΔ , X ∈ P (ValΔ ( X ) → [0,1]Δ‬و ‪ GΔ , X = FΔX, X‬و‬
‫ﺗﻮاﺑﻊ ﻣﺘﻌﻠﻖ ﺑﻪ ‪ FΔX, X‬داراي اﻳﻦ ﻣﺤﺪودﻳﺘﻨﺪ ﻛﻪ ﺑﺎﻳﺪ از ﻧﺤﻮ ﮔﺮاﻣﺮ )‪(29‬‬ ‫ﻛﻪ در آن ‪ op‬ﻣﻲﺗﻮاﻧﺪ اﻋﻤﺎل ﻣﻨﻄﻘﻲ دوﺗﺎﻳﻲ‪ ،‬ﻣﻘﺎﻳﺴﻪ و ﺟﻤﻊ )و ﺗﻔﺮﻳﻖ(‬
‫ﺗﺒﻌﻴﺖ ﻛﻨﻨﺪ‬ ‫ﻣﺤﺪود ﺑﺎﺷﺪ‪ .‬ﻧﺘﻴﺠﻪ اﻋﻤﺎل ﻣﻘﺎﻳﺴﻪ ﻓﻘﻂ ﺻﻔﺮ ﻳﺎ ﻳﻚ ﺧﻮاﻫﺪ ﺑﻮد‬
‫‪ϕ ::= r x ϕ ϕ ϕ ϕ ≥ ϕ ϕ + ϕ‬‬ ‫‪P( M , s‬‬ ‫= )‪AΦ‬‬ ‫∏‬ ‫‪P( M , π‬‬ ‫‪A‬‬ ‫)‪Φ‬‬
‫)‪(29‬‬ ‫) ‪π ∈Pathinf ( s‬‬
‫‪x ∈ X , r , ε ∈ [0, 1]Δ , ε > 0‬‬ ‫)‪(22‬‬
‫‪P( M , s‬‬ ‫= )‪EΦ‬‬ ‫‪P( M , π‬‬ ‫‪E‬‬ ‫)‪Φ‬‬
‫) ‪π ∈Pathinf ( s‬‬
‫ﺳﺎﻳﺮ اﻋﻤﺎل ﻣﻨﻄﻘﻲ‪ ،‬اﻋﻤﺎل ﻣﻘﺎﻳﺴﻪ و ﺗﻔﺮﻳﻖ ﻣﺤﺪود از روي اﻋﻤﺎل‬
‫ﺑﻴﺎنﺷﺪه در ﻧﺤﻮ ﻓﻮق‪ ،‬ﻗﺎﺑﻞ اﺳﺘﺨﺮاج ﻫﺴﺘﻨﺪ‪.‬‬ ‫ﻣﻌﻨﺎي ﮔﺰارهﻫﺎي روي ﻣﺴﻴﺮ در )‪ (23‬ﺗﺎ )‪ (25‬دﻳﺪه ﻣﻲﺷﻮد‬
‫ﺑﺮاي ﺑﻴﺎن ﻣﻌﻨﺎي ﻳﻚ ‪ FzPG‬ﻣﻲﺗﻮان ﻳﻚ ‪ FzKripke‬ﻣﻌﺎدل را‬ ‫)‪P( M , π E X ϕ ) = R(π [0], π [1]) P( M , π [1] ϕ ) (23‬‬
‫ﺗﻌﺮﻳﻒ ﻛﺮد‪ .‬ﻣﻌﺎدل ﺑﺎ ﻣﺪل ) ‪ G = ( S , s0 , X , Init , Act‬ﻛﺮﻳﭙﻜﻪ ﻓﺎزي‬
‫‪P( M , π‬‬ ‫) ‪X ϕ ) = R(π [0], π [1]) → P( M , π [1] ϕ‬‬ ‫)‪(24‬‬
‫) ‪ KG = ( S ′, X , R, L, I‬ﻗﺎﺑﻞ ﺗﺼﻮر اﺳﺖ ﻛﻪ در آن‬ ‫‪A‬‬

‫) ‪S ′ = S ×ValΔ ( X‬‬ ‫)‪(30‬‬ ‫‪P( M , π‬‬ ‫‪Q‬‬ ‫‪ϕ U ψ ) = P( M , π‬‬ ‫‪Q‬‬ ‫)‪ψ‬‬
‫‪( P( M , π‬‬ ‫)‪ϕ‬‬ ‫‪P( M , π‬‬ ‫‪X (ϕ U ψ ))),‬‬ ‫)‪(25‬‬
‫‪⎧ Init (η ) , s = s0‬‬
‫‪Q‬‬ ‫‪Q‬‬

‫⎨ = ) ‪∀η ∈ValΔ ( X ) , s ∈ S • I ( s,η‬‬ ‫)‪(31‬‬ ‫}‪Q ∈ { A E‬‬

‫‪⎩0 , s ≠ s0‬‬
‫ﺑﺮﻗﺮاري ﻳﻚ ﮔﺰاره روي ﻛﻞ ﻣﺪل ﺑﻪ ﺻﻮرت )‪ (26‬اﺳﺖ‬
‫‪∀η ∈ValΔ ( X ) , s ∈ S • L(s,η ) = η‬‬ ‫)‪(32‬‬
‫)) ‪P(M ϕ ) = ∏( I ( s) → P( M , s ϕ‬‬ ‫)‪(26‬‬
‫• ‪∀η ,η ′ ∈ValΔ ( X ), s, s′ ∈ S‬‬ ‫‪s∈S‬‬

‫= ))‪R((s,η ),(s′,η ′‬‬ ‫) ‪A(η‬‬ ‫)‪(33‬‬ ‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻌﻨﺎي ﮔﺰارهﻫﺎي اﻳﻦ ﻣﻨﻄﻖ‪ ،‬ﺗﺴﺎويﻫﺎي )‪ (27‬ﺑﺮﻗﺮار‬
‫) ‪(( s , s′ ),( A, B ))∈Act ,η ′= B (η‬‬
‫ﺧﻮاﻫﺪ ﺑﻮد‬
‫ﻣﻮﻗﻌﻲ ﻛﻪ ‪ FzKripke‬ﻣﻌﺎدل‪ ،‬ﮔﺰارهاي را ﺑﺎ اﻣﻜﺎن ﺧﺎﺻﻲ ﺑﭙﺬﻳﺮد‬ ‫‪E (ϕ U ψ ) = μ Z .(ψ‬‬ ‫‪(ϕ‬‬ ‫‪EX Z )) ,‬‬
‫)‪(27‬‬
‫ﻣﻲﮔﻮﻳﻴﻢ ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻧﻴﺰ ﺑﺎ ﻫﻤﺎن اﻣﻜﺎن‪ ،‬ﮔﺰاره را ﻣﻲﭘﺬﻳﺮد‪ .‬در ﻣﺒﺎﺣﺚ‬ ‫‪A(ϕ U ψ ) = ν Z .(ψ‬‬ ‫‪(ϕ‬‬ ‫)) ‪EX Z‬‬
‫ﺑﻌﺪ ﻓﺮض ﻣﻲﺷﻮد ﻛﻪ ﺗﺎﺑﻊ ‪ Init‬ﺑﺮاي ﮔﺮه ﺷﺮوع ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي‪ ،‬ﻣﻘﺪار‬
‫ﻛﻪ در آن ﻧﻤﺎدﻫﺎي ‪ μ‬و ‪ ν‬ﺑﻪ ﻣﻌﻨﺎي ﺑﺰرگﺗﺮﻳﻦ و ﻛﻮﭼﻚﺗﺮﻳﻦ ﻧﻘﻄﻪ‬
‫ﺛﺎﺑﺖ ﻳﻚ داﺷﺘﻪ ﺑﺎﺷﺪ و ﺑﺮاي ﺑﻘﻴﻪ ﮔﺮهﻫﺎ ﺻﻔﺮ ﺑﺎﺷﺪ‪ .‬اﮔﺮ ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي‬
‫ﺛﺎﺑﺖ‪ 1‬اﺳﺖ‪.‬‬
‫ﭼﻨﻴﻦ ﻧﺒﺎﺷﺪ ﻣﻲﺗﻮان ﺑﺎ اﺿﺎﻓﻪﻛﺮدن ﻳﻚ ﮔﺮه ﺻﻮري ﻣﺎﻧﻨﺪ ‪ ι‬ﺑﻪ آن ﻣﺒﺪأ‬
‫ﺟﺪﻳﺪي اﻳﺠﺎد ﻛﺮد ﻛﻪ ‪ Init‬ﺑﺮاي آن ﻫﻤﻴﺸﻪ ﻣﻘﺪار ﻳﻚ اﺳﺖ و در ﻋﻮض‬
‫ﺑﺎﻳﺪ ﺗﺎﺑﻊ ‪ Init‬ﻗﺒﻠﻲ را ﺑﺎ ‪ Act‬ادﻏﺎم ﻛﺮد‪.‬‬ ‫‪1. Fixed-Point‬‬
‫ﻧﺸﺮﻳﻪ ﻣﻬﻨﺪﺳﻲ ﺑﺮق و ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ اﻳﺮان‪ ،‬ب‪ -‬ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ‪ ،‬ﺳﺎل ‪ ،15‬ﺷﻤﺎره ‪ ،1‬ﺑﻬﺎر ‪1396‬‬ ‫‪58‬‬

‫ﺟﺪول ‪ :1‬ﺗﻮاﺑﻊ ﻛﺎر ﺑﺎ ﺑﺮدارﻫﺎي ‪.OBDD‬‬

‫ﻋﻤﻠﻜﺮد‬ ‫ﺗﺎﺑﻊ‬
‫ﻧﻤﺎﻳﺶ ﺑﺎﻳﻨﺮي ﻋﺪد ﺻﺤﻴﺢ ‪ c‬در ﻗﺎﻟﺐ ﻳﻚ ﺑﺮدار‬ ‫)‪v_const (c‬‬
‫ﺗﺒﺪﻳﻞ ﺑﺮدار ‪ v‬ﺑﻪ ﻋﺪد ﺻﺤﻴﺢ ﻣﻌﺎدل‬ ‫)‪v_val (v‬‬
‫ﭘﺎراﻣﺘﺮ ‪ q‬ﻳﻚ ‪ OBDD‬و دو ﺗﺎي دﻳﮕﺮ دو ﺑﺮدار اﺳﺖ و ﻧﺘﻴﺠﻪ ﺗﺎﺑﻊ ﺑﺮداري از‬
‫)‪v_if (q, v1, v2‬‬
‫‪ OBDD‬ﻫﺎﺳﺖ ﻛﻪ دراﻳﻪ ‪ i‬ام آن ﺑﺮاﺑﺮ ﺑﺎ )]‪ if (d , v1[i], v2 [i‬اﺳﺖ‪.‬‬
‫ﻣﻘﺎﻳﺴﻪ دو ﺑﺮدار از ‪ OBDD‬ﻫﺎ و اﻳﺠﺎد ﻳﻚ ‪ .OBDD‬ﺑﺮاي اﺧﺘﺼﺎر ﻣﻲﺗﻮان ‪ v1 ≥ v2‬را ﺑﻪ‬ ‫‪v_eql (v1, v2) , v_neq (v1, v2) , v_grt (v1, v2) ,‬‬
‫ﺟﺎي )‪ v_geq (v1, v2‬ﺑﻪ ﻛﺎر ﺑﺮد‪ .‬ﺑﻪ ﻃﻮر ﻣﺸﺎﺑﻪ ﺳﺎﻳﺮ اﻋﻤﺎل ﻣﻘﺎﻳﺴﻪ ﻗﺎﺑﻞ ﺗﻌﺮﻳﻒ ﻫﺴﺘﻨﺪ‪.‬‬ ‫)‪v_geq (v1, v2) , v_lst (v1, v2) , v_leq (v1, v2‬‬
‫ﺟﻤﻊ و ﺗﻔﺮﻳﻖ دو ﺑﺮدار و اﻳﺠﺎد ﺑﺮدار ﺳﻮم ﺑﺎ ﻫﻤﺎن ﺗﻌﺪاد دراﻳﻪ‬ ‫)‪v_sub (v1, v2) , v_add (v1, v2‬‬
‫ﺿﺮب و ﺗﻘﺴﻴﻢ ﺻﺤﻴﺢ ﻳﻚ ﺑﺮدار ﺑﺎ ﻳﻚ ﻋﺪد ﺛﺎﺑﺖ و اﻳﺠﺎد ﺑﺮداري ﺟﺪﻳﺪ‬ ‫)‪v_mult (v1, c) , , v_div (v1, c‬‬
‫ﻣﻌﺎدل )‪ v_const (0‬و ) ‪v_const (2d‬‬ ‫‪False, True‬‬

