Petri网模型参数化可达图研究

Petri网是一种对并发系统进行描述和建模的重要数学工具,可达图是Petri网模型的主要分析方法。为了解决由于系统参数化造成的Petri模型可达图难以构造并且无法进行模型性质检验的问题,在分析现有参数化可达图方法的基础上,利用参数化标识提出一种新的Petri网模型完全参数化可达图构造方法。同时给出了这种可达图的有关特性及其证明,并举例说明了如何利用这种参数化可达图对系统进行模型性质检测。     

UML类图到CPN转化方法的研究

UML（Unified Modeling Language）作为一种面向对象分析和设计的建模语言已被用在很多大型软件系统中,但UML缺乏精确的语义描述,难以直接用数学工具对UML模型进行分析、验证。而CPN（Coloured Petri Nets）作为一种建模工具,有着严格的形式化语义和分析方法。主要针对UML的类图,给出类图到CPN的转换方法,并以实例说明。     

幂律思考系列文章3——无标度网络中几个有争议的命题

利用无标度网络的定义和分类,以及无标度网络度指数的定义,研究了3个有争议的命题:是否所有无标度网络都是稀疏的,从无标度网络随机抽样所得的子网络是否无标度,阿波罗尼斯网络度指数要不要加1。分析了产生争议的根源,给出了正确的解答。     

LEARNING CAUSAL GRAPHS OF NONLINEAR STRUCTURAL VECTOR AUTOREGRESSIVE MODEL USING INFORMATION THEORY CRITERIA

Detection and clarification of cause-effect relationships among variables is an important problem in time series analysis. Traditional causality inference methods have a salient limitation that the model must be linear and with Gaussian noise. Although additive model regression can effectively infer the nonlinear causal relationships of additive nonlinear time series, it suffers from the limitation that contemporaneous causal relationships of variables must be linear and not always valid to test conditional independence relations. This paper provides a nonparametric method that employs both mutual information and conditional mutual information to identify causal structure of a class of nonlinear time series models, which extends the additive nonlinear times series to nonlinear structural vector autoregressive models. An algorithm is developed to learn the contemporaneous and the lagged causal relationships of variables. Simulations demonstrate the effectiveness of the nroosed method.     

Image separation using wavelet-complex shearlet dictionary

This paper presents a new method for image separation through employing a combined dictionary consisting of wavelets and complex shearlets. Because the combined dictionary sparsely represents points and curvilinear singularities respectively, the image can be decomposed into pointlike and curvelike parts as accurate as possible. The proposed method based on the geo- metric separation theory introduced by Donoho in 2005 shows that accurate geometric separation of the morphologically distinct fea- tures of points and curves can be achieved by l1 minimization. The experimental results show that the proposed method can not only be effective but also greatly reduce the computing time.     

Hamilton二部图的一个充分条件

证明了当设G=(X,Y;E)是连通二部图,｜X｜=｜Y｜=n!5,且δ(G)≥2,若NC2≥n-1,则G是Hamilton图。     

Q690低碳微合金钢热变形微观组织演变及加工图

利用Gleeble-3800数字控制热/力模拟试验机研究了Q690低碳微合金钢在变形温度850～1150℃,应变速率0.01～30s-1条件下的高温单道次压缩变形行为.建立了基于动态材料模型(DMM)的加工图,结合OM观察变形体微观组织确定了该钢种的高温热变形机制.结果表明:应变量0.7及以下的加工图中包含2个峰区(1 000～1 120℃,0.01～0.37s-1和1 100～1 150℃,3.16～30s-1)和3个加工失稳区(850～900℃,0.01～0.32s-1和850～900℃,10～30s-1以及1 000～1 085℃,1～30s-1).应变量超过0.8的加工图包含2个峰区(1 025～1 100℃,0.01～0.38s-1和1 100～1 150℃,3～30s-1),失稳区为低温(850～900℃,0.01～30s-1)以及应变速率1s-1以上的中低温度(850～1 100℃)范围,在这两个峰区峰值点附近的热变形显微组织为均匀的完全动态再结晶组织,因此,这两个区域均适合Q690钢的热加工变形.     

2维de Bruijn-Good图的自同构群

令m,n为正整数,M为任意集合,M上的2维(m,n)阶de Bruijn-Good图是一有向图,它的顶点集合V由M上的所有m×n阵组成,即     

基于密度分类的JPS+移动机器人全局路径规划算法

针对传统全局路径规划中扩展节点多、寻路时间长等问题,提出一种基于JPS+(jump point search plus)算法的全局路径规划算法,旨在提高机器人在复杂环境的智能性、高效性的要求。首先引入了一种基于密度的判断障碍物角点规则,实现对于主要跳点的识别数目,减少搜索路径过程中的可扩展节点,同时在路径求解过程中对目标跳点的判定规则进行了修改,最终实现了减少计算量、缩短计算时长的目标。为验证所提改进型JPS+算法的有效性,将A~*、JPS+算法在不同类型地图中与改进型JPS+算法进行了比较。仿真结果表明,改进型JPS+算法与A~*算法相比,在路径长度、寻路时间和扩展节点数量上都有明显改进;在生成相同路径的基础上,与传统JPS+算法相比,在障碍物占比33.25%的地图中搜索时间降低了7.58%,节点扩展数量减少了9.38%,能够满足移动机器人快速全局路径规划的要求。     

基于Petri网的工作流模型优化

为了使工作流模型更简洁,在工作流网WFPN的定义的基础上,给出了利用可达性分析技术对WFPN进行合理性分析的有效方法,提出了一种通过添加抑制弧对WFPN进行优化的算法.该算法为Petri网在大规模复杂模型中的应用及其理论分析提供了一条新的思路.最后,通过一个实例说明了其优化过程,验证了该优化算法的有效性.