Effiziente Leistungsbewertung mit Hilfe von Entscheidungsdiagrammen

点击翻译按钮获取中文摘要

Im Rahmen des beantragten Vorhabens sollen Datenstrukturen und Algorithmen für die Repräsentation und Analyse stochastischer Leistungsmodelle entwickelt werden. Zur Modellspezifikation werden stochastische Prozessalgebren mit Markov-Charakter eingesetzt. Durch die konsequente Ausnutzung der Strukturierungskonzepte von Prozessalgebren sollen neue Möglichkeiten der kompakten Repräsentation und effiziente Analyse erschlossen werden. Als Basis-Datenstruktur werden binäre Entscheidungsdiagramme (Multi-Terminal BDDs) verwendet. Es sollen Techniken entwickelt werden, die für eine breite Klasse prozessalgebraischer Modelle extrem speicherplatzsparende Repräsentationen gestatten. Ein wichtiges Ziel ist dabei die Beschleunigung der auf BDD-Datenstrukturen arbeitenden numerischen Analyseverfahren, da diese zur Zeit den Flaschenhals des BDD-basierten Ansatzes bilden. Zu diesem Zweck werden bestehende BDD-Algorithmen und ihre Implementierungen systematisch mit Hilfe von Messungen analysiert. Die besonders zeitkritischen Teile dieser Algorithmen sollen dann in Zusammenhang mit den am Lehrstuhl arbeitenden Experten für Hardware/Software Codesign in VHDL spezifiziert und prototypisch mittels prgrammierbarer Hardware realisiert werden. Mit Hilfe des dabei entstehenden BDD-Coprozessors soll die Geschwindigkeit der BDD-basierten Berechnungen erheblich gesteigert werden, wovon insbesondere die numerischen Verfahren für die Markovanalyse profitieren. Im Rahmen des Projekts wird auch ein prototypisches Software-Werkzeug entstehen, das die Datenstrukturen und die auf ihnen arbeitenden Verfahren implementiert und dazu die Funktionalität der beschriebenen Spezialhardware nutzt.