‫‪Δ‬‬ ‫اﻋﺪاد ﺷﺮﻛﺖﻛﻨﻨﺪه در ﮔﺮاف ﺑﺮﻧﺎﻣﻪ و ﻓﺮﻣﻮلﻫﺎي ﻣﻮرد وارﺳﻲ ﺿﺮﻳﺐ‬

‫ﺑﺎﺷﻨﺪ( ﺑﺮاي ﻧﻤﺎﻳﺶ اﻋﺪاد و اﻣﻜﺎن زﻳﺮﻓﺮﻣﻮلﻫﺎ ﻣﻲﺗﻮان ‪ d + 1‬ﺑﻴﺖ )ﺑﺎ‬
‫اﻧﺪﻳﺲ ﺻﻔﺮ ﺑﺮاي ﻛﻢارزشﺗﺮﻳﻦ و ‪ d‬ﺑﺮاي ﭘﺮارزشﺗﺮﻳﻦ( در ﻧﻈﺮ ﮔﺮﻓﺖ‪.‬‬
‫اﻳﻦ ﺑﻴﺖﻫﺎ ﺑﺎ ﺿﺮب اﻳﻦ اﻋﺪاد ﮔﻮﻳﺎ در ‪ 2d‬و ﻧﻤﺎﻳﺶ ﺑﺎﻳﻨﺮي ﺣﺎﺻﻞ در‬
‫‪ d + 1‬رﻗﻢ ﺑﻪ دﺳﺖ ﻣﻲآﻳﻨﺪ‪ .‬ﺑﻪ ﻋﻨﻮان ﻧﻤﻮﻧﻪ ﺑﺮاي ﺑﻴﺎن ﻋﺪد اﻋﺸﺎري ‪1‬‬
‫ﻛﺎﻓﻲ اﺳﺖ ﻳﻚ دﻧﺒﺎﻟﻪ ﺣﺎوي ﻳﻚ ﺑﻴﺖ ‪ 1‬و ‪ d‬ﺑﻴﺖ ‪ 0‬در ﻧﻈﺮ ﮔﺮﻓﺖ‪.‬‬
‫ﻋﻼوه ﺑﺮ اﻋﺪاد‪ ،‬ﺻﻔﺎت ﻧﻴﺰ ﺑﺎﻳﺪ در ﻗﺎﻟﺒﻲ ﻧﻤﺎدﻳﻦ ﻛﺪ ﺷﻮﻧﺪ‪ .‬ﺑﺮاي‬
‫ﻛﺪﻛﺮدن ﻫﺮ ﻣﺘﻐﻴﺮ از ﺑﺮداري ﺣﺎوي ‪ d + 1‬ﻣﺘﻐﻴﺮ ﺳﺎده اﺳﺘﻔﺎده ﻣﻲﺷﻮد‪.‬‬
‫اﮔﺮ ‪ Wi‬ﺑﻴﺎﻧﮕﺮ ﺑﺮدار ﻣﻌﺎدل ﺑﺎ ﺻﻔﺖ ‪ xi‬ﺑﺎﺷﺪ ﻣﻲﺗﻮان آن را ﺑﻪ ﺻﻮرت‬
‫)‪ (34‬ﻧﻤﺎﻳﺶ داد‬
‫‪Wi = wi0 ,…, wid‬‬ ‫)‪(34‬‬
‫از اﻳﻦ ﺳﺎﺧﺘﻤﺎن داده ﻋﻼوه ﺑﺮ ذﺧﻴﺮهﺳﺎزي ﻳﻚ ﺗﺎﺑﻊ ﻣﻨﻄﻘﻲ ﻣﻲﺗﻮان‬
‫ﻫﻤﭽﻨﻴﻦ اﺟﺘﻤﺎع ﺗﻤﺎم ﻣﺘﻐﻴﺮﻫﺎي ﺷﺮﻛﺖﻛﻨﻨﺪه در ‪ Wi‬ﻫﺎ‪ W ،‬ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد‬
‫ﺑﺮاي ذﺧﻴﺮهﺳﺎزي ﻳﻚ راﺑﻄﻪ و ﻳﺎ ﻳﻚ ﻣﺪل ﮔﺮاﻓﻲ )ﻣﺎﻧﻨﺪ ﻣﺪل ﻛﺮﻳﭙﻜﻪ(‬
‫‪W = W1 ,…,Wk‬‬ ‫)‪(35‬‬
‫ﺑﺮاي ﻛﺪﻛﺮدن ﮔﺮهﻫﺎي ﮔﺮاف ﻧﻴﺎز ﺑﻪ ] ‪ [log 2S‬ﻣﺘﻐﻴﺮ وﺟﻮد دارد ﻛﻪ اﺟﺘﻤﺎع‬
‫آﻧﻬﺎ ﺑﺎ ‪ U‬ﻧﺎمﮔﺬاري ﻣﻲﺷﻮد )در اﻟﮕﻮرﻳﺘﻢﻫﺎي ﺑﻌﺪي‪ ،‬ﻋﻼوه ﺑﺮ‬
‫ﻣﺠﻤﻮﻋﻪﻫﺎي ‪ U‬و ‪ W‬دو ﻣﺠﻤﻮﻋﻪ ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﻧﺎمﻫﺎي ‪ U ′‬و ‪ W ′‬ﺟﻬﺖ‬
‫ﺑﻴﺎن ﻳﺎلﻫﺎي اﻧﺘﻘﺎل اﺳﺘﻔﺎده ﺧﻮاﻫﺪ ﺷﺪ(‪.‬‬
‫در روش ﻧﻤﺎدﻳﻦ اراﺋﻪﺷﺪه‪ ،‬ﺑﻪ ﻃﻮر ﺑﺎزﮔﺸﺘﻲ ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﻫﺮ زﻳﺮﻓﺮﻣﻮل ‪ϕ‬‬
‫ﺑﺮداري از ‪ OBDD‬ﻫﺎ ﺑﺎ ﻧﺎم ) ‪ τ (ϕ‬ﻣﺤﺎﺳﺒﻪ ﻣﻲﺷﻮد‪ .‬ﺑﺮاي اﻋﺪاد‪ ،‬ﺻﻔﺎت و‬
‫ﻋﻤﻠﮕﺮﻫﺎي ﻣﻮﺟﻮد در ﻓﺮﻣﻮل روﻳﻪاي ﺑﺮاي ﺳﺎﺧﺖ ‪ τ‬ﺑﺎﻳﺪ اراﺋﻪ ﺷﻮد‪ .‬ﺑﺮاي‬
‫ﺗﻌﻴﻴﻦ اﻣﻜﺎن ﮔﺰاره روي ﻛﻞ ﮔﺮاف‪ ،‬ﭘﺲ از ﻣﺤﺎﺳﺒﻪ ) ‪ τ (ϕ‬روﻳﻪاي ﺑﺎ‬
‫ﻧﺎم ‪ Evaluate‬ﺑﺮاي ﺗﺒﺪﻳﻞ آن ﺑﻪ ﻳﻚ ﻋﺪد اﻋﺸﺎري اراﺋﻪ ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫ﺑﺮاي ﭘﻴﺎدهﺳﺎزي ) ‪ τ (ϕ‬ﻋﻼوه ﺑﺮ ﺗﻮاﺑﻊ ﻛﺘﺎبﺧﺎﻧﻪاي ﺳﺎﺧﺖ و ﺗﺮﻛﻴﺐ‬
‫‪ OBDD‬ﻫﺎ‪ ،‬ﻧﻴﺎز ﺑﻪ ﻳﻚ ﺳﺮي ﺗﻮاﺑﻊ ﺟﻬﺖ ﻛﺎر ﺑﺎ ﺑﺮداري از ‪ OBDD‬ﻫﺎ‬
‫وﺟﻮد دارد‪ .‬ﻣﻬﻢﺗﺮﻳﻦ اﻳﻦ ﺗﻮاﺑﻊ در ﺟﺪول ‪ 1‬و روش ﺑﺎزﮔﺸﺘﻲ ﻣﺤﺎﺳﺒﻪ‬
‫) ‪ τ (ϕ‬در ﺷﻜﻞ ‪ 1‬دﻳﺪه ﻣﻲﺷﻮد‪.‬‬
‫ﭘﻴﺎدهﺳﺎزي دو ﻋﻤﻞ ‪ Eu‬و ‪ Au‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻔﻬﻮم ﻧﻘﻄﻪ ﺛﺎﺑﺖ‪ ،‬در‬
‫ﺷﻜﻞ ‪ 2‬دﻳﺪه ﻣﻲﺷﻮد‪ .‬اﻳﻦ دو ﻋﻤﻞ از ‪ Ex‬اﺳﺘﻔﺎده ﻣﻲﻛﻨﻨﺪ‪ .‬ﺗﺎﻛﻨﻮن راﺟﻊ‬
‫ﺑﻪ ﭘﻴﺎدهﺳﺎزي آن ﻋﻤﻞ ﺑﺤﺜﻲ ﻧﺸﺪه اﻣﺎ در ﻣﺒﺎﺣﺚ ﺑﻌﺪ‪ ،‬روش ﭘﻴﺎدهﺳﺎزي آن‬
‫ذﻛﺮ ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫ﺑﺮاي ﺑﻪ دﺳﺖ آوردن اﻣﻜﺎن ﻳﻚ ﮔﺰاره ‪ ϕ‬روي ﻛﻞ ﮔﺮاف )ﻛﻪ ) ‪τ (ϕ‬‬
‫آن ﺑﻪ ﺻﻮرت ﺑﺮدار ‪ θ‬اﺳﺖ( ﺗﺴﺎوي )‪ (36‬را ﺧﻮاﻫﻴﻢ داﺷﺖ‬
‫)‪P( KG ϕ ) = ∏ P(M ,(s0 ,η ) ϕ ) = ∏ θ ( s0 ,η ) (36‬‬
‫) ‪η∈Val ( X‬‬ ‫) ‪η∈Val ( X‬‬
‫ﺑﺮاي ﺑﻪ دﺳﺖ آوردن در ﻋﺒﺎرت ﻓﻮق ﻣﻲﺗﻮان از )‪ (37‬و )‪ (38‬ﻛﻪ روي‬
‫ﻫﺮ ﻣﺠﻤﻮﻋﻪ دﻟﺨﻮاه ‪ I‬ﺑﺮﻗﺮار اﺳﺖ اﺳﺘﻔﺎده ﻧﻤﻮد‬
‫‪ -5‬وارﺳﻲ ﻧﻤﺎدﻳﻦ ‪ FZCTL‬روي ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي‬
