如何在沙漠中捕捉一头狮子——关于覆盖导向生成（CDG）问题的求解

对复杂硬件或软件系统（如从智能手机到服务器中随处可见的现代集成电路（ICs））的测试与验证可能是困难的过程。验证团队面临的最困难且最耗时的任务之一是达到覆盖闭合，即命中覆盖空间中的所有事件。覆盖导向生成（CDG），即自动生成能够命中难以命中的覆盖事件的测试从而提供覆盖闭合，有潜力为验证团队节省显著的仿真资源与时间。本文中，我们通过将 CDG 问题表述为含噪声无导数优化（DFO）问题，提出一种 CDG 问题的新解法。然而，该表述的复杂性在于目标函数的导数不可得，且目标函数评估受噪声污染。我们利用直接优化技术结合鲁棒噪声估计器，并借助反问题技术估计含噪声目标函数的梯度，从而求解这一含噪声优化问题。我们通过对 IBM NorthStar 处理器（一款为服务器设计的超标量顺序处理器）部分部件的抽象模型进行数值实验，证明了该新方法的效率与可靠性。