区间速率连续Petri网模型行为分析研究

讨论了区间速率连续Petri网模型的行为分析问题．通过划分标识等价类提出了任意标识下区间速率连续Petri网各个迁移瞬时引发速率的求解方法，并在此基础上给出了区间速率连续Petri网的行为演变算法．同时给出了区间速率连续Petri网行为演变的混杂自动机模型构造方法．应用例子表明了所提出行为分析方法的有效性．     

基于一种新型混杂Petri网的混杂系统建模与控制

为了增强混杂Petri网模型描述能力和克服一阶混杂Petri网模型语义错误的问题,定义一种新的混杂Petri网模型——广义混杂Petri网,提出了相应的迁移使能和迁移引发语义．通过划分标识等价类提出了广义混杂Petri网连续迁移瞬时引发速率的有效求解方法和模型行为演变分析方法．给出了广义混杂Petri网模型的混杂系统建模实例,同时结合模型行为演变和线性规划实现了混杂系统的优化控制．研究结果表明,所定义的模型描述能力更强,模型语义正确合理．能够有效描述和分析混杂系统．     

基于冲突检测的一阶混杂Petri网动态行为演变方法

讨论了基于冲突检测的一阶混杂Petri网动态行为演变方法,首先给出用于一阶混杂Petri网冲突检测的瞬时迁移、延时迁移、指数迁移及区间速率连续迁移等4类迁移间的冲突判定定理;然后给出基于冲突检测的一阶混杂Petri网动态行为演变方法;最后通过混杂系统的一阶混杂Petri网模型说明冲突检测对行为演变分析正确性的重要作用。     

区间速率连续Petri网的有效冲突及其消解

有效冲突是Petri网及其扩展模型的重要行为。本文讨论了区间速率连续Petri网模型的有效冲突问题。通过划分区间速率连续Petri网的标识等价类,提出了区间速率连续Petri网在任意标识下的瞬时引发速率的有效求解方法,并提出了区间速率连续Petri网最大瞬时引发速率有效冲突的判定及消解方法。最后给出相应的分析例子。     

基于一阶混杂Petri网的柔性制造系统粗糙控制

研究基于一阶混杂Petri网模型的柔性制造系统粗糙控制.为构造正确的一阶混杂Petri网模型行为演变图,提出了确定改变Macro状态事件的新方法;进而给出了柔性制造系统优化与控制算法,并基于粗糙集合理论和所给出的算法,提出了柔性制造系统的粗糙控制方法.最后通过一个实例验证了该方法的有效性.     

基于模糊逻辑的CCPN瞬时引发速率求解方法

瞬时引发速率是连续Petri网模型分析的基础和关键。引入模糊理论提出了一种基于模糊决策的迁移优先权的模糊综合评价模型，实现了迁移优先权的动态计算。提出了基于线性规划方法的瞬时引发速率的求解算法，解决了有效冲突情形下瞬时引发速率的求解问题。实例表明了所提出方法的有效性。     

一种新的混杂Petri网可达性分析方法

讨论混杂Petri网的标识可达性问题.以混杂Petri网模型行为演变为基础提出了一种新的可达性分析方法.根据混杂Petri网模型行为演变划分了混杂Petri网的四种演变类型,给出并证明了每一种演变类型的可达性判定定理,基于这些定理给出了相应的可达性分析算法.另外,与已有的方法进行比较分析,分析结果表明所提出方法的有效性.     

基于一阶混杂Petri网的柔性制造系统粗糙控制

研究基于一阶混杂Petri网模型的柔性制造系统粗糙控制.为构造正确的一阶混杂Petri网模型行为演变图,提出了确定改变Macro状态事件的新方法;进而给出了柔性制造系统优化与控制算法,并基于粗糙集合理论和所给出的算法,提出了柔性制造系统的粗糙控制方法.最后通过一个实例验证了该方法的有效性.

     

ICPN的时间自动机构造方法

为克服Petri网行为演变分析技术的局限性,利用时间自动机技术分析区间速率连续Petri网(ICPN)特性。根据区间速率连续Petri网模型语义提出基于冲突消解的区间速率连续Petri网状态演变图构造算法,给出状态演变图的时间自动机构造方法。对某化工生产过程的分析表明了该方法的必要性和有效性。     

资源配置混杂Petri网的混杂系统生产过程动态调度

为了增强混杂生产过程应对突发事件的能力,以一种新的混杂Petri网(资源配置混杂Petri网)为研究模型,给出了相应的使能和激发规则.并在资源配置混杂Petri网建立的仿真模型的基础上,融入事件逻辑网和逻辑规划,提出一种适用于混杂系统动态生产调度建模和优化的方法.以典型的混杂生产过程为例,研究混杂系统生产过程建模及优化.研究结果表明,资源配置混杂Petri网模型描述能力强,能够有效描述混杂系统生产过程,所提出的动态调度方案切实有效.     