‫ﻧﻤﻮدار ﺗﺼﻤﻴﻢﮔﻴﺮي دودوﻳﻲ ﻣﺮﺗﺐ )‪ (OBDD‬ﺳﺎﺧﺘﻤﺎن داده ﻓﺸﺮدهاي‬
‫از درﺧﺖ ﺗﺼﻤﻴﻢﮔﻴﺮي اﺳﺖ ﻛﻪ ﻛﺎرﺑﺮد زﻳﺎدي در ﻃﺮاﺣﻲ ﻣﺪارات ﺳﺨﺖ‬
‫اﻓﺰاري داﺷﺘﻪ و ﻛﺎرﺑﺮد دﻳﮕﺮ آن در وارﺳﻲ ﻧﻤﺎدﻳﻦ ﻣﺪلﻫﺎي زﻣﺎﻧﻲ اﺳﺖ و‬
‫در اﺑﺰارﻫﺎﻳﻲ ﻣﺎﻧﻨﺪ ‪ [32] NuSMV‬از آن اﺳﺘﻔﺎده ﮔﺮدﻳﺪه اﺳﺖ‪ .‬اﻳﻦ‬
‫ﺳﺎﺧﺘﻤﺎن داده ﻳﻚ ﮔﺮاف ﺟﻬﺖدار ﺑﺪون ﺣﻠﻘﻪ )‪ (DAG‬اﺳﺖ ﻛﻪ ﮔﺮهﻫﺎي‬
‫ﻣﻴﺎﻧﻲ آن ﻣﺘﻐﻴﺮﻫﺎي ﻳﻚ ﺗﺎﺑﻊ ﻣﻨﻄﻘﻲ ﻫﺴﺘﻨﺪ و ﺑﺮگﻫﺎي آن دو وﺿﻌﻴﺖ‬
‫ﺻﻔﺮ و ﻳﻚ ﻣﻲﺑﺎﺷﻨﺪ‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻳﻚ دﻧﺒﺎﻟﻪ ﻣﺮﺗﺐ از ﻣﺘﻐﻴﺮﻫﺎ‪ ،‬ﻧﻤﻮدار‬
‫ﻃﻮري ﺷﻜﻞ ﻣﻲﮔﻴﺮد ﻛﻪ ﻣﺘﻐﻴﺮﻫﺎي اﺑﺘﺪاي دﻧﺒﺎﻟﻪ‪ ،‬در ﺑﺎﻻي ﻧﻤﻮدار )ﻧﺰدﻳﻚ‬
‫رﻳﺸﻪ( و ﻣﺘﻐﻴﺮﻫﺎي اﻧﺘﻬﺎي دﻧﺒﺎﻟﻪ‪ ،‬در ﭘﺎﻳﻴﻦ )ﻧﺰدﻳﻚ ﺑﺮگﻫﺎ( ﻗﺮار ﮔﻴﺮﻧﺪ‪.‬‬
‫اﺳﺘﻔﺎده ﻧﻤﻮد‪.‬‬
‫ﺟﻬﺖ ذﺧﻴﺮهﺳﺎزي ﻳﻚ ﻣﺪل ﻛﺮﻳﭙﻜﻪ‪ ،‬اﺑﺘﺪا ﮔﺮهﻫﺎي ﻣﺪل ﺑﺎ ﻳﻚ ﺳﺮي‬
‫ﻣﺘﻐﻴﺮ ﺑﻮﻟﻲ ﻛﺪ ﻣﻲﺷﻮﻧﺪ و ﺗﻌﺪاد ﻣﺘﻐﻴﺮﻫﺎ از ﻣﺮﺗﺒﻪ ﻟﮕﺎرﻳﺘﻢ ﺗﻌﺪاد ﮔﺮهﻫﺎي‬
‫ﻣﺪل اﺳﺖ‪ .‬در اﻳﻦ ﺻﻮرت ﻫﺮ زﻳﺮﻣﺠﻤﻮﻋﻪ از وﺿﻌﻴﺖﻫﺎي ﻣﺪل‪ ،‬ﺑﻪ ﻛﻤﻚ‬
‫ﻳﻚ ﻋﺒﺎرت ﺑﻮﻟﻲ ﻗﺎﺑﻞ ﺑﻴﺎن اﺳﺖ‪ .‬ﻋﻼوه ﺑﺮ ﮔﺮهﻫﺎ ﺑﺮاي راﺑﻄﻪ اﻧﺘﻘﺎل ﻧﻴﺰ‬
‫ﺑﺎﻳﺪ ﺗﺎﺑﻌﻲ ﺑﻮﻟﻲ ﺗﻌﺮﻳﻒ ﻛﺮد و در اﻳﻦ راﺑﻄﻪ ﻣﺘﻐﻴﺮﻫﺎي ﺑﻮﻟﻲ ﻣﺘﻨﺎﻇﺮي ﺑﺎ‬
‫ﻧﻤﺎد ﭘﺮﻳﻢ )‪ (′‬ﺑﺮاي ﮔﺮه ﻣﻘﺼﺪ ﻟﺤﺎظ ﻣﻲﺷﻮد‪ .‬ﺑﺮ روي ‪ OBDD‬ﻫﺎ اﻋﻤﺎل‬
‫ﺑﻮﻟﻲ ﻣﺎﻧﻨﺪ ∧ ‪ ¬ ، ∨ ،‬و ⊕ ﻗﺎﺑﻞ اﻧﺠﺎم اﺳﺖ و ﻫﻤﭽﻨﻴﻦ اﻋﻤﺎل ‪ ∃x‬و‬
‫‪ ∀x‬ﺑﺮاي ﺣﺬف ﻳﻚ ﻣﺘﻐﻴﺮ از ‪ OBDD‬ﻗﺎﺑﻞ ﺗﻌﺮﻳﻒ ﻫﺴﺘﻨﺪ‪ .‬ﺑﺮاي وارﺳﻲ‬
‫ﺧﻮاص ‪ CTL‬روي ﻣﺪل ﻛﺮﻳﭙﻜﻪ آﻧﻬﺎ را در ﻗﺎﻟﺐ ﻳﻚ زﺑﺎن دﻳﮕﺮ ﺑﺎ ﻧﺎم‬
‫‪ μ − Calculus‬ﺑﻴﺎن ﻧﻤﻮده و ﺑﻪ ﻛﻤﻚ ﺗﻜﺮار اﻋﻤﺎل روي ‪ OBDD‬ﻫﺎ‪،‬‬
‫زﻳﺮﮔﺰارهﻫﺎي آن ﺧﺎﺻﻴﺖ را ﺑﺎ ﻫﻢ ﺗﺮﻛﻴﺐ ﻣﻲﻛﻨﻨﺪ ]‪.[3‬‬
‫ﻋﻼوه ﺑﺮ ﻣﻨﻄﻖﻫﺎي دوﻣﻘﺪاري )ﻣﺎﻧﻨﺪ ‪ ،(CTL‬روشﻫﺎي ﻧﻤﺎدﻳﻦ‬
‫ﻣﺨﺘﻠﻔﻲ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ارزش ﮔﺰارهﻫﺎي ﻣﻨﻄﻖﻫﺎي زﻣﺎﻧﻲ ﭼﻨﺪﻣﻘﺪاري اراﺋﻪ‬
‫ﺷﺪه ﻛﻪ در ﺑﻌﻀﻲ از آﻧﻬﺎ ﺑﻪ ﻛﻤﻚ ﻧﻤﻮدارﻫﺎي ‪ OBDD‬و ﺑﺮدارﻫﺎﻳﻲ از اﻳﻦ‬
‫ﻧﻤﻮدارﻫﺎ‪ ،‬ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﭼﻨﺪﻣﻘﺪاري و ﮔﺰارهﻫﺎ را در ﻓﻀﺎﻳﻲ ﻣﺤﺪود ذﺧﻴﺮه و‬
‫ﭘﺮدازش ﻣﻲﻛﻨﻨﺪ ]‪ [9‬و ]‪.[10‬‬
‫ﺑﺮاي وارﺳﻲ ﺧﻮاص زﻣﺎﻧﻲ روي ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي ﻣﻲﺗﻮان در اﺑﺘﺪا‬
‫ﻳﻚ ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﺑﻪ دﺳﺖ آورد و ﺳﭙﺲ از روشﻫﺎي ﻧﻤﺎدﻳﻦ ﻣﺘﺪاول‪،‬‬
‫اﺳﺘﻔﺎده ﻛﺮد‪ .‬اﻣﺎ ﻣﻨﺎﺳﺐﺗﺮ آن اﺳﺖ ﻛﻪ ﺑﺪون ﺗﺸﻜﻴﻞ ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﻣﺴﺘﻘﻴﻤﺎً‬
‫ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي را در ﻗﺎﻟﺒﻲ ﻧﻤﺎدﻳﻦ ذﺧﻴﺮه و ﻣﺴﺘﻘﻴﻤﺎً ارزش ﮔﺰارهﻫﺎ را‬
‫ﻣﺤﺎﺳﺒﻪ ﻛﺮد‪ .‬در روش ﻧﻤﺎدﻳﻦ ﭘﻴﺸﻨﻬﺎدي از درﺧﺖ ﺗﺼﻤﻴﻢﮔﻴﺮي ﻣﺮﺗﺐ‬
‫)‪ (OBDD‬و ﺑﺮدارﻫﺎﻳﻲ از آﻧﻬﺎ اﺳﺘﻔﺎده ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫ﺑﺎ ﻓﺮض آن ﻛﻪ دﻗﺖ ﻣﺪل و ﮔﺰارهﻫﺎ ﺑﺮاﺑﺮ ‪ Δ = 2− d‬ﺑﺎﺷﺪ )ﻳﻌﻨﻲ ﺗﻤﺎم‬
‫‪59‬‬ ‫ﺳﺘﻮده و ﻣﻮﻗﺮ رﺣﻴﻢآﺑﺎدي‪ :‬وارﺳﻲ ﻧﻤﺎدﻳﻦ ﮔﺰارهﻫﺎي ﻣﻨﻄﻖ زﻣﺎﻧﻲ ﻓﺎزي روي ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي‬

