弱引发三态加时变迁Petri网及其在并发系统中应用

提出的弱引发三态加时变迁Ｐｅｔｒｉ网能有效地建模分析一类具确定性时间与冲突结构并发系统;在并发意义下研究其动态行为及其特性,并把有关结果用于解决实时并发系统的逻辑特性验证及有限资源调度的优化问题     

无序档案资料整理的工作流网模型

工作流是实际业务工作流程的形式化表示,其关键在于建模.由于Petri网构建的工作流模型具有简单明了的特点,因而成为的重要建模工具.在Petri网和工作流理论的基础上,把一个实际的任务分解为工作流,并对该工作流构建工作流网模型.最后,对所建模型的正确性进行了定性的分析,并对模型的特性和所反映的问题进行了讨论,说明了利用Petri网技术来为实际业务流程建模的合理性和优越性.     

一种基于PNML的工作流模型的实现

讨论一种用PNML(Petri网标记语言)实现工作流过程模型的方法,采用面向对象的设计思想描述了工作流网的基本组件、工作流触发机制的实现,并在此基础上进一步探讨了模块化实现工作流实例的策略。     

多输入多输出随机线性离散系统的在线测辨

本文讨论多输入多输出(MIMO)随机线性离散系统的在线测辨问题。根据Luenberger标准型的稳态Kalman滤波表示提出了一套在线测辨方法,即用残差法的结构测辨和递推增广工具变量法(REIV)的参数估计。本文给出了残差平方和的递推算式,并证明了如果采用本文所提出的工具变量,那末REIV算法是渐近无偏的。最后,我们还给出了计算机模拟算例,说明本文所提出的在线测辨算法是行之有效的。     

一类随机系统的EK滤波

本文给出一类含时变未知参数的随机系统,在系统状态噪声与量测噪声于有限时间区间上相关情况下的广义卡尔曼滤波递推公式。     

诊断多智能体重构过程的Petri网模型

为适应故障诊断中动态变化的环境和满足求解复杂系统全部任务的要求,本文以诊断决策问题的结构及建模过程的层次性为基本思想,提出用立体分层Petri网作为可视化建模支持工具支持嵌套式建模,研究了诊断系统重构的立体分层Petri网框架,并详细分析了诊断系统资源调度的Petri网模型、多智能体诊断系统重构的Petri网模型以及功能智能体执行重构的Petri网模型,全文通过实例说明了Petri网模型的设计方法,最后给出了立体分层Petri网模型的求解方法。     

基于HLA的Petri网分布式仿真中的数据过滤方法

在应用Petri网对大规模复杂系统建模和仿真时,Petri网模型可能出现组合爆炸的现象,从而占用大量的计算资源。考虑到Petri网的并发特性,可将Petri网模型分解为若干子网,进行并行或分布式仿真。在基于HLA的Petri网分布式仿真中,各联邦成员之间需要进行大量的数据交换,从而实现令牌(token)在子网之间的流动。因此,减少冗余数据的传输是提高分布式仿真性能的一种有效途径。对基于HLA的Petri网分布式仿真中的四种数据过滤方法进行了分析和研究,并通过仿真实验比较了它们去除冗余数据的有效性。     

基于人工神经网络与Petri网的宏观经济调控分析

在简要分析人工神经网络方法和 Petri网技术特点的基础上 ,提出了将人工神经网络与 Petri网技术相整合 ,并将其运用于宏观经济调控中的设想 .同时提出了两种技术的整合方法 ,并以中国近二十年来的统计资料为样本 ,进行了宏观经济调控的模拟分析 ,得出此种方法效果较好的结论 .     

Should fixed coefficients be re-estimated every period for extrapolation?

This paper demonstrates that forecast accuracy is not necessarily improved when fixed-coefficient models are sequentially re-estimated and used for prediction, after updating the database with the latest observation(s). It is argued that although sequential estimation may minimize the variances of predictors based on some classes of estimators, sequential estimation does not necessarily yield accurate predictions (i.e. predictions that are close to actual realizations). Minimizing the mean squared prediction error about the actual realization is a necessary condition for maximizing the probability that one predictor is more accurate than others. This minimization need not require, and may even exclude, the most recent data. It has been shown by an example that a prediction based on a nonsequential estimate of a stochastically varying coefficient model is superior to predictions based on several sequential estimates of the fixed-coefficient models, including a random walk model.     

面向对象Petri网建模与仿真的可视化环境

主要介绍用面向对象方法开发的Ｐｅｔｒｉ网建模和仿真可视化环境ＰＮＳＥ（Ｐｅｔｒｉ Ｎｅｔ Ｓｉｍｕｌａ－ｔｉｏｎ Ｅｎｖｉｒｏｎｍｅｎｔ）。通过对一个实例的建模和仿真，说明了Ｐｅｔｒｉ网建模与仿真的可视化表示方法。