数组感知匹配：驯服大规模模拟模型的复杂性
摘要：方程模型是驯服大规模仿真问题复杂性的一种强大方法。方程模型工具可以自动将模型转化为命令式语言。然而，在面对现今的问题时，经过充分评估的模型转化技术存在可扩展性问题，尤其在模型中包含非常大的数组时尤为严重。事实上，通过将方程包含在循环结构中，可以使这样的模型变得非常紧凑，但在转化为命令式代码时保持同样的紧凑性并不容易。本文通过集中关注方程与变量匹配这一关键步骤来解决这个问题。我们首先表明，一个具有（大）数组的模型的高效转换需要意识到它们的存在，通过定义一个衡量循环结构在转换中被保留程度的优势来量化这一点。然后我们展示了这个优势可以用来定义一个最佳的数组感知匹配，并且作为我们的主要结果，我们证明了所述的最佳数组感知匹配问题是NP完全问题。作为一个附加结果，我们提出了一种能够以多项式时间内进行数组感知匹配的启发式算法。所提出的算法可以被模型转换器开发人员有效地用于大规模系统仿真工具的实现。
作者：Massimo Fioravanti, Daniele Cattaneo, Federico Terraneo, Silvano Seva, Stefano Cherubin, Giovanni Agosta, Francesco Casella, Alberto Leva
论文ID：2212.11135
分类：Programming Languages
分类简称：cs.PL
提交时间：2022-12-22