‫ﺷﻜﻞ ‪ :3‬ﭘﻴﺎدهﺳﺎزي ﺗﺎﺑﻊ ‪.Evaluate‬‬

‫ﺷﻜﻞ ‪ :1‬اﻟﮕﻮرﻳﺘﻢ ﺗﺒﺪﻳﻞ ﮔﺰارهﻫﺎي ‪ FzCTL‬ﺑﻪ ﺑﺮدارﻫﺎي ‪.OBDD‬‬

‫ﺷﻜﻞ ‪ :2‬ﭘﻴﺎدهﺳﺎزي ﻗﻴﺪﻫﺎي ‪ Eu‬و ‪.Au‬‬

‫‪∏a‬‬
‫ﺷﻜﻞ ‪ :4‬ﭘﻴﺎدهﺳﺎزي ﺗﺎﺑﻊ ‪.Ex‬‬
‫‪i‬‬ ‫‪= D ⇔ ∃i ∈ I iai = D ∧ ∀i ∈ I iai ≥ D‬‬ ‫)‪(37‬‬
‫‪i∈I‬‬
‫) ‪P(M ,(s,η‬‬ ‫= ) ‪EX ϕ‬‬
‫‪ai = D ⇔ ∃i ∈ I iai = D ∧ ∀i ∈ I iai ≤ D‬‬ ‫)‪(38‬‬
‫) ‪P(M ,(s′,η ′) ϕ‬‬ ‫))‪R((s,η ),( s′,η ′‬‬ ‫)‪(40‬‬ ‫‪i∈I‬‬
‫‪( s ′,η ′)∈S ′‬‬
‫در ﻣﺒﺎﺣﺚ ﺑﻌﺪ‪ ،‬ﺟﻬﺖ اﺳﺘﻔﺎده از ‪ D‬در وارﺳﻲ ﻧﻤﺎدﻳﻦ‪ ،‬ﻣﻲﺗﻮان آن را در‬
‫اﮔﺮ ‪ θ‬ﺑﺮدار ) ‪ τ (ϕ‬و ‪ ρ‬ﺑﺮدار ) ‪ τ ( EX ϕ‬ﺑﺎﺷﺪ‪ ،‬ﺗﺴﺎوي )‪ (40‬ﺑﻪ ﺻﻮرت‬ ‫ﻗﺎﻟﺐ ﺑﺮداري از ﻣﺘﻐﻴﺮﻫﺎ ﺑﻪ ﺻﻮرت )‪ (39‬ﻧﻤﺎﻳﺶ داد‬
‫)‪ (41‬ﻗﺎﺑﻞ ﺑﺎز ﻧﻮﻳﺴﻲ ﺧﻮاﻫﺪ ﺑﻮد‬ ‫‪D = z0 ,…, zd‬‬ ‫)‪(39‬‬
‫= ) ‪ρ (s,η‬‬ ‫)‪θ (s′,η ′‬‬ ‫))‪R((s,η ),(s′,η ′‬‬ ‫)‪(41‬‬
‫‪( s′,η ′ )∈S ′‬‬ ‫‪P( K G‬‬ ‫در ﺷﺒﻪﻛﺪ ‪ Evaluate‬ﻣﻮﺟﻮد در ﺷﻜﻞ ‪ ،3‬ﻃﺮﻳﻘﻪ ﻣﺤﺎﺳﺒﻪ ) ‪ϕ‬‬
‫ﺑﺮاي ﻣﺤﺎﺳﺒﻪ اﻳﻦ ﻋﺒﺎرت‪ ،‬ﺳﺎدهﺗﺮﻳﻦ روش )ﻛﻪ ﻣﺸﺎﺑﻪ آن در ]‪ [8‬اﺳﺘﻔﺎده‬ ‫اراﺋﻪ ﺷﺪه اﺳﺖ‪ .‬اﺑﺘﺪا اﻋﻀﺎي ﺑﺮدار ‪ θ‬ﻣﺤﺪود ﺑﻪ ﮔﺮه ‪ s0‬ﻣﻲﮔﺮدد و ﺑﺮدار‬
‫‪ λ‬ﺳﺎﺧﺘﻪ ﻣﻲﺷﻮد )ﻧﻤﺎد ) ‪ U ( s0‬ﺑﻪ ﻣﻌﻨﺎي )) ‪v _ eql (U , v _ const ( s0‬‬
‫ﺷﺪه اﺳﺖ( آن اﺳﺖ ﻛﻪ اﺑﺘﺪا ﺑﺮداري از ﻧﻤﻮدارﻫﺎ ﺑﺮاي ‪ R‬اﻳﺠﺎد و ﺳﭙﺲ ﺑﺎ‬
‫‪ θ‬ﺗﺮﻛﻴﺐ ﮔﺮدد و ﻧﻬﺎﻳﺘﺎً ﺑﻴﺸﺘﺮﻳﻦ ﻣﻘﺪار ﻣﻤﻜﻦ ﺑﻪ ﻛﻤﻚ ﺑﻪ دﺳﺖ آﻳﺪ‪.‬‬ ‫ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ(‪.‬‬
‫ﻧﻤﻮدار ‪ R‬ﺑﻪ ﻋﻠﺖ وﺟﻮد ﻣﺘﻐﻴﺮﻫﺎ و ﻣﺘﻨﺎﻇﺮ ﭘﺮﻳﻢدار آﻧﻬﺎ‪ ،‬داراي ارﺗﻔﺎع‬ ‫ﺑﻪ دﺳﺖ ﻣﻲآﻳﺪ ﻛﻪ ﻳﻚ ﺗﺮﻛﻴﺐ‬ ‫ﻧﻤﻮدار ‪ β‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺧﻮاص‬
‫ﻣﻀﺎﻋﻔﻲ اﺳﺖ و در ﻧﺘﻴﺠﻪ داراي ﺣﺠﻤﻲ ﺑﺴﻴﺎر ﺑﺎﻻ اﺳﺖ‪ .‬ﭘﺲ از ﺗﺮﻛﻴﺐ‬ ‫ﻣﻨﻄﻘﻲ )‪ (min-term‬از ﻣﺘﻐﻴﺮﻫﺎي ‪ z0‬ﺗﺎ ‪ zd‬اﺳﺖ )ﻧﻤﺎد ] ‪ D [i‬ﺑﻪ ﻣﻌﻨﻲ‬
‫‪ zi‬اﺳﺖ(‪ .‬در ﺻﻮرت ﺷﺮﻛﺖ ‪ zi‬در ‪ β‬ﺣﺎﺻﻞ ﻋﺒﺎرت ) ‪∃D.( D[i ] ∧ β‬‬
‫‪ R‬ﺑﺎ ‪ θ‬از ﺣﺠﻢ ﻧﻤﻮدارﻫﺎي ﻧﺘﻴﺠﻪ ﻛﺎﺳﺘﻪ ﻣﻲﺷﻮد اﻣﺎ ﭘﻴﺶﻧﻴﺎز ﺑﻮدن‬
‫ﺳﺎﺧﺖ ﻛﻞ ﻧﻤﻮدار ‪ R‬ﺑﺎﻋﺚ ﻣﻲﺷﻮد ﻛﻪ اﻳﻦ روش ﺑﺮاي ﻣﺪلﻫﺎي ﺑﺰرگ‬ ‫ﺑﺮاﺑﺮ ﻳﻚ و در ﺻﻮرت ﺷﺮﻛﺖ ‪ ¬z i‬در ‪ β‬ﺣﺎﺻﻞ ﻋﺒﺎرت ﺑﺮاﺑﺮ ﺻﻔﺮ‬
‫دﭼﺎر ﺑﻦﺑﺴﺖ ﺷﻮد‪ .‬از اﻳﻦ رو‪ ،‬روش دﻳﮕﺮي اراﺋﻪ ﻣﻲﺷﻮد ﻛﻪ در آن ﻫﺮ‬ ‫ﻣﻲﺷﻮد‪ .‬ﺑﺎ ﻗﺮاردادن اﻳﻦ ﺑﻴﺖﻫﺎ در ﻛﻨﺎر ﻫﻢ )ﺑﻪ ﻛﻤﻚ ﺗﺎﺑﻊ ‪ (Val‬ﻋﺪد‬
‫ﻳﺎل ﮔﺮاف ﺑﺎ ﺗﻮاﺑﻌﻲ از ‪ θ‬ﺗﺮﻛﻴﺐ ﺷﺪه و ﭘﺲ از ﺟﺎﻳﮕﺬاريﻫﺎي ﻣﻨﺎﺳﺐ‪،‬‬ ‫ﺻﺤﻴﺤﻲ ﺳﺎﺧﺘﻪ ﻣﻲﺷﻮد و ﺑﺎ ﺗﻘﺴﻴﻢ ﺑﺮ ‪ 2d‬ﻋﺪدي ﺑﻴﻦ ﺻﻔﺮ و ﻳﻚ ﺑﻪ‬
‫ﻧﺘﺎﻳﺞ ذره ذره ﺑﺎ ﻫﻢ ﺗﺮﻛﻴﺐ ﻣﻲﺷﻮﻧﺪ ﺗﺎ ارﺗﻔﺎع ﻧﻤﻮدارﻫﺎ از ﺣﺪ ﻣﺸﺨﺼﻲ‬ ‫ﻋﻨﻮان اﻣﻜﺎن ﺑﻪ دﺳﺖ ﻣﻲآﻳﺪ‪.‬‬
‫ﺑﺎﻻﺗﺮ ﻧﺮود‪.‬‬ ‫‪ 1-5‬ﭘﻴﺎدهﺳﺎزي ﺗﺎﺑﻊ ‪EX‬‬
‫در ﺷﺒﻪﻛﺪ درجﺷﺪه در ﺷﻜﻞ ‪ ،4‬ﻣﺮاﺣﻞ ﻣﺤﺎﺳﺒﻪ ‪ ρ‬دﻳﺪه ﻣﻲﺷﻮد‪ .‬در‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻌﻨﺎي ‪ EX‬در ‪ FzCTL‬روي ﻣﺪل ‪ K G‬دارﻳﻢ‬
‫اﻳﻦ ﻛﺪ‪ ،‬ﻃﺮﻳﻘﻪ ﺳﺎﺧﺖ ﻧﻤﻮدار ‪ ψ‬روي ﻣﺠﻤﻮﻋﻪاي از ﻣﻘﺎدﻳﺮ ﺣﻘﻴﻘﻲ ﺑﻴﺎن‬
‫ﻧﺸﺮﻳﻪ ﻣﻬﻨﺪﺳﻲ ﺑﺮق و ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ اﻳﺮان‪ ،‬ب‪ -‬ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ‪ ،‬ﺳﺎل ‪ ،15‬ﺷﻤﺎره ‪ ،1‬ﺑﻬﺎر ‪1396‬‬
‫ﺗﺤﻠﻴﻞ ﺷﻬﻮدي اﻳﻦ اﻟﮕﻮرﻳﺘﻢﻫﺎ‪ ،‬در ﺑﺨﺶ ﺑﻌﺪ ﺑﻪ ﭘﻴﺎدهﺳﺎزي و ارزﻳﺎﺑﻲ‬
‫ﻛﺎراﻳﻲ آﻧﻬﺎ در وارﺳﻲ ﻳﻚ ﻣﺪار ﻓﻠﻴﭗ‪ -‬ﻓﻼپ ﻓﺎزي ﭘﺮداﺧﺘﻪ ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫اﻳﻦ اﻟﮕﻮرﻳﺘﻢ ﺑﻪ ﻣﻘﺪﻣﺎت زﻳﺎدي ﻧﻴﺎز دارد و در اﻳﻦ ﻣﻘﺎﻟﻪ از آن ﺻﺮف ﻧﻈﺮ‬
‫‪ -6‬ﭘﻴﺎدهﺳﺎزي اﻟﮕﻮرﻳﺘﻢﻫﺎ و ارزﻳﺎﺑﻲ ﺗﺠﺮﺑﻲ ﻛﺎراﻳﻲ آﻧﻬﺎ‬
‫اﻟﮕﻮرﻳﺘﻢﻫﺎي اراﺋﻪﺷﺪه در ﺑﺨﺶ ﻗﺒﻞ ﺑﻪ ﻛﻤﻚ ﻛﺘﺎﺑﺨﺎﻧﻪ ‪BuDDy‬‬
‫]‪ [31‬ﭘﻴﺎدهﺳﺎزي ﺷﺪهاﻧﺪ‪ .‬در اﻳﻦ ﻛﺘﺎﺑﺨﺎﻧﻪ اﻣﻜﺎﻧﺎت ﻣﻨﺎﺳﺒﻲ ﺟﻬﺖ ﻛﺎر ﺑﺎ‬
‫ﻧﻤﻮدارﻫﺎي ‪ OBDD‬و ﺑﺮدارﻫﺎﻳﻲ از آﻧﻬﺎ وﺟﻮد دارد‪ .‬ﮔﺮهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻛﻞ‬
‫ﻧﻤﻮدارﻫﺎي ﺳﺎﺧﺘﻪﺷﺪه ﺑﻪ ﻛﻤﻚ ﻣﻜﺎﻧﻴﺰم درﻫﻢﺳﺎزي‪ 2‬ذﺧﻴﺮه و ﺑﺎزﻳﺎﺑﻲ‬
‫ﻣﻲﮔﺮدﻧﺪ و اﻧﺪازه ﻫﺮ ﮔﺮه ‪ 20‬ﺑﺎﻳﺖ اﺳﺖ‪ .‬ﻛﺮان ﺑﺎﻻي ﺗﻌﺪاد ﻛﻞ ﮔﺮهﻫﺎ در‬
‫ﺗﺎﺑﻌﻲ ﺑﺎ ﻧﺎم ‪ bdd_init‬ﺗﻨﻈﻴﻢ ﻣﻲﺷﻮد ﻛﻪ ﻣﻘﺪار آن ﺻﺪ ﻣﻴﻠﻴﻮن ﮔﺮه در ﻧﻈﺮ‬
‫ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ‪ .‬در ﻛﻞ ﺣﺠﻢ ﺣﺎﻓﻈﻪ ‪ RAM‬ﻣﺼﺮﻓﻲ در ﺣﺪود ‪2 GB‬‬
‫ﺧﻮاﻫﺪ ﺑﻮد )ﻣﺘﺄﺳﻔﺎﻧﻪ ﭘﺮدازشﻫﺎﻳﻲ ﻛﻪ ﺑﻴﺶ از اﻳﻦ ﻣﻘﺪار ﺣﺎﻓﻈﻪ ﻧﻴﺎز دارﻧﺪ‪،‬‬
‫دﭼﺎر ﺗﻮﻗﻒ ﻣﻲﺷﻮﻧﺪ(‪.‬‬
‫ﻳﻜﻲ از ﻛﺎرﺑﺮدﻫﺎي ﻣﻨﻄﻖ ﻓﺎزي در ﻃﺮاﺣﻲ ﻣﺪارات ﻣﻨﻄﻘﻲ ﻓﺎزي اﺳﺖ‬