A new method to identify collaborative partners in social service provider networks

The interactions among service providers are represented as a social network to support service-oriented collaborations across multiple manufacturing enterprises. The combination of service-oriented computing and social network facilitates the connection and collaboration within enterprises. It is essential to identify a group of prosperous collaborative partners in a social network in a prompt and efficient way, especially when the number of alternative service providers is large. However, traditional exhaustive searching approaches are inapplicable in identifying a host enterprise and constitutive members due to the prohibitive computations. In this paper, a new and efficient approach has been proposed to identify service providers optimally based on existing social relations. Three innovations in the proposal are (i) a set of new concepts has been defined to construct a social service provider network; (ii) based on remodeling the social graph, the betweenness centrality algorithm has been enhanced to efficiently find the leader who serves as the host enterprise of a given engineering project; (iii) to improve the efficiency of computation, an innovative algorithm is proposed to identify the collaborative partners by confining the searching space in the set of connector nodes. For the validation purpose, the experimental simulation is conducted and the results have demonstrated that the proposed algorithms outperform several existing algorithms in terms of computation time in dealing with the increasing number of enterprises.     

一个基于图基的参数化设计方法

文中提出一个基于图基高层次图素的产品参数化设计方法,对图基及图基骨架的概念和定义作了阐述了,讨论了图基的性质及其分类,提出了一系列图基的构造算子,给出了一个基于图基骨架自组织的算法和信息模型,得出一个利用尺寸的约束树把不 基线素之间的尺寸约束向其中某一图基内部尺寸的约束的转方法。     

差分演化优化Ncut准则的彩色图像分割

针对解Ncut准则的SM算法寻优能力不足的问题,提出一种基于差分演化优化归一化准则的彩色图像分割算法。首先对彩色图像进行爬山法预分割为多类,并构造类级间的无向完全图,之后再使用二进制差分演化算法求得Ncut准则最小化的图二分,最后通过映射获得图像的二值分割。实验结果表明,在相同预处理情况下,本文的寻优算法与SM算法相比,分割效果更为精准。     

传感器网络中高效的最小连通支配集求解算法

在无线传感器网络中,连通支配集被广泛应用于构建虚拟主干。由于求解最小连通支配集是一个NP难问题,许多近似算法被提出用于构建可用的最小连通支配集。针对当前近似算法存在的不足,我们提出了一个新的分布式近似构造算法—CDS-HG,该算法用层次图对无线传感器网络进行建模,算法用基于竞争的贪心策略从每一层选出最少的节点去支配下一层的所有节点。理论分析和模拟结果表明,CDS-HG算法产生的连通支配集是目前最小,并且其消息复杂度也是目前最低的。     

Graph matching based on spectral embedding with missing value

This paper proposes an efficient algorithm for inexact graph matching based on spectral embedding with missing value. We commence by building an association graph model based on initial matching algorithm. Then, by dot product representation of graph with missing value, a new embedding method (co-embedding), where the correspondences between unmatched nodes are treated as missing data in an association graph, is presented. At last, a new graph matching algorithm which alternates between the co-embedding and point pattern matching is proposed. Convictive experimental results on both synthetic and real-world data demonstrate the effectiveness of the proposed graph matching algorithm.     

大规模社交网络中高效的关键用户选取方法

针对大规模社交网络及其用户发布消息的历史数据,如何快速有效地选取具有较强信息传播能力的关键用户,提出了一种关键用户选取方法。首先,利用社交网络的结构信息,构建以用户为节点的有向图,利用用户发布消息的历史数据,基于Spark计算框架,定量计算由用户活跃度、转发交互度和信息量占比刻画的权重,从而构建社交网络的有向带权图模型;然后,借鉴PageRank算法,建立用户信息传播能力的度量机制,给出基于Spark的大规模社交网络中用户信息传播能力的计算方法;进而,给出基于Spark的d-距选取算法,通过多次迭代,使得所选取的不同关键用户的信息传播范围尽量少地重叠。建立在新浪微博数据上的实验结果表明,所提方法具有高效性、可行性和可扩展性,对于控制不良突发信息传播、社交网络舆情监控具有一定的支撑作用。     

基于堆和邻域共存信息的KNN相似图算法

在谱聚类算法中,相似图的构造至关重要,对整个算法的聚类结果和运行效率都有着巨大影响。为了加快谱聚类的运算速度和通过近邻截断提高其性能,通常选择K近邻(KNN)方法来构造稀疏的相似图,而K近邻图对离群点非常敏感,这种噪声边会严重影响聚类算法的性能。文中提出了一种新的高效稀疏亲和图构造方法HCKNN,其中基于堆的K近邻搜索比基于排序的近邻选择在效率方面提升了log(n),基于邻域共存累计的阈值化来进行邻域约减不仅能够去除噪声边以提高聚类性能,还能进一步稀疏化相似矩阵,从而加速谱聚类中的特征分解。     

基于EPN的学习资源组合研究

提出基拳Petri网(EPN)的资源组合方法,用于对学习资源和组合流程进行建模和分析.首先对基于Petri网的组合方法进行综述,这些方法推动了资源组合的发展,但其所描述的资源及变迁规则不适合学习资源.为此提出了基于EPN的资源组合,以解决这一问题.改进EPN的变迁规则,把学习资源封装为Web服务,使用改进后的模型对服务进行建模,然后提出组合算法根据已知条件和变迁规则组合学习资源.最后,给出学习资源组合的实例验证方法的可行性.