基于约束的分析补充.pptVIP

中国科大 第3章 控制流分析 内容概述 定义一个函数式编程语言，变量可以指称函数 以dynamic dispatch problem为例（作为参数的函数被调用时，究竟执行的是哪个函数） 规范该控制流分析问题，定义什么是可接受的控制流分析 定义可接受分析在语义模型上的可靠性 讨论分析算法（语法制导、集合约束求解） 加上数据流分析 加上上下文信息 第3章 控制流分析 函数的不动点 若f(x) = x，则x是函数f 的不动点 求解含函数变量f 的方程 f = ?n. if n=0 then 1 else n ? f(n ? 1) end 看成找下面函数的不动点 F ? ? f. ?n. if n=0 then 1 else n ? f(n ? 1) end F(阶乘函数) = 阶乘函数 该函数只有唯一的不动点 阶乘函数 第3章 控制流分析 函数的最小不动点 求解含函数变量f 的方程 f = ?n. if n=0 then 1 else if n = 1 then f(3) else f(n ? 2) end 相应高阶函数有无数个不动点 当n是偶数时，结果是1 当n是奇数时，结果是a （ a可以任取 ） 最小不动点 n为偶数时, 结果是1; n为奇数时, 结果未定义 第3章 控制流分析 函数最小不动点的计算 例：F ? ? f. ?n. if n=0 then 1 else n ? f(n ? 1) end lfp(F) = ? Fn (?) (n = 0, 1, …) F0 (?) = ? (表示处处无定义的函数) F1 (?) = F(F0 (?)) = (? f. ?n. if n = 0 then 1 else n ? f(n ? 1) end ) ? = ?n. if n = 0 then 1 else n ? ?(n ? 1) end = {?0, 0!?} 第3章 控制流分析 函数最小不动点的计算 例：F ? ? f. ?n. if n=0 then 1 else n ? f(n ? 1) end lfp(F) = ? Fn (?) (n = 0, 1, …) F2 (?) = F(F1 (?)) =(? f. ?n. if n=0 then 1 else n ? f(n ?1)end)F1 (?) =?n. if n = 0 then 1 else n ? F1(?) (n ? 1) end = {?0, 0!?, ?1, 1!?} 依次逐步计算可得：?, {?0, 0!?}, {?0, 0!?, ?1, 1!?}, {?0, 0!?, ?1, 1!?, ?2, 2!?}, … (构成一个上升链) lfp(F) = ? Fn (?) = {?0, 0!?, ?1, 1!?, ?2, 2!?, …} 第3章 控制流分析 Tarski定理 令F : P(U) ? P(U)是单调函数 其中U是集合，P(U)表示U的幂集 集合X?U是F封闭的 当且仅当F(X) ?X 集合X?U是F致密的 当且仅当X ? F(X) 定义?X.F(X)和?X.F(X) ?X.F(X) = ? {X | F(X) ? X} ?X.F(X) = ? {X | X ? F(X)} 第3章 控制流分析 Tarski定理 集合X?U是F封闭的 当且仅当F(X) ?X 集合X?U是F致密的 当且仅当X ? F(X) 定义?X.F(X)和?X.F(X) ?X.F(X) = ? {X | F(X) ? X} ?X.F(X) = ? {X | X ? F(X)} 引理 ?X.F(X)是最小的F封闭集合 ?X.F(X)是最大的F致密集合 第3章 控制流分析 Tarski定理 根据对偶性，只证明一种情况。首先证明引理： ?X.F(X) = ? {X | X ? F(X)}是最大F致密集合 最大是明显的 证明每个Xi都F致密，则?i Xi也F致密则可 因为对每个i有Xi ? F(Xi)，则?i Xi ? ?i F(Xi) 因为F单调，则对每个i有F(Xi) ? F(?i Xi) 由此可得?iF(Xi) ? F(?i Xi) 由传递性，?i Xi ? F(?i Xi)，即?i Xi是F致密的 第3章 控制流分析 Tarski定理 再证明本定理（仍只证明 一种情况）： 1、?X.F(X)是F的最小不动点 2、?X.F(X)是F的最大不动点 令? = ?X.F(X)，则?是致密的，? ? F(?) 由单调性，F(?) ? F(F(?))，则F(?)也致密 由?的定义知道F(?) ? ? 由