‫و ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر ﻧﻴﺎزﻣﻨﺪ ﻃﺮاﺣﻲ ﻣﺪارات ﭘﺎﻳﻪاي )ﻣﺎﻧﻨﺪ ﻓﻠﻴﭗ‪ -‬ﻓﻼپﻫﺎي‬
‫ﻓﺎزي( ﻫﺴﺘﻴﻢ و ﻻزم اﺳﺖ ﻛﻪ ﺻﺤﺖ ﻋﻤﻠﻜﺮد اﻳﻦ ﻣﺪارات ﭘﺎﻳﻪ ﺗﻀﻤﻴﻦ‬
‫ﺷﻮد‪ .‬ﻣﺘﺄﺳﻔﺎﻧﻪ در اﻳﻦ زﻣﻴﻨﻪ ﻛﺎر ﭼﻨﺪاﻧﻲ ﺻﻮرت ﻧﮕﺮﻓﺘﻪ و ﻓﻘﻂ ﺑﻪ‬
‫ﺷﺒﻴﻪﺳﺎزي و ﺗﺴﺖ ﻣﺪارات ﺑﺎ ﻳﻚ ﺳﺮي ردﻳﺎﺑﻲ ﺳﺎده ﭘﺮداﺧﺘﻪ ﺷﺪه و‬
‫اﻟﮕﻮرﻳﺘﻤﻲ ﺑﺮاي وارﺳﻲ ﻛﻞ ﺣﺎﻻت ورودي ﻣﻤﻜﻦ‪ ،‬اراﺋﻪ ﻧﺸﺪه اﺳﺖ‪ .‬در‬
‫]‪ [33‬ﻳﻚ ﻓﻠﻴﭗ‪ -‬ﻓﻼپ ‪ D‬ﭼﻨﺪﻣﻘﺪاري )ﻳﺎ ﻓﺎزي( ﻃﺮاﺣﻲ ﺷﺪه و ﺻﺤﺖ‬
‫ﻋﻤﻠﻜﺮد آن ﺑﻪ ﻛﻤﻚ ﺷﺒﻴﻪﺳﺎزي ﻛﺎﻣﭙﻴﻮﺗﺮي ﺑﺮرﺳﻲ ﺷﺪه اﺳﺖ اﻣﺎ ﺑﻪ ﻛﻤﻚ‬
‫وارﺳﻲ ﻣﺪل ﻣﻲﺗﻮان ﻧﺸﺎن داد ﻛﻪ اﻳﻦ ﻣﺪار در ﺷﺮاﻳﻂ ﺧﺎﺻﻲ ﺑﻪ ﻋﻠﺖ‬
‫ﺗﺄﺧﻴﺮ در ﮔﻴﺖﻫﺎ داراي ﻣﺨﺎﻃﺮه ﭘﻮﻳﺎ‪ 3‬اﺳﺖ )ﺑﺪﻳﻦ ﻣﻌﻨﻲ ﻛﻪ ﻣﻘﺎدﻳﺮ ﻏﻴﺮ‬
‫ﻗﺎﺑﻞ ﭘﻴﺶﺑﻴﻨﻲ ﺗﻮﻟﻴﺪﺷﺪه‪ ،‬ﮔﺬرا ﻧﺒﻮده و داﺋﻤﺎً ﺗﻜﺮار ﻣﻲﺷﻮﻧﺪ و ﺑﺎﻋﺚ‬
‫از ﻃﺮﻓﻲ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ آن ﻛﻪ ﻋﻤﺪﺗﺎً ) ‪ r = O( S ) = O(22 n‬زﻣﺎن ﻣﺼﺮﻓﻲ‬
‫ﻧﺎﭘﺎﻳﺪاري ﻣﺪار ﻣﻲﮔﺮدﻧﺪ(‪.‬‬
‫در ﺷﻜﻞ ‪ ،5‬اﻳﻦ ﻓﻠﻴﭗ‪ -‬ﻓﻼپ ‪ D‬ﻓﺎزي دﻳﺪه ﻣﻲﺷﻮد‪ .‬ﻧﻤﺎد ‪ m‬ﺑﻴﺎﻧﮕﺮ‬
‫ﻋﻤﻞ ‪ min‬ﻳﺎ و ﻧﻤﺎد ‪ M‬ﺑﻴﺎﻧﮕﺮ ﻋﻤﻞ ‪ max‬ﻳﺎ اﺳﺖ‪ .‬اﺳﺎﻣﻲ ‪ y1‬ﺗﺎ‬
‫‪ y7‬ﺑﺮاي ﺧﺮوﺟﻲ ﮔﻴﺖﻫﺎي داﺧﻠﻲ و ‪ Q‬ﺑﺮاي ﺧﺮوﺟﻲ ﻓﻠﻴﭗ‪ -‬ﻓﻼپ و ‪N‬‬
‫ﺑﺮاي ﻣﺘﻤﻢ ‪ Q‬در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ‪ .‬ﻫﻤﭽﻨﻴﻦ ﺟﻬﺖ اﺧﺘﺼﺎر‪Clock ،‬‬
‫ﺑﺎ ‪ C‬ﻧﺸﺎن داده ﻣﻲﺷﻮد‪.‬‬
‫ﺑﺮاي ﺳﺎدﮔﻲ ﻓﺮض ﻣﻲﺷﻮد ﻛﻪ زﻣﺎن ﺗﺄﺧﻴﺮ ﻫﻤﻪ ﮔﻴﺖﻫﺎي ﻣﺪار‪ ،‬ﺑﺮاﺑﺮ‬
‫ﻣﻘﺪار ﺛﺎﺑﺖ ‪ Δ = 2− h‬واﺣﺪ زﻣﺎن ﺑﺎﺷﺪ ) ‪ h‬ﻋﺪدي ﺻﺤﻴﺢ ﻣﺜﺒﺖ اﺳﺖ(‪.‬‬
‫ﻓﺮض ﻣﻲﺷﻮد ﻛﻪ ورودي ‪ D‬ﻣﻘﺪاري ﭘﺎﻳﺪار‪ 4‬دارد اﻣﺎ ‪ C‬داراي ﻳﻚ ﭘﺎﻟﺲ‬
‫ﻣﺘﻨﺎوب )ﺑﻪ ﺻﻮرت ﺷﻜﻞ ‪ (6‬اﺳﺖ‪ .‬ﻫﻤﭽﻨﻴﻦ ﻓﺮض ﻣﻲﺷﻮد ﻛﻪ ‪ A‬و ‪B‬‬
‫ﮔﺰاره ﻣﻮرد وارﺳﻲ‪ ،‬ﻣﺮﺗﺒﻪﻫﺎي زﻣﺎﻧﻲ ﭘﺎﻳﻴﻦﺗﺮي ﻧﻴﺰ ﻣﺤﺘﻤﻞ ﻫﺴﺘﻨﺪ‪ .‬ﺑﺮاي‬
‫‪2. Hash‬‬
‫‪3. Dynamic Hazard‬‬
‫‪4. Stable‬‬
‫‪60‬‬
‫ﺷﻜﻞ ‪ :5‬ﻓﻠﻴﭗ‪ -‬ﻓﻼپ ‪ D‬ﻓﺎزي ]‪.[33‬‬
‫ﺷﺪه و در آن ﻣﺘﻐﻴﺮﻫﺎي ‪ W ، U‬و ‪ D‬ﺷﺮﻛﺖ دارﻧﺪ‪ ψ .‬ﺑﻴﺎﻧﮕﺮ ﺗﺴﺎوي‬
‫ﺑﺮداري از ﻧﻤﻮدارﻫﺎ )ﺑﺮ ﺣﺴﺐ ‪ U‬و ‪ ( W‬و ﺑﺮدار ‪ D‬اﺳﺖ )اﺛﺒﺎت درﺳﺘﻲ‬
‫ﺷﺪه اﺳﺖ(‪.‬‬
‫‪ 2-5‬ارزﻳﺎﺑﻲ ﻣﺮﺗﺒﻪ زﻣﺎﻧﻲ اﻟﮕﻮرﻳﺘﻢﻫﺎي ﻃﺮاﺣﻲﺷﺪه‬
‫ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ‪ Ax‬از ‪ Ex‬اﺳﺘﻔﺎده ﻣﻲﺷﻮد و ﻗﺴﻤﺖ ﻋﻤﺪه زﻣﺎن ﻣﺼﺮﻓﻲ‬
‫آن را ﻫﻤﻴﻦ ﻣﺤﺎﺳﺒﻪ ‪ Ex‬ﺗﺸﻜﻴﻞ ﻣﻲدﻫﺪ و ﻟﺬا زﻣﺎن اﺟﺮاي آن ﻧﻴﺰ از‬
‫ﻫﻤﻴﻦ ﻣﺮﺗﺒﻪ اﺳﺖ‪ .‬در اﺟﺮاي دو ﻋﻤﻠﮕﺮ ‪ Eu‬و ‪ ،Au‬ﻋﻤﻞ ‪ Ex‬ﭼﻨﺪﻳﻦ ﺑﺎر‬
‫ﺗﻜﺮار ﻣﻲﺷﻮد و ﻋﻼوه ﺑﺮ آن ﻳﻚ ﺳﺮي اﻋﻤﺎل ﻣﻨﻄﻘﻲ ﺳﺎده ﻧﻴﺰ رخ‬
‫ﻣﻲدﻫﺪ ﻛﻪ در ﺑﺮاﺑﺮ زﻣﺎن ﻣﺼﺮﻓﻲ ‪ Ex‬ﻫﺰﻳﻨﻪ ﭼﻨﺪاﻧﻲ ﻧﺪارﻧﺪ‪.‬‬
‫ﺟﻬﺖ ﺗﺤﻠﻴﻞ زﻣﺎن اﻟﮕﻮرﻳﺘﻢﻫﺎي اﺳﺘﻔﺎدهﺷﺪه در وارﺳﻲ ﻧﻤﺎدﻳﻦ‪ ،‬ﻳﻚ‬
‫ﺳﺮي ﻋﻼﻳﻢ اﺧﺘﺼﺎري ﺗﻌﺮﻳﻒ ﻣﻲﮔﺮدد‬
‫‪n = U , d ′ = d + 1 , h = U + W = n + kd ′‬‬ ‫)‪(42‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺧﻄﻮط ﺷﻜﻞ ‪ 4‬ﻣﻲﺗﻮان ﻣﺮﺗﺒﻪ زﻣﺎﻧﻲ اﻟﮕﻮرﻳﺘﻢ ‪ Ex‬را ﺑﻪ‬
‫دﺳﺖ آورد‬
‫‪O(d ′2h + d ′22( h + d ′) + 2h + d ′ ) +‬‬
‫‪O(r (2( 2 k +1) d ′ + 2( 2 k +2) d ′ (d ′ + 22 n ))) +‬‬
‫)‪(43‬‬
‫= ) ‪O(22( h + d ′) + d ′2h + d ′‬‬
‫) )‪O(r.2( 2 k +2) d ′ (d ′ + 22 n ) + d ′.22( h + d ′‬‬
‫ﻣﻌﻤﻮﻻً ‪ d ′‬ﻋﺪد ﻛﻮﭼﻜﻲ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﻲﺷﻮد و ﻧﺴﺒﺖ ﺑﻪ ‪) S‬ﺗﻌﺪاد‬
‫ﮔﺮهﻫﺎي ﮔﺮاف( ﻛﻮﭼﻚ اﺳﺖ و ﻣﻲﺗﻮان ﻧﺘﻴﺠﻪ ﮔﺮﻓﺖ ﻛﻪ ) ‪. d ′ = O(2n‬‬
‫‪2‬‬
‫ﻛﻞ اﻟﮕﻮرﻳﺘﻢ ‪ Ex‬از ﻣﺮﺗﺒﻪ ) ) ‪ O(22 ( h + d ′ + n‬ﺧﻮاﻫﺪ ﺑﻮد‪ ،‬زﻣﺎن ﻣﺼﺮﻓﻲ ‪Ax‬‬
‫ﻫﻢ از ﻫﻤﻴﻦ ﻣﺮﺗﺒﻪ اﺳﺖ‪ .‬ﻣﺮﺗﺒﻪ زﻣﺎن ﻣﺼﺮﻓﻲ اﻋﻤﺎل ‪ Au‬و ‪ Eu‬ﺑﺎ ﺿﺮب‬
‫ﻣﺮﺗﺒﻪ زﻣﺎﻧﻲ ‪ Ex‬در ) ‪ O(2h + d ′‬ﺑﻪ دﺳﺖ ﻣﻲآﻳﺪ‪ .‬در ﻛﻞ‪ ،‬زﻣﺎن ﻣﺼﺮﻓﻲ‬
‫ﻓﺮاﻳﻨﺪ وارﺳﻲ ﻣﺪل ﺑﺮاي ﮔﺰاره ‪ ϕ‬ﺑﻪ ﺻﻮرت )‪ (44‬ﺧﻮاﻫﺪ ﺑﻮد‪ .‬ﺳﻤﺖ ﭼﭗ‬
‫ﺣﺎﺻﻞ ﺟﻤﻊ‪ ،‬ﺑﺎ ﻓﺮض اﺳﺘﻔﺎده ﻓﺮاوان )در ﺣﺪود ﻃﻮل ﮔﺰاره ﻣﻮرد وارﺳﻲ( از‬
‫اﻋﻤﺎل ﺳﻨﮕﻴﻨﻲ ﻣﺎﻧﻨﺪ ‪ Eu‬و ‪ Au‬در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه و ﺳﻤﺖ راﺳﺖ ﺣﺎﺻﻞ‬
‫ﺟﻤﻊ‪ ،‬زﻣﺎن ﻻزم ﺑﺮاي ‪ Evaluate‬ﻧﺘﻴﺠﻪ ﻧﻬﺎﻳﻲ اﺳﺖ‬
‫‪3 h + 3 d ′+ 2 n‬‬
‫‪O( ϕ (2‬‬ ‫)) ‪) + (d ′22( h + d ′) )) = O( ϕ (23 h + 3 d ′+ 2 n‬‬ ‫)‪(44‬‬
‫ﻣﺮﺗﺒﻪﻫﺎي زﻣﺎﻧﻲ ﺑﻪ دﺳﺖ آﻣﺪه دﻗﻴﻖ و ﻣﺤﻜﻢ‪ 1‬ﻧﻴﺴﺘﻨﺪ و ﺑﺴﺘﻪ ﺑﻪ ﻣﺪل و‬
‫‪1. Tight‬‬
‫‪61‬‬ ‫ﺳﺘﻮده و ﻣﻮﻗﺮ رﺣﻴﻢآﺑﺎدي‪ :‬وارﺳﻲ ﻧﻤﺎدﻳﻦ ﮔﺰارهﻫﺎي ﻣﻨﻄﻖ زﻣﺎﻧﻲ ﻓﺎزي روي ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي‬

