Significant advances in the practic

Significant advances in the practical
use of formal methods have relied on
fundamental results drawn from all areas in computer science, not necessarily
directly intended for formal methods.
Further work needs to be done in the
following areas.
—Composition. We need to understand
how to compose methods, specifications, models, theories, and proofs.
—Decomposition. We need to develop
more efficient methods for decomposing a computationally demanding
global property into local properties
whose verification is computationally
simple (e.g., task decomposition and
localization reduction methods [Kurshan 1994b]).
—Abstraction. Real systems are difficult
to specify and verify without abstractions. We need to identify different
kinds of abstractions, perhaps tailored for certain kinds of systems or
problem domains, and we need to develop ways to justify them formally,
perhaps using mechanical help.
—Reusable models and theories. Rather
than defining models and theories
from scratch each time a new application is tackled, it would be better to
have reusable and parameterized
models and theories.
—Combinations of mathematical theories. Many safety-critical systems
have both digital and analog components. These hybrid systems require
reasoning about both discrete and
continuous mathematics.
System developers would like to be
able to predict how well their system
will operate in the field. Indeed, they
often care more about performance
than correctness. Performance modeling borrows strongly from probability,
statistics, and queueing theory.
—Data structures and algorithms. To
handle larger search spaces and
larger systems, new data structures
and algorithms, for example, more

ผลลัพธ์ (ไทย) 1:

ความก้าวหน้าอย่างมีนัยสำคัญในทางปฏิบัติการใช้วิธีทางการได้อาศัยในผลพื้นฐานที่ไม่จำเป็นออกจากพื้นที่ทั้งหมดในวิทยาการคอมพิวเตอร์วัตถุประสงค์โดยตรงสำหรับวิธีการทางการที่ต้องทำในการพื้นที่ต่อไปนี้เช่นบทประพันธ์ เราต้องเข้าใจวิธีการเขียนวิธี ข้อกำหนด รุ่น ทฤษฎี และหลักฐานแบบแยกส่วนประกอบ เราจำเป็นต้องพัฒนาวิธีการเพิ่มประสิทธิภาพสำหรับพืชพันธุ์ computationally เรียกร้องแห่งทั่วโลกในคุณสมบัติเฉพาะตรวจสอบที่เป็น computationallyง่าย (เช่น งานแยกส่วนประกอบ และแปลลดวิธี [Kurshan 1994b])— Abstraction ระบบที่แท้จริงได้ยากการระบุ และตรวจสอบ โดย abstractions เราจำเป็นต้องระบุแตกต่างกันชนิดของ abstractions ทีเหมาะสำหรับชนิดของระบบ หรือปัญหาโดเมน และเราจำเป็นต้องพัฒนาวิธีการจัดการอย่างเป็นกิจจะลักษณะอาจใช้วิธีใช้เครื่องจักรกล– รูปแบบสามารถและทฤษฎี ค่อนข้างกว่ากำหนดรูปแบบและทฤษฎีตั้งแต่ กันสำหรับแอพลิเคชันใหม่ มันจะดีกว่ามีราคา และค่าพารามิเตอร์รูปแบบและทฤษฎี— ชุดของทฤษฎีทางคณิตศาสตร์ ระบบความปลอดภัยสำคัญมากมีส่วนประกอบทั้งดิจิตอล และอนาล็อก จำเป็นต้องวางระบบเหล่านี้ใช้เหตุผลเกี่ยวกับทั้งเดี่ยว ๆ และคณิตศาสตร์อย่างต่อเนื่องนักพัฒนาระบบจะต้องสามารถสามารถที่จะทำนายว่า ด้วยระบบของพวกเขาจะมีในฟิลด์ แน่นอน พวกเขามักจะดูแลเพิ่มเติมเกี่ยวกับประสิทธิภาพการทำงานกว่าความถูกต้อง สร้างโมเดลประสิทธิภาพมิตรอย่างยิ่งจากความน่าเป็นสถิติ และทฤษฎีการจัดคิวแบบโครงสร้างข้อมูลและอัลกอริทึม ถึงจัดการค้นหาช่องว่างที่มีขนาดใหญ่ และระบบใหญ่ โครงสร้างข้อมูลใหม่และอัลกอริ ทึม เช่น เพิ่มเติม

ผลลัพธ์ (ไทย) 3:

ความก้าวหน้าทางด้านการใช้ประโยชน์
วิธีเป็นทางการได้อาศัยพื้นฐานการวาด
จากพื้นที่ทั้งหมดในวิทยาการคอมพิวเตอร์ ไม่จำเป็น
โดยตรงไว้สำหรับวิธีการที่เป็นทางการ
งานต้องทำในพื้นที่ดังต่อไปนี้
.
- องค์ประกอบ เราต้องเข้าใจ
วิธีการเรียบเรียง วิธีการกำหนดรูปแบบ ทฤษฎีและหลักฐาน .
- การสลายตัว เราต้องพัฒนา
วิธีที่มีประสิทธิภาพมากขึ้นเพื่อย่อยสลายเป็น computationally เรียกร้องทรัพย์สินส่วนกลางสู่ท้องถิ่น

ที่มีคุณสมบัติการพิสูจน์ computationally
ง่าย ( เช่น การย่อยสลาย และลดงาน
จำกัดวิธีการ [ kurshan 1994b ] )
- นามธรรม ระบบจริงยาก
เพื่อระบุและตรวจสอบโดยไม่นามธรรม . เราต้องระบุชนิดของนามธรรม
,บางทีอาจจะเหมาะกับบางชนิดของระบบหรือ
โดเมนปัญหา และเราจำเป็นต้องพัฒนาวิธีการปรับพวกเขาอย่างเป็นทางการ
บางทีใช้เครื่องกลช่วย
- ทฤษฎีและแบบจำลองสามารถ . ค่อนข้างมากกว่าการกำหนดรูปแบบและทฤษฎี

ตั้งแต่เวลาแต่ละโปรแกรมใหม่ด้วย มันคงจะดีกว่า

มีสามารถ และทฤษฎีแบบจำลองและพารามิเตอร์
.
- การรวมกันของทฤษฎีทางคณิตศาสตร์ความปลอดภัย
ระบบสำคัญจำนวนมาก มีทั้งแบบดิจิตอลและอนาล็อกส่วนประกอบ ระบบไฮบริดเหล่านี้ต้องใช้ทั้งเหตุผลและต่อเนื่อง

เกี่ยวกับคณิตศาสตร์อย่างต่อเนื่อง นักพัฒนาระบบจะเป็น

สามารถทำนายได้ดีแค่ไหน
ระบบจะทํางานในเขต แน่นอน พวกเขามักจะดูแลเกี่ยวกับประสิทธิภาพมากขึ้น

มากกว่าความถูกต้อง แบบจำลองการปฏิบัติงานยืมขอจากความน่าจะเป็น
สถิติและทฤษฎีแถวคอย
- โครงสร้างข้อมูลและขั้นตอนวิธี


ระบบจัดการขนาดใหญ่และค้นหาช่องว่างขนาดใหญ่ โครงสร้างข้อมูลและอัลกอริทึมใหม่
, ตัวอย่างเช่น , เพิ่มเติม