流敏感的结果同之前不同，是为了捕获更加精确的结果。那么相比较于之前的set作为结果集合，此时要流敏感，也就是要引入先后关系，也就是时序关系，那么有向图是一个很好地扩展。

    即使没有记录，我们也可以通过TIP的编写程序生成有趣的堆结构。一个非平凡的堆结构的例子如下：

其中xyz是三个程序变量。我们将试图回答有关程序变量中包含的结构是否不相交的问题。在上面的例子中，x 和 y 相交，而 y 和 z 是不相交的。这样的信息可能是有用的，例如，在优化编译器中自动并行化执行。对于这样的分析，无流敏感的推理有时过于不精确。然而，我们可以创建Andersen分析的流敏感变体。

    我们使用一个指向图（points-to graphs）的格，这是一个有向图，其中节点是给定程序的抽象单元，边对应可能的指针。指向图通过包含它们的边集进行排序。因此，bottom是没有边的图，而 top是完全连接的图。形式化的来说，我们抽象状态的格定义如下：

偏序关机就是子集的包含关系。对于程序中的每一个CFG节点v，我们引入一个约束变量[[v]]，表示当前节点v处的指向图，存储的是所有当前的指向关系。对于与指针操作相关的各种指针操作，我们的约束规则如下：

1. 申请内存：合并v之前的结果，移除X，增加一个指向关系(X,alloc -i)，表示X指向alloc-i
2. 取地址：合并v之前的结果，移除X1，增加一个指向关系(X1, X2)，表示X1指向X2
3. 赋值操作：合并v之前的结果，移除X1，得到R；同时对于所有R里面，X2指向的结果t，都增加一个（X1，t），表示此时X1也指向t
4. 取值并赋值-load：合并v之前的结果，移除X1，得到R；对于X2所有指向的s，如果s还指向t，那么增加一个（X1，t）。因为是指向图，所以*X2与X等价，所以就是s与X等价，那么相当于X1=s
5. 赋值写入-store：合并v之前的结果，得到R（注意这里面不用移除之前的X1，因为是weak update）；对于X1所有指向的s，X2指向的t，增加一个（s，t）。这里相当于*X1 与s等价，s=X2
6. 赋值为null，那么就是移除

对于其他的节点，我们就是朴素的做[[v]] = JOIN(v)，特别的这些规则里面的辅助函数定义如下：

注意，对于store操作，我们采取weak update的策略，也就是做合并操作。

例子：