‫ﺟﺪول ‪ :2‬ﻛﺎراﻳﻲ اﻟﮕﻮرﻳﺘﻢ وارﺳﻲ ﻓﻠﻴﭗ‪ -‬ﻓﻼپ ‪ D‬ﻓﺎزي ﺑﻪ ازاي ‪. h = 5‬‬

‫‪A‬‬ ‫‪B‬‬ ‫‪#EX‬‬ ‫)‪Time (ms‬‬ ‫‪#nodes‬‬
‫‪8‬‬ ‫‪8‬‬ ‫‪23‬‬ ‫‪918‬‬ ‫‪632944‬‬
‫‪16‬‬ ‫‪8‬‬ ‫‪31‬‬ ‫‪1639‬‬ ‫‪1040096‬‬
‫‪8‬‬ ‫‪16‬‬ ‫‪31‬‬ ‫‪1954‬‬ ‫‪1171231‬‬ ‫ﺷﻜﻞ ‪ :6‬ﭘﺎﻟﺲ ﺳﺎﻋﺖ ورودي ﻣﺪار ﻓﻠﻴﭗ‪ -‬ﻓﻼپ ‪.D‬‬
‫‪16‬‬ ‫‪16‬‬ ‫‪39‬‬ ‫‪2441‬‬ ‫‪1314031‬‬
‫‪24‬‬ ‫‪8‬‬ ‫‪39‬‬ ‫‪2673‬‬ ‫‪1436208‬‬
‫‪8‬‬ ‫‪24‬‬ ‫‪39‬‬ ‫‪3046‬‬ ‫‪1613500‬‬
‫‪32‬‬ ‫‪8‬‬ ‫‪47‬‬ ‫‪3832‬‬ ‫‪1742449‬‬
‫‪16‬‬ ‫‪24‬‬ ‫‪47‬‬ ‫‪3924‬‬ ‫‪1882932‬‬
‫‪24‬‬ ‫‪16‬‬ ‫‪47‬‬ ‫‪3974‬‬ ‫‪1838548‬‬
‫‪24‬‬ ‫‪24‬‬ ‫‪55‬‬ ‫‪4645‬‬ ‫‪1969160‬‬ ‫ﺷﻜﻞ ‪ :7‬ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي ﻣﻌﺎدل ﺑﺎ ﻣﺪار ﻓﻠﻴﭗ‪ -‬ﻓﻼپ ‪ D‬ﻓﺎزي‪.‬‬
‫‪32‬‬ ‫‪16‬‬ ‫‪55‬‬ ‫‪5854‬‬ ‫‪2183117‬‬
‫‪8‬‬ ‫‪32‬‬ ‫‪47‬‬ ‫‪6365‬‬ ‫‪2090664‬‬ ‫اﻋﺪادي ﺻﺤﻴﺢ ﺑﺎﺷﻨﺪ‪ .‬ﺑﺰرگﺑﻮدن ‪ A‬و ‪ B‬ﻣﺸﻜﻠﻲ ﺟﺰ ﻛﻨﺪﻛﺮدن ﺳﺮﻋﺖ‬
‫‪32‬‬ ‫‪24‬‬ ‫‪63‬‬ ‫‪7121‬‬ ‫‪2457824‬‬ ‫ﻣﺪار ﻧﺪارد اﻣﺎ اﮔﺮ ‪ A‬و ‪ B‬از ﺣﺪي ﻛﻮﭼﻚﺗﺮ ﺑﺎﺷﻨﺪ‪ ،‬ﻓﺮﺻﺖ ﻛﺎﻓﻲ ﺑﺮاي‬
‫‪16‬‬ ‫‪32‬‬ ‫‪55‬‬ ‫‪8082‬‬ ‫‪2390179‬‬ ‫ﭘﺎﻳﺪاري ﺧﺮوﺟﻲﻫﺎ ﺑﻪ وﺟﻮد ﻧﻤﻲآﻳﺪ و ﻋﻤﻠﻜﺮد ﻣﺪار ﻧﺎدرﺳﺖ ﺧﻮاﻫﺪ ﺑﻮد‪ .‬در‬
‫‪24‬‬ ‫‪32‬‬ ‫‪63‬‬ ‫‪10430‬‬ ‫‪2622073‬‬ ‫ﻣﺪار ﻓﻠﻴﭗ‪ -‬ﻓﻼپ ﻓﺎزي ﻣﻮرد ﺑﺤﺚ‪ ،‬ﺣﺪاﻗﻞ ‪ A‬و ‪ B‬ﺑﺎﻳﺪ ‪ 7‬ﺑﺎﺷﺪ )ﻋﻤﻠﻜﺮد‬
‫‪32‬‬ ‫‪32‬‬ ‫‪71‬‬ ‫‪13006‬‬ ‫‪2652580‬‬ ‫ﻧﺎدرﺳﺖ ﻣﺪار را ﺑﺮاي اﻋﺪاد ﻛﻮﭼﻚﺗﺮ از ‪ 7‬ﺑﻪ ﻛﻤﻚ وارﺳﻲ ﻣﺪل ﻣﻲﺗﻮان‬
‫ﺑﺮرﺳﻲ ﻛﺮد(‪ .‬ﻣﻘﺪار ﺣﺪاﻛﺜﺮ ‪ A‬و ‪ B‬ﺑﺮاﺑﺮ ‪ N = 1 Δ‬در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه‬
‫ﺑﺮاي وارﺳﻲ ردﻳﻒﻫﺎي ﺟﺪول درﺳﺘﻲ ﻣﺪار ﻓﻠﻴﭗ‪ -‬ﻓﻼپ ﭼﻨﺪﻣﻘﺪاري‪ ،‬ﺑﺎﻳﺪ‬ ‫اﺳﺖ )اﻳﻦ ﻓﺮض ﺑﺮاي ﺳﺎدﮔﻲ ﻣﺪلﺳﺎزي در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه و ﺑﺰرگﺗﺮ‬
‫ﺧﻮاص )ﮔﺰارهﻫﺎﻳﻲ( از ﻣﻨﻄﻖ ‪ FzCTL‬را ﺗﻌﺮﻳﻒ و ﺑﻪ ﻛﻤﻚ روش وارﺳﻲ‬ ‫ﺑﻮدن ‪ A‬و ‪ B‬از ﻣﻘﺪار ‪ N‬ﻣﺸﻜﻠﻲ ﺟﺰ ﻛﻨﺪي وارﺳﻲ ﻋﻤﻠﻜﺮد ﻣﺪار‬
‫ﻣﺪل آﻧﻬﺎ را ارزﻳﺎﺑﻲ ﻧﻤﻮد‪ .‬در اﻳﻦ ﻣﻘﺎﻟﻪ ﻓﻘﻂ ﺑﻪ ﺑﺮرﺳﻲ ﻛﺎراﻳﻲ ﻳﻜﻲ از‬ ‫اﻳﺠﺎد ﻧﻤﻲﻛﻨﺪ(‪.‬‬
‫ﮔﺰارهﻫﺎ ﻛﻪ ﺑﻴﺎﻧﮕﺮ وﺟﻮد ﻣﺨﺎﻃﺮه در ﻣﺪار ﻓﻠﻴﭗ‪ -‬ﻓﻼپ اﺳﺖ‪ ،‬ﭘﺮداﺧﺘﻪ‬ ‫ﻣﻘﺎدﻳﺮ ﮔﻴﺖﻫﺎ ﭘﺲ از ‪ Δ‬واﺣﺪ زﻣﺎن ﺑﺎ اﺳﺎﻣﻲ ﭘﺮﻳﻢدار ﻧﺎمﮔﺬاري‬
‫ﻣﻲﺷﻮد )در ]‪ [27‬ﺑﺪون ذﻛﺮ ﻓﺮاﻳﻨﺪ وارﺳﻲ ﻣﺪل‪ ،‬ﮔﺰارهﻫﺎي ﺑﻴﺸﺘﺮي روي‬ ‫ﻣﻲﺷﻮد‪ .‬ﺑﻪ راﺣﺘﻲ ﻣﻲﺗﻮان ﻣﻘﺪار ﺧﺮوﺟﻲ ﻫﺮ ﮔﻴﺖ را از روي وروديﻫﺎ‬
‫اﻳﻦ ﻣﺪار ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﮔﺮﻓﺘﻪاﻧﺪ(‪.‬‬ ‫ﻣﺤﺎﺳﺒﻪ ﻛﺮد‬
‫ﺧﺎﺻﻴﺖ ﻳﻚ‪ :‬اﮔﺮ ورودي ﻣﺪار ﻣﻘﺪار ‪ d‬داﺷﺘﻪ ﺑﺎﺷﺪ‪ 6 Δ ،‬ﺑﻌﺪ از اوﻟﻴﻦ‬
‫‪y1′ = ¬C , y2′ = y1 Q , y3′ = D C , y4′ = y2‬‬ ‫‪y3 ,‬‬
‫ﺑﺎﻻرﻓﺘﻦ ﭘﺎﻟﺲ ﺳﺎﻋﺖ‪ ،‬داﺋﻤﺎً ‪ Q = d‬ﺧﻮاﻫﺪ ﺑﻮد‬
‫‪y5′ = y4 Q , y6′ = y4 N , y7′ = y5 y6 ,‬‬ ‫)‪(45‬‬
‫)) ‪AG (u = 1 → AX (AG (Q = D‬‬
‫‪6‬‬
‫)‪(52‬‬ ‫‪Q′ = y4 y7 , N ′ = ¬Q‬‬
‫ﻧﻤﺎد ‪ AX t‬ﺑﻪ ﻣﻌﻨﺎي اﻋﻤﺎل ‪ t‬ﺑﺎر ﻣﺘﻮاﻟﻲ ﻋﻤﻞ ‪ AX‬اﺳﺖ‪.‬‬ ‫ﻳﻚ ‪ FzPG‬ﺑﺎ ﻧﺎم ‪) G‬ﻣﻄﺎﺑﻖ ﺷﻜﻞ ‪ (7‬ﺑﺎ دو ﮔﺮه ‪ s0‬و ‪ s1‬در ﻧﻈﺮ ﮔﺮﻓﺘﻪ‬
‫در وارﺳﻲ ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي ﻃﺮاﺣﻲﺷﺪه‪ ،‬ﺣﺎﻻت ﻣﺨﺘﻠﻒ ‪ Δ‬از ‪ 2−4‬ﺗﺎ‬ ‫ﻣﻲﺷﻮد‪ .‬در ‪ s0‬ﻣﻘﺪار ‪ C‬ﺑﺮاﺑﺮ ﺻﻔﺮ و در ‪ s1‬ﺑﺮاﺑﺮ ﻳﻚ ﺑﻮده و ﻣﺠﻤﻮﻋﻪ‬
‫‪ 2−9‬در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه و ﻣﻘﺎدﻳﺮ ‪ A‬و ‪ B‬ﻧﻴﺰ از ‪ 7‬ﺗﺎ ‪ 1 Δ‬ﺗﻐﻴﻴﺮ داده‬ ‫ﺻﻔﺎت ﺑﻪ ﺻﻮرت )‪ (46‬اﺳﺖ‬
‫ﺷﺪهاﻧﺪ اﻣﺎ ﺧﺎﺻﻴﺖ ﻣﺰﺑﻮر در ﻫﻤﻪ ﺣﺎﻻت‪ ،‬ارزش ﺻﻔﺮ داﺷﺘﻪ اﺳﺖ‪ .‬ﺑﺎ ﺗﻐﻴﻴﺮ‬
‫‪X = T , u, D, C, y1 , y2 , y3 , y4 , y5 , y6 , y7 , Q, N‬‬ ‫)‪(46‬‬
‫‪ Δ‬ﻫﻴﭻ ﺗﻔﺎوﺗﻲ در ارزش ﮔﺰارهﻫﺎ ﻣﺸﺎﻫﺪه ﻧﻤﻲﺷﻮد اﻣﺎ ﺑﺎ ﻛﻮﭼﻚﻛﺮدن‬
‫‪ ، Δ‬ﺣﺎﻓﻈﻪ ﻣﺼﺮﻓﻲ‪ ،‬اﻓﺰاﻳﺶ و ﺳﺮﻋﺖ وارﺳﻲ ﻣﺪل ﺷﺪﻳﺪاً ﻛﺎﻫﺶ ﻣﻲﻳﺎﺑﺪ‪.‬‬ ‫ﻣﺘﻐﻴﺮ ‪ T‬ﺑﻴﺎﻧﮕﺮ ﮔﺬر زﻣﺎن ﺑﺎ ﮔﺎمﻫﺎي ‪ Δ‬در ﮔﺮهﻫﺎي ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي‬
‫اﻳﻦ آزﻣﺎﻳﺶﻫﺎ ﺑﻪ ﻛﻤﻚ ﻳﻚ ‪ PC‬ﺑﺎ ﺳﻴﺴﺘﻢ ﻋﺎﻣﻞ ‪32‬ﺑﻴﺘﻲ ‪ XP‬و‬ ‫اﺳﺖ‪ .‬ﺑﻪ ﻣﺤﺾ ورود ﺑﻪ ﻫﺮ ﮔﺮه‪ ،‬اﻳﻦ ﻣﺘﻐﻴﺮ ﻣﻘﺪار ﺻﻔﺮ دارد و ﺑﺎ ﺗﻐﻴﻴﺮ اﻳﻦ‬
‫ﭘﺮدازﻧﺪه ‪ Intel® Core™ 2 Due‬ﺑﺎ ﺳﺮﻋﺖ ‪ 2/67 GHz‬ﺑﺮاي ﻫﺮ ﻫﺴﺘﻪ‬ ‫ﻣﺘﻐﻴﺮ در ﻫﺮ ﮔﺮه‪ ،‬ﺧﺮوﺟﻲ ﻛﻠﻴﻪ ﮔﻴﺖﻫﺎ ﺗﻐﻴﻴﺮ ﻣﻲﻛﻨﺪ‪ .‬ﻣﺘﻐﻴﺮ ‪ u‬ﺑﻴﺎﻧﮕﺮ اوﻟﻴﻦ‬
‫و ﺑﺎ ﺣﺠﻢ ﺣﺎﻓﻈﻪ ‪ 4 Gbyte‬ﺻﻮرت ﮔﺮﻓﺘﻪ اﺳﺖ‪ .‬ﺟﺰﺋﻴﺎت و ﻧﺘﺎﻳﺞ‬ ‫ﺑﺎﻻرﻓﺘﻦ ﭘﺎﻟﺲ ﺳﺎﻋﺖ اﺳﺖ‪ .‬ﭘﺲ از اﻳﻦ ﻛﻪ ‪ u‬ﻣﻘﺪار ﻳﻚ ﮔﺮﻓﺖ‪ ،‬داﺋﻤﺎً‬
‫آزﻣﺎﻳﺶﻫﺎ ﺑﻪ ازاي ﻣﻘﺎدﻳﺮ ﻣﺨﺘﻠﻒ ‪ B ، A‬و ‪ h‬در ﺟﺪاول ‪ 2‬و ‪ 3‬دﻳﺪه‬ ‫ﻣﻘﺪار ﻳﻚ را ﻧﮕﻪ ﺧﻮاﻫﺪ داﺷﺖ‪.‬‬
‫ﻣﻲﺷﻮد )ﭼﻨﺎن ﻛﻪ ﻗﺒﻼً ﺑﻴﺎن ﺷﺪ ‪.( Δ = 2− h‬‬ ‫ﺟﺰﺋﻴﺎت ﺗﻮاﺑﻊ ﺷﺮﻛﺖﻛﻨﻨﺪه در ‪ FzPG‬در )‪ (47‬ﺗﺎ )‪ (51‬دﻳﺪه ﻣﻲﺷﻮد‬
‫در ﺟﺪول ‪ 2‬ﺑﺎ ﻓﺮض ‪ h = 5‬ﺣﺎﻻت ﻣﺨﺘﻠﻒ ‪ A‬و ‪ B‬ﺑﺮرﺳﻲ ﺷﺪه‬ ‫)‪I = (T = 0) (C = 0) (u = 0‬‬ ‫)‪(47‬‬
‫و ﺑﻪ ازاي ﻫﺮ ﻳﻚ‪ ،‬ﺗﻌﺪاد دﻓﻌﺎت اﺟﺮاي ‪ ،EX‬ﻛﻞ زﻣﺎن اﺟﺮا )ﺑﺮ ﺣﺴﺐ‬ ‫‪F11 = (T < A) , F12 = (T = A) ,‬‬
‫ﻣﻴﻠﻲﺛﺎﻧﻴﻪ( و ﻛﻞ ﺣﺎﻓﻈﻪ ﻣﺼﺮﻓﻲ )ﺑﺮ ﺣﺴﺐ ﺟﻤﻊ ﺗﻌﺪاد ﮔﺮهﻫﺎي ‪(OBDD‬‬ ‫)‪(48‬‬
‫)‪F22 = (T < B) , F21 = (T = B‬‬
‫ﻧﻤﺎﻳﺶ داده ﺷﺪه اﺳﺖ‪ .‬در ﺟﺪول ‪ 3‬ﺑﺎ ﻓﺮض آن ﻛﻪ ‪AΔ = BΔ = 1 2‬‬
‫ﺑﻪ ازاي ﺣﺎﻻت ﻣﺨﺘﻠﻒ ‪ ، h‬ﺗﻌﺪاد دﻓﻌﺎت اﺟﺮاي ‪ ،EX‬ﻛﻞ زﻣﺎن اﺟﺮا و ﻛﻞ‬ ‫‪G12 = 0, 1, D, 1, y1 , y2 , y3 , y4 , y5 , y6 , y7 , Q, N‬‬ ‫)‪(49‬‬
‫ﺣﺎﻓﻈﻪ ﻣﺼﺮﻓﻲ و ﺣﺠﻢ ﻓﻀﺎي ﺣﺎﻟﺖ ﻧﻤﺎﻳﺶ داده ﺷﺪه و در اﻧﺘﻬﺎي ﺟﺪول‪،‬‬ ‫‪G21 = 0, u, D,0, y1 , y2 , y3 , y4 , y5 , y6 , y7 , Q, N‬‬ ‫)‪(50‬‬
‫ﺗﻘﺮﻳﺒﻲ از ﻣﺮﺗﺒﻪ زﻣﺎن اﺟﺮا و ﺣﺎﻓﻈﻪ ﻣﺼﺮﻓﻲ )ﺑﻪ ﻛﻤﻚ رﮔﺮﺳﻴﻮن( آﻣﺪه‬
‫‪T + Δ , u, D, C, ¬C, y1‬‬ ‫‪Q,‬‬
‫اﺳﺖ‪ .‬ﺑﺎ ﻣﺸﺎﻫﺪه اﻳﻦ ﻣﺮﺗﺒﻪﻫﺎ‪ ،‬ﻗﺪرت ﻓﺸﺮدهﺳﺎزي و ﻛﺎراﻳﻲ ﻧﻤﻮدارﻫﺎي‬
‫‪ OBDD‬ﻣﺸﻬﻮد اﺳﺖ و ﻣﻲﺗﻮان درﻳﺎﻓﺖ ﻛﻪ ﻣﺮﺗﺒﻪ زﻣﺎن اﺟﺮا ﺑﻪ ﻣﺮاﺗﺐ از‬ ‫‪G11 = G22 = D‬‬ ‫‪C, y2 y3 , y4 Q, y4‬‬ ‫‪N,‬‬ ‫)‪(51‬‬
‫ﻣﺤﺎﺳﺒﺎت رﻳﺎﺿﻲ اﻧﺠﺎمﺷﺪه در ﺑﺨﺶ ‪ 5‬ﭘﺎﻳﻴﻦﺗﺮ اﺳﺖ‪.‬‬ ‫‪y5 y6 , y4 y7 , ¬Q‬‬
1396 ‫ ﺑﻬﺎر‬،1 ‫ ﺷﻤﺎره‬،15 ‫ ﺳﺎل‬،‫ ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ‬-‫ ب‬،‫ﻧﺸﺮﻳﻪ ﻣﻬﻨﺪﺳﻲ ﺑﺮق و ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ اﻳﺮان‬ 62

