基于粒子群算法的移动机器人全局最优路径规划*

以栅格法和粒子群算法为基础,提出了一种新的机器人实时全局最优路径规划方法.该方法包括采用栅格法对环境进行建模和直接运用粒子群算法在环境模型中搜索全局最优路径.在计算机上进行了仿真,仿真结果证明了该方法的可行性和有效性.     

Petri网本原可重复向量的求解算法及实现

Petri网本原可重复向量是一个重要结构性质.本文定义了网N的可重复向量表出集pre-SPRV(N),证明一个网的本原可重复向量集是唯一的,并且给出它的一个求解算法.算法首先求出网N变迁扩充网的所有极小T-不变量,由此求得N的一个可重复向量表出集,然后依次考察其中的每一个向量,将其中的多余向量去掉,得出网N的本原可重复向量集.最后算法被实现并用于实例以展示算法性能,相关算法的程序实现可以作为已有Petri网分析工具的一个组件.     

可达性等价于状态方程可满足性的petri网子类

定义了一个petri网子类:PN=(S,T;F,M0),满足条件s∈S→｜·s｜≤1。证明:当目标标识Md>0时,此petri网子类的可达性等价于状态方程Md=M0+ATX的可满足性。同时,当此petri网子类的可达性等价于状态方程可满足性时,可得出如下两点结论:(1)对于满足M0+ATX>0的每个非平凡的非负整数向量X,都■t∈Tx:M0[t>;(2)对于满足M0+ATX>0的每个非平凡的非负整数向量X,X都是PN的一个可执行向量。     

模拟实时系统的点区间优先级时间Petri网与TCTL验证

时间Petri网为实时系统提供了一种形式化的建模方法, 时间计算树逻辑(TCTL)为描述实时系统与时间相关的设计需求提供了一种逻辑化的表达方式, 因此基于时间Petri网的TCTL模型检测广泛应用于实时系统的正确性验证.然而对于一些涉及优先级的实时系统, 例如多核多任务实时系统, 这里不仅需要考虑任务之间的时间约束还要考虑任务执行的优先级以及引入优先级带来的抢占式调度问题, 致使相应的建模和分析变得更加困难.为此, 本文提出了点区间优先级时间Petri网, 通过在时间Petri网上定义变迁发生的优先级以及变迁的可挂起性, 从而可以模拟实时系统的抢占式调度机制, 即首先高优先级的任务抢占低优先级的任务所占用的资源, 导致后者被中断, 然后前者执行完毕后释放资源, 最后后者再次获得资源从中断的地方恢复.本文通过点区间优先级时间Petri网来模拟多核多任务实时系统, 使用TCTL来描述它们的设计需求, 设计了相应的模型检测算法, 开发了相应的模型检测器以验证它们的正确性.我们通过一个实例来说明我们的模型和方法的有效性.     

可达性等价于状态方程可满足性的一个petri网子类

本文定义了一个petri网子类： ，满足条件 。本文证明：当目标标识 时，此petri网子类的可达性等价于状态方程 的可满足性。同时，当此petri网子类的可达性等价于状态方程可满足性时，可得出如下两点结论：①对于满足 的每个非平凡的非负整数向量 ，都 ；②对于满足 的每个非平凡的非负整数向量 ， 都是 的一个可执行向量。     

Petri网语言的Pumping引理

Petri网语言是Petri网理论的重要组成部分，也是系统行为分析的一种重耍的工具．Petri网语言的Pumping引理反映了Petri网语言的共性，可用来证明某些语言不是Petri网语言，已经证明，当一个Petri网语言可被某个有界Petri网产生时，此语言是正规语言，因此，正规语言的Pumping引理对此语言是有效的，但正规语言的Pumping引理并小适用于所有的Petrl网语言．文中给出了一种Petri网语言的Pumping引理，证明其对任意无空标注的Petri网语言都有效，并且＋正规语言的Pumping引理是此引理的一种特殊形式．利用此Pumping引理可以证明某些语言是不能由Petri网产生的。     

基于WFT-net验证合理性的动态数据精炼策略

带有数据表的工作流网(WFT-net)用于验证业务流程的合理性,包括正确的行为逻辑和满足的数据需求.在某些情况下,静态数据精炼策略存在无法反映流程中所有可能执行路径的情况,这会导致检测正确率不理想等问题.为此,文中提出了一种新的动态数据精炼策略.首先,提出了在流程运行当前状态下评估与被写数据元素相关联的数据表和谓词状态的方法,捕捉数据流状态的实时变化,全面反映流程执行所有可达的状态,避免执行路径的丢失.此外,当流程执行陷入会导致数据流状态无限更新的循环时,通过适当调整赋值精炼规则的方式,来避免状态的无限延伸.然后,基于所有可能执行路径来检测流程的合理性.最后,在不同业务流程实例上的实验结果表明,该动态数据精炼策略能够有效提高合理性检测的正确率.     

稳定有界Petri网的进程表达式

文献[1]证明一个有界Pctri网的进程表达式是以该网的基本子进程集为字母表的正规表达式,然而没有给出基本子进程的求解方法。定义了一类有界Petri网—稳定有界Petri网,并给出其基本子进程的求解算法,进而利用有限自动机的语言表达式的求解方法来求解稳定有界Pctri网的进程表达式。另外,还给出了由符合一定条件的导网的进程表达式来构造其同步合成网的进程表达式的算法。     

资源独立工作流可满足性的最小增量模式回溯

工作流可满足性是业务安全规划的基本问题, 正在面临高资源配比(资源数n显著大于步骤数k)造成的性能挑战. 在资源独立约束下, 其最高效求解途径是模式空间上的增量回溯法IPB. 为克服结点真实性验证的性能瓶颈, 它增量计算模式k指派(二部)图及其(左完备)匹配, 分别需要O(kn)和O(k²)时间. 利用父子模式的原子差异增量计算完全指派图, 只需O(n)时间, 特别是其实际性能, 将随模式块规模增长迅速提高. 但该图的O(kn)规模导致了同样的增量匹配时间. 进而引入完备k核心匹配概念, 证明其存在性等价于左完备匹配, 且其增量计算时间为O(k²). 由此, 建立了时间复杂度更低的最小增量模式回溯法. 在含互斥和两种全局值势约束而授权比例约为1/4的扩展公开实例集上进行实验, 结果表明: 当n/k=10(及n/k=100), 而k变化时, 该方法较IPB有平均超过2(及5)倍、最低1.5(及2.9)倍的性能优势; 当k=18(及k=36), 而n/k=2~4096(及n/k=2~2048)时, 该方法有平均超过2.6(及3.6)倍优势; 而较2021年Minizinc挑战赛的冠军求解器Google OR-Tools CP-SAT, 该方法最低有超过3倍优势.     

排序学习研究进展与展望

排序学习利用机器学习技术去训练排序模型以解决排序问题,是信息检索与机器学习交叉领域的一个新兴研究热点.越来越多的排序学习方法已经应用于实际系统中,如搜索引擎和推荐系统等.本文概括了排序学习的研究进展,并进行展望.首先,阐述了排序学习问题.然后,对排序学习方法进行了分类,并重点分析了依据训练排序模型时所采用的不同机器学习技术的排序学习方法类别.本文还介绍了一些代表性的标准排序学习数据集,对排序学习方法在若干领域的成功应用进行了总结,并归纳了一些排序学习方法软件包.最后,对排序学习的未来发展趋势和挑战进行了展望和探讨.