. AΔ = BΔ = 1 2 ‫ ﻓﺎزي در ﺣﺎﻟﺘﻲ ﻛﻪ‬D ‫ ﻓﻼپ‬-‫ ﻛﺎراﻳﻲ اﻟﮕﻮرﻳﺘﻢ وارﺳﻲ ﻓﻠﻴﭗ‬:3 ‫ﺟﺪول‬

h State Space #EX Time (ms) #nodes
4 2^35 23 660 526395
5 2^42 39 2441 1314031
6 2^49 71 21206 2821965
7 2^56 135 129730 5715114
8 2^63 263 431222 11358475
9 2^70 519 1530087 22485129
Order 2 ^ (h * 7) 2 ^ (h *0/ 905) 2 ^ (h * 2/ 31) 2 ^ (h *107
/ )

[2] C. Baier and J. P. Katoen, Priciples of Model Checking, Cambridge,

MA: MIT Press, 2008.
[3] M. Huth and M. Ryan, Logic Computer Science, 2nd Ed. New York: ‫ ﻧﺘﻴﺠﻪﮔﻴﺮي و ﻛﺎرﻫﺎي ﭘﻴﺸﻨﻬﺎدي‬-7
Cambridge Univ. Press, 2004.
[4] B. Konikowska and W. Penczek, "On designated values in multi- [25] ‫در اﻳﻦ ﻣﻘﺎﻟﻪ اﺑﺘﺪا ﻣﺪلﻫﺎ و ﻣﻨﻄﻖﻫﺎي زﻣﺎﻧﻲ ﻓﺎزي ﺗﻌﺮﻳﻒﺷﺪه در‬
valued CTL* model checking," Fundamenta Informaticae, vol. 60,
no. 1-4, pp. 211-224, Sept. 2003.
‫ ﺑﻪ ﻋﻨﻮان‬FzKripke ‫ ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﻓﺎزي‬.‫[ ﺑﺮرﺳﻲ ﮔﺮدﻳﺪ‬29] ‫[ و‬27] ‫ﺗﺎ‬
[5] M. Kwiatkowska, G. Norman, J. Sproston, and J. Wang, "Symbolic ‫[ ( اراﺋﻪ ﮔﺮدﻳﺪ و‬0,1]Δ ‫ﺣﺎﻟﺖ ﺧﺎﺻﻲ از ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﭼﻨﺪﻣﻘﺪاري )روي‬
model checking for probabilistic timed automata," Information and
Computation, vol. 205, no. 7, pp. 1027-1077, Jul. 2007. ‫ از ﻣﻨﻄﻖ زﻣﺎﻧﻲ ﻓﺎزي‬،‫ﺑﻴﺎن ﺷﺪ ﻛﻪ ﺟﻬﺖ ﺗﻮﺻﻴﻒ ﺧﻮاص زﻣﺎﻧﻲ اﻳﻦ ﻣﺪل‬
[6] F. Wang, Symbolic Implementation of Model-Checking Probabilistic ‫ در اﻳﻦ ﻣﻨﻄﻖ ﺑﻪ ﻳﻚ ﺳﺮي ﻋﻤﻠﮕﺮ ﺟﺪﻳﺪ )ﻛﻪ در‬.‫ اﺳﺘﻔﺎده ﻣﻲﺷﻮد‬FzCTL
Timed Automata, Ph.D Dissertation, School of Comput. Sci., Univ.
of Birmingham, UK, 2006. ،‫ﻣﻨﻄﻖﻫﺎي دﻳﮕﺮ ﻛﻤﺘﺮ دﻳﺪه ﻣﻲﺷﻮد( ﻣﺎﻧﻨﺪ اﻋﻤﺎل ﺟﻤﻊ و ﺗﻔﺮﻳﻖ ﻣﺤﺪود‬
[7] F. Wang and M. Kwiatkowska, "An MTBDD-based implementation
of forward reachability for probabilistic timed automata," in Proc. ‫ در ﻣﺒﺤﺜﻲ دﻳﮕﺮ از ﻣﺪﻟﻲ ﻓﺸﺮده ﺑﺎ ﻧﺎم ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي ﻧﺎم‬.‫اﺷﺎره ﮔﺮدﻳﺪ‬
3rd Int. Sym. on Automated Technology for Verification and .‫ﺑﺮده ﺷﺪ ﻛﻪ ﻗﺎﺑﻠﻴﺖ ﺗﺒﺪﻳﻞ ﺑﻪ ﻣﺪل ﻛﺮﻳﭙﻜﻪ ﻓﺎزي را دارد‬
Analysis, ATVA'05, pp. 385-399, Oct. 2005.
[8] M. Chechik, B. Devereux, S. Easterbrook, and A. Gurfinkel, "Multi- ‫ اﻟﮕﻮرﻳﺘﻤﻲ ﺟﻬﺖ وارﺳﻲ ﮔﺰارهﻫﺎ روي ﮔﺮاف‬،‫در ﺑﺨﺶ اﺻﻠﻲ اﻳﻦ ﻣﻘﺎﻟﻪ‬
valued symbolic model-checking," ACM Trans. Softw. Eng.
Methodol., vol. 12, no. 4, pp. 371-408, Oct. 2003.
‫( ﻣﻄﺮح‬OBDD ‫ﺑﺮﻧﺎﻣﻪ ﻓﺎزي ﺑﻪ ﺻﻮرت ﻧﻤﺎدﻳﻦ )و ﺑﻪ ﻛﻤﻚ ﺑﺮدارﻫﺎﻳﻲ از‬
[9] M. Chechik, S. Easterbrook, and V. Petrovykh, "Model-checking ‫ﺷﺪ و ﻣﺮﺗﺒﻪ زﻣﺎﻧﻲ اﻟﮕﻮرﻳﺘﻢ اﺻﻠﻲ و زﻳﺮاﻟﮕﻮرﻳﺘﻢﻫﺎي ﻣﻄﺮحﺷﺪه ﺑﻪ ﻃﻮر‬
over multi-valued logics," in Proc. Int. Symp. Formal Methods
Europe on Formal Methods for Increasing Software Productivity, ‫ ﻫﻤﭽﻨﻴﻦ ﺟﻬﺖ ارزﻳﺎﺑﻲ دﻗﻴﻖﺗﺮ ﻛﺎراﻳﻲ اﻳﻦ‬.‫ﺗﺤﻠﻴﻠﻲ ﻣﺤﺎﺳﺒﻪ ﮔﺮدﻳﺪ‬
FME'01, pp. 72-98, Berlin, Germany, Mar. 2001.
[10] M. Chechik, A. Gurfinkel, B. Devereux, A. Lai, and S. Easterbrook,
‫ ﭘﻴﺎدهﺳﺎزي ﺷﺪه و ﻣﻮرد آزﻣﻮن‬BuDDy ‫ ﺑﻪ ﻛﻤﻚ ﻛﺘﺎﺑﺨﺎﻧﻪ‬،‫اﻟﮕﻮرﻳﺘﻢﻫﺎ‬
"Data structures for symbolic multi-valued model-checking," Form. ‫ وﺟﻮد ﻣﺨﺎﻃﺮه ﭘﻮﻳﺎ روي ﻳﻚ‬،‫ در ﻳﻚ آزﻣﻮن ﺗﺠﺮﺑﻲ‬.‫ﺗﺠﺮﺑﻲ ﻗﺮار ﮔﺮﻓﺘﻪاﻧﺪ‬
Method Syst. Des., vol. 29, no. 3, pp. 295-344, Nov. 2006.
[11] G. E. Fainekos, An Introduction to Multi-Valued Model Checking, ‫ ﻓﺎزي ﺑﺮرﺳﻲ ﮔﺮدﻳﺪ و ﻛﺎراﻳﻲ اﻟﮕﻮرﻳﺘﻢ از ﻟﺤﺎظ زﻣﺎن‬D ‫ ﻓﻼپ‬-‫ﻣﺪار ﻓﻠﻴﭗ‬
Dept. Computer and Information Science, Univ. of Pennsylvania, ‫و ﺣﺎﻓﻈﻪ ﻣﺼﺮﻓﻲ در ﺷﺮاﻳﻂ ﻣﺨﺘﻠﻒ ﻣﺪل اراﺋﻪ ﮔﺮدﻳﺪ و در ﻗﺎﻟﺐ ﭼﻨﺪ‬
Tech. Rep. MS-CIS-05-16, 2005.
[12] A. Gurfinkel, Multi-Valued Symbolic Model-Checking: Fairness, .‫ﺟﺪول ﻧﻤﺎﻳﺶ داده ﺷﺪ‬
Counter-Examples, Running Time, M.S Thesis, Dept. Comput. Sci.,
Univ. of Toronto, Canada, 2003. ‫اﻟﮕﻮرﻳﺘﻢ ﺣﺎﺿﺮ ﺑﺎ وﺟﻮد ﻗﺎﺑﻠﻴﺖ ذﺧﻴﺮهﺳﺎزي و ﭘﺮدازش ﻣﺪلﻫﺎي‬
[13] A. F. Vilas, J. J. P. Arias, A. B. B. Martınez, M. L. Nores, R. P. D. ‫ ﻫﻤﭽﻨﺎن از ﻣﺮﺗﺒﻪ ﻧﻤﺎﻳﻲ اﺳﺖ و ﺑﺮاي ﻣﺪلﻫﺎﻳﻲ ﻛﻪ‬،‫ ﻛﻮﭼﻚ‬FzPG
Redondo, A. G. Solla, J. G. Duque, and M. R. Cabrer, "Multi-valued
model checking in dense-time," Lecture Notes in Computer Science, ‫ ﺟﻮاﺑﮕﻮ ﻧﻴﺴﺖ و ﻋﻤﺪﺗﺎً ﺑﻪ ﻋﻠﺖ‬،‫ ﺑﻴﺸﺘﺮ ﺑﺎﺷﺪ‬2100 ‫ﻓﻀﺎي ﺣﺎﻟﺖ آﻧﻬﺎ از‬
vol. 3751, pp. 638-649, Dec. 2005.
[14] H. Pan, Y. Li, Y. Cao, and Z. Ma, "Model checking computation tree
‫ ﺟﻬﺖ رﻓﻊ اﻳﻦ ﻣﺸﻜﻞ ﭼﻨﺪﻳﻦ ﭘﻴﺸﻨﻬﺎد‬.‫ﻛﻤﺒﻮد ﺣﺎﻓﻈﻪ ﻣﺘﻮﻗﻒ ﻣﻲﺷﻮد‬
logic over finite lattices," Theoretical Computer Science, vol. 612, :‫وﺟﻮد دارد‬
pp. 45-62, Jan. 2016.
[15] N. Sladoje, On Analysis of Discrete Spatial Fuzzy Sets in 2 and 3 ‫اﻟﻒ( اﺳﺘﻔﺎده از ﻛﺘﺎبﺧﺎﻧﻪﻫﺎي ﺟﺪﻳﺪﺗﺮ ﺑﺎ ﻗﺎﺑﻠﻴﺖ ذﺧﻴﺮهﺳﺎزي و‬
Dimensions, Ph.D. Dissertation, Centre for Image Analysis, SLU and .OBDD ‫ﭘﺮدازش ﺑﻴﺶ از ﺻﺪ ﻣﻴﻠﻴﻮن ﮔﺮه درﺧﺖﻫﺎي‬
Uppsala Univ., Uppsala, Sweden, 2005.
[16] M. J. Wierman, An Introduction to the Mathematics of Uncertainty, ‫ب( اﺳﺘﻔﺎده از ﭘﺮدازﻧﺪهﻫﺎي ﭼﻨﺪﻫﺴﺘﻪاي ﺟﻬﺖ ﭘﺮدازش ﻣﻮازي‬
1st. ed., 20 Aug. 2010.
[17] P. Carinena, A. Burgarin, M. Mucientes, and S. Barro, "A language .OBDD ‫درﺧﺖﻫﺎي‬
for expressing expert knowledge using fuzzy temporal rules," in ‫ج( ﭘﻴﺪاﻛﺮدن اﻟﮕﻮرﻳﺘﻤﻲ ﻛﻪ ﻣﺮﺗﺒﻪ زﻣﺎﻧﻲ آن ﻓﻘﻂ ﺑﻪ ﺗﻌﺪاد ﮔﺮهﻫﺎي‬
Proc. EUSFLAT-ESTYLF Joint Conf., pp. 171-174, Palma de
Mallorca, Spain, Sept. 1999. ‫ﻣﺪل ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي واﺑﺴﺘﻪ ﺑﺎﺷﺪ )ﺣﺘﻲ ﺑﻪ ﺻﻮرت ﻧﻤﺎﻳﻲ( و ﻳﺎ‬
[18] S. Moon, K. Lee, and D. Lee, "Fuzzy branching temporal logic,"
IEEE Trans. Syst. Man Cybern. B, vol. 34, no. 2, pp. 1045-1055,
‫ ﻫﺮ ﭼﻨﺪ ﭼﻨﻴﻦ ﻛﺎري در ﻧﮕﺎه اول‬.‫ ﻛﻢ ﺑﺎﺷﺪ‬Δ ‫واﺑﺴﺘﮕﻲ آن ﺑﻪ دﻗﺖ‬
Sept. 2004. ‫ﻏﻴﺮ ﻣﻤﻜﻦ ﺑﻪ ﻧﻈﺮ ﻣﻲرﺳﺪ اﻣﺎ ﺑﺎ ﻧﮕﺎه دﻗﻴﻖﺗﺮ ﺑﻪ ﺳﺎﺧﺘﻤﺎن دادهﻫﺎي‬
[19] J. Whittle, P. Sawyer, N. Bencomo, B. H. C. Cheng, and J. M. Bruel,
"RELAX: incorporating uncertainty into the specification of self- ‫( ﻛﻪ در ﭘﺮدازش اﺗﻮﻣﺎﺗﺎي زﻣﺎﻧﻲ ﻣﻮرد اﺳﺘﻔﺎده‬DDD ‫ﻓﺸﺮدهاي )ﻣﺎﻧﻨﺪ‬
adaptive systems," in Proc. 17th IEEE Int. Requirements Eng. Conf,. ‫ اﻣﻜﺎن ﺗﻌﺮﻳﻒ ﺳﺎﺧﺘﻤﺎن داده ﻣﺸﺎﺑﻬﻲ ﺑﺮاي ﮔﺮاف‬،‫ﻗﺮار ﮔﺮﻓﺘﻪاﻧﺪ‬
RE'09, pp. 79-88, Atlanta, GA, USA, Apr. 2009.
[20] G. Palshikar, "Representing fuzzy temporal knowledge," in Proc. .‫ﺑﺮﻧﺎﻣﻪ ﻓﺎزي وﺟﻮد دارد‬
Int. Conf. on Knowledge-Based Systems, KBCS'00, pp. 252-263,
Mumbai, India, Dec. 2000.
[21] G. Bruns and P. Godefroid, "Model checking with multi-valued ‫ﻣﺮاﺟﻊ‬
logics," Lecture Notes in Computer Science, vol. 3142, pp. 281-293,
Jul. 2004. [1] E. M. Clarke, J. O. Grumberge, and D. A. Peled, Model Checking,
[22] B. Intrigila, D. Magazzeni, A. Tofani, I. Melatti, and E. Tronci, "A Cambridge, MA: MIT Press, 1999.
model checking technique for the verification of fuzzy control
‫‪63‬‬
‫‪[31] J. Nild-Nielson, BuDDy-A Binary Decision Diagram Package, Dep.‬‬
‫‪Inform. Tech., Technical Univ. of Denmark, 1999.‬‬
‫‪[32] http://nusmv.fbk.eu‬‬
‫‪[33] B. Choi and K. Shukla, "Multi-valued logic circuit design and‬‬
‫‪implementation," International J. of Electronics and Electrical‬‬
‫‪Engineering, vol. 3, no. 4, pp. 256-262, Aug. 2015.‬‬
‫‪[24] J. Y. Yen and S. W. Tarng, "A fuzzy cell-mapping feedback control‬‬
‫ﻏﻼﻣﺮﺿﺎ ﺳﺘﻮده ﺗﺤﺼﻴﻼت ﺧﻮد را در ﻣﻘﺎﻃﻊ ﻛﺎرﺷﻨﺎﺳﻲ و ﻛﺎرﺷﻨﺎﺳﻲ ارﺷﺪ ﻣﻬﻨﺪﺳﻲ‬
‫ﻛﺎﻣﭙﻴﻮﺗﺮ ﺑﻪﺗﺮﺗﻴﺐ در ﺳﺎلﻫﺎي ‪ 1378‬و ‪ 1380‬از داﻧﺸﮕﺎه ﺻﻨﻌﺘﻲ ﺷﺮﻳﻒ و در ﻣﻘﻄﻊ‬
‫دﻛﺘﺮي ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ در ﺳﺎل‪ 1393‬از داﻧﺸﮕﺎه آزاد اﺳﻼﻣﻲ واﺣﺪ ﻋﻠﻮم و ﺗﺤﻘﻴﻘﺎت ﺑﻪ‬
‫]‪ [25‬غ‪ .‬ر‪ .‬ﺳﺘﻮده و ع‪ .‬ﻣﻮﻗﺮ رﺣﻴﻢآﺑﺎدي‪" ،‬ﺗﻘﺮﻳﺐ و ﺗﺠﺪﻳﺪ در ﻣﻨﻄﻖ و ﻣﺪلﻫﺎي زﻣﺎﻧﻲ‬
‫ﭘﺎﻳﺎن رﺳﺎﻧﺪه اﺳﺖ و ﻫﻢ اﻛﻨﻮن اﺳﺘﺎدﻳﺎر داﻧﺸﻜﺪه ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ داﻧﺸﮕﺎه آزاد اﺳﻼﻣﻲ‬
‫واﺣﺪ ﺷﻴﺮاز ﻣﻲﺑﺎﺷﺪ‪ .‬ﻧﺎمﺑﺮده از ﺳﺎل ‪ 1381‬ﺗﺎﻛﻨﻮن ﻋﻼوه ﺑﺮ ﻋﻀﻮﻳﺖ در ﻫﻴﺄت ﻋﻠﻤﻲ‬
‫داﻧﺸﮕﺎه آزاد اﺳﻼﻣﻲ واﺣﺪ ﺷﻴﺮاز‪ ،‬ﺑﻪ ﻋﻨﻮان ﻛﺎرﺷﻨﺎس ﻧﺮماﻓﺰار در ﺷﺮﻛﺖ ﺧﺪﻣﺎت‬
‫ﻣﻬﻨﺪﺳﻲ ﻋﺼﺮ اﻧﺪﻳﺸﻪ ﺷﻴﺮاز ﺑﻪ ﻛﺎر ﻣﺸﻐﻮل ﺑﻮده اﺳﺖ‪ .‬زﻣﻴﻨﻪﻫﺎي ﺗﺤﻘﻴﻘﺎﺗﻲ ﻣﻮرد ﻋﻼﻗﻪ‬
‫اﻳﺸﺎن ﻋﺒﺎرﺗﻨﺪ از‪ :‬ﻃﺮاﺣﻲ زﺑﺎنﻫﺎي ﺑﺮﻧﺎﻣﻪﺳﺎزي و ﻛﺎﻣﭙﺎﻳﻠﺮﻫﺎ‪ ،‬اﻟﮕﻮرﻳﺘﻢﻫﺎي ﻣﻮازي‪ ،‬وارﺳﻲ‬
‫رﺳﻤﻲ ﺳﻴﺴﺘﻢﻫﺎي ﻓﺎزي‪ ،‬ﺗﺴﺖ و وارﺳﻲ ﻧﺮم اﻓﺰار‪ ،‬ﻣﺪلﺳﺎزي و ارزﻳﺎﺑﻲ ﻛﺎراﻳﻲ‬
‫ﺳﻴﺴﺘﻢﻫﺎي ﻛﺎﻣﭙﻴﻮﺗﺮي‪ ،‬ﺗﺤﻠﻴﻞ و ﻃﺮاﺣﻲ ﺳﻴﺴﺘﻢﻫﺎي اﻃﻼﻋﺎت ﻣﺪﻳﺮﻳﺖ‬
‫ﻋﻠﻲ ﻣﻮﻗﺮ رﺣﻴﻢآﺑﺎدي ﻫﻢ اﻛﻨﻮن اﺳﺘﺎد داﻧﺸﻜﺪه ﻣﻬﻨﺪﺳﻲ ﻛﺎﻣﭙﻴﻮﺗﺮ داﻧﺸﮕﺎه ﺻﻨﻌﺘﻲ‬
‫ﺷﺮﻳﻒ اﺳﺖ و از ﺑﻬﻤﻦ ﻣﺎه ﺳﺎل ‪ 1372‬ﺑﺎ اﻳﻦ داﻧﺸﮕﺎه ﻣﺸﻐﻮل ﻫﻤﻜﺎري ﺑﻮده اﺳﺖ‪.‬‬
‫ﻧﺎمﺑﺮده در ﺳﺎل ‪ 1356‬ﻣﺪرك ﻛﺎرﺷﻨﺎﺳﻲ را در ﻣﻬﻨﺪﺳﻲ ﻳﺮق از داﻧﺸﻜﺪه ﻓﻨﻲ داﻧﺸﮕﺎه‬
‫ﺗﻬﺮان و در ﺳﺎلﻫﺎي ‪ 1358‬و ‪ 1364‬ﻣﺪارك ﻛﺎرﺷﻨﺎﺳﻲ ارﺷﺪ و دﻛﺘﺮي را در ﻣﻬﻨﺪﺳﻲ‬
‫ﻛﺎﻣﭙﻴﻮﺗﺮ‪ ،‬اﻃﻼﻋﺎت و ﻛﻨﺘﺮل از داﻧﺸﮕﺎه ﻣﻴﺸﻴﮕﺎن در آن آرﺑﻮر اﺧﺬ ﻧﻤﻮد‪ .‬زﻣﻴﻨﻪﻫﺎي‬
‫ﭘﮋوﻫﺸﻲ ﻣﻮرد ﻋﻼﻗﻪ اﻳﺸﺎن ﻋﺒﺎرﺗﻨﺪ از‪ :‬ﻣﺪلﺳﺎزي ﻛﺎراﻳﻲ‪/‬اﺗﻜﺎﭘﺬﻳﺮي و درﺳﺘﻲﻳﺎﺑﻲ‬
‫ﺷﺒﻜﻪﻫﺎي ﺑﻲﺳﻴﻢ‪ ،‬ﺳﻴﺴﺘﻢﻫﺎي ﺗﻮزﻳﻊ ﺷﺪه ﺑﻲدرﻧﮓ و ﺳﻴﺴﺘﻢﻫﺎي ﺳﺎﻳﺒﺮي ﻓﻴﺰﻳﻜﻲ‪.‬‬
‫ﺳﺘﻮده و ﻣﻮﻗﺮ رﺣﻴﻢآﺑﺎدي‪ :‬وارﺳﻲ ﻧﻤﺎدﻳﻦ ﮔﺰارهﻫﺎي ﻣﻨﻄﻖ زﻣﺎﻧﻲ ﻓﺎزي روي ﮔﺮاف ﺑﺮﻧﺎﻣﻪ ﻓﺎزي‬
‫‪systems," in Proc. Int. Conf. on Computational Intell. for Modelling,‬‬
‫‪Control and Automation and Int. Conf. on Intelligent Agents, Web‬‬
‫‪Tech. and Internet Commerce, vol. 2, pp. 536-542, Nov. 2005.‬‬
‫‪[23] W. Liang, W. Bing-Wen, and G. Yi-Ping, "Cell mapping description‬‬
‫‪for digital control system with quantization effect," presented at‬‬
‫‪Computing‬‬ ‫‪Research‬‬ ‫‪Repository,‬‬ ‫‪CoRR,‬‬ ‫‪2007,‬‬
‫‪http://arxiv.org/abs/0712.2501‬‬
‫‪algorithm for the satellite attitude maneuvering control," in Proc.‬‬
‫‪Asian Fuzzy Syst. Symp. Soft Computing in Intelligent Syst. and‬‬
‫‪Inform. Process., pp. 567-572, Kenting, Taiwan, Dec. 1996.‬‬
‫ﻓﺎزي"‪ ،‬ﺷﺎﻧﺰدﻫﻤﻴﻦ ﻛﻨﻔﺮاﻧﺲ ﺑﻴﻦاﻟﻤﻠﻠﻲ ﺳﺎﻻﻧﻪ اﻧﺠﻤﻦ ﻛﺎﻣﭙﻴﻮﺗﺮ اﻳﺮان‪ ،‬ﺻﺺ‪.‬‬
‫‪ ،160-166‬ﺗﻬﺮان‪ ،‬اﺳﻔﻨﺪ ‪.1389‬‬
‫‪[26] G. R. Sotudeh and A. Movaghar, "Abstraction and approximation in‬‬
‫‪fuzzy temporal logics and models," Formal Aspects of Computing,‬‬
‫‪London, UK, Springer-Verlag, vol. 27, no. 2, pp. 309-334,‬‬
‫‪Mar. 2015.‬‬
‫‪[27] G. R. Sotudeh and A. Movaghar, "Applications of fuzzy program‬‬
‫& ‪graph in symbolic checking of fuzzy flip-flops," J. of Computer‬‬
‫‪Robotics, vol. 7, no. 1, pp. 22-36, Winter/Spring 2014.‬‬
‫‪[28] H. Pan, Y. Li, Y. Cao, and Z. Ma, "Model checking fuzzy‬‬
‫‪computation tree logic," Fuzzy Sets and Systems, vol. 262, pp. 60-77,‬‬
‫‪Mar. 2015.‬‬
‫]‪ [29‬غ‪ .‬ر‪ .‬ﺳﺘﻮده و ع‪ .‬ﻣﻮﻗﺮ رﺣﻴﻢآﺑﺎدي‪" ،‬ﺗﻌﻤﻴﻢ ﻣﺪل و ﻣﻨﻄﻖ زﻣﺎﻧﻲ ﻓﺎزي ﺑﻪ زﻣﺎن‬
‫ﺣﻘﻴﻘﻲ‪ "،‬ﻣﺠﻤﻮﻋﻪ ﻣﻘﺎﻻت ﻫﻔﺪﻫﻤﻴﻦ ﻛﻨﻔﺮاﻧﺲ ﺳﺎﻻﻧﻪ اﻧﺠﻤﻦ ﻛﺎﻣﭙﻴﻮﺗﺮ اﻳﺮان‪،‬‬
‫ﺗﻬﺮان‪ ،‬ﺻﺺ‪ ،517-524 .‬اﺳﻔﻨﺪ ‪.1390‬‬
‫"‪[30] S. Mukherjee and P. Dasgupta, "A fuzzy real-time temporal logic,‬‬
‫‪International J. of Approximate Reasoning, vol. 54, no. 9, pp. 1452-‬‬
‫‪1470, Nov. 2013.‬‬