Petri网学习(五):Petri网子类的性质分析

 

一、标识S-图

S-图定义:

定义:网N=(P,T;F)是S-图或状态机当且仅当:\forall t_i\in T, |^.t_i|=|t_i^.|=1,而带有标识的S-图称为标识S-图。将S-图中的变迁撤掉可以简化为有向图SG=(P,E)

我对S-图的理解:所有的变迁都是单进单出。

S-图的性质:

1、设N=(P,E)是一个S-图,则\forall M_0,\forall M\in R(M_0):\sum_{p\in P}M(p)=\sum_{p\in P}M_0(p);(运行过程中标识数不变)

2、若N是一个S-图,对于任意的初始标识M0,(N,M0)都是有界的;

3、设N=(P,E)是一个S-图,N是活的的充分必要条件是:N是一个强连通图,且M_0(P)\geqslant 1 ,(M_0(P)=\sum_{p\in P}M_0(p));(强连通图+初始标识数>0)

二、标识T-图

T-图的定义

定义:网N=(P,T;F)称为一个T-图当且仅当:\forall p\in P,|^.p|=|p^.|=1。如果N是一个T-图,M为N的一个标识,则称(N,M)为标识T-图。

以变迁集T作为顶点集,每个库所以及它的输入输出两条流关系作为边集,可将网N简化成有向图TG=(T,E)。其中库所中的标志画在有向边旁。

T-图的性质

1、设网TG=(T,E)是一个T-图,M0是TG的初始标识,若\sigma \in T^*,M_0[\sigma >,且T中的每个变迁在\sigma中出现的次数相同,则M_0[\sigma >M_0;(个人理解:T-图中,所有的变迁都走1次又回到原点,都走2次也回到原点......)

2、设N=(P,T;F)是一个T-图,M0是N的初始标识,C是N中的一个回路,则对于\forall M\in R(M_0),有:\sum_{e \in C}M(e)=\sum_{e\in C}M_0(e);(个人理解,仅供参考:在回路中的标识数不变;一个回路就是一个陷阱或死锁,因为单把这个回路拿出来的话,它的前集=它的后集,再加上连接这个回路的有向边之后,前集后集肯定是一个包含关系)

3、设N=(P,T;F)是一个T-图。M是N的一个表示,若\exists t\in T:\forall M^{'}\in R(M),\lnot M^{'}[t>,则从t沿有向边逆向向后追踪,最终会遇到一个回路C,使M(C)=0;(个人理解,仅供参考:某一个状态之后t永远不可能发生的原因是前面有一个死锁,一个不含标志的死锁永远也得不到标识)

4、设N=(P,T;F)是一个T-图,M0是N的一个初始标识,(N,M0)是活的充分必要条件是:对N的任意有向回路C,M(C)>=1;(每个回路中必须至少要有一个标识,否则永远也得不到标识,因为T-图中回路的标识数不变)

5、设N=(P,T;F)是一个活的T-图,其中N=(T,E),那么:

  1. \forall e\in E,e是有界的,当且仅当N中存在一个回路C,e\in C;(个人理解,仅供参考:回路中的边都是有界的,不是回路中的边都是无界的)
  2. 若e是有界的,则B(e)=min\left \{M_0(C)|e\in C\right \};(边界为e所在的所有回路中,标识数和最小的)

6、活的标识T-图有界的,当且仅当T-图中的任意一条边都在一个有向回路中;

7、活的标识T-图是安全的,当且仅当\forall e\in E,存在有向回路C,e\in C且M0(C)=1;

三、标识自由选择选择网

标识自由选择网的定义:

网N=(P,T;F)称为自由选择网,当且仅当\forall t_1,t_2\in T,(t_1\neq t_2)^.t_1\cap^.t_2\neq \emptyset \rightarrow |^.t_1|=|^.t_2|=1;如果N是一个自由选择网,M是N的一个标识,则称(N,M)是一个标识自由选择网。

个人理解,经供参考:自由选择网中仅存在两种结构,要么一对多(一个库索到多个变迁),要么多对一(多个库所到一个变迁),不会出现交叉的多对多(多个库所到多个变迁)

关于标识自由选择网的一些定理:

1、标识自由选择网的活性与网中的死锁和陷阱有着密切的联系。设N=(P,T,F)是一个网,M是N中的一个标识,记:

T_{Ne}=\left \{ t\in T|\lnot M[t> \right \};M状态下不能发生的变迁

S_{M\phi }=\left \{p\in P|M(p)=0 \right \};M状态下具有空标识的库所

Q= {^.T_{Ne}}\cap S_{M\phi};导致M状态下变迁发生的具有空标识的库所

若 ^.Q\subseteq T_{Ne},则Q是N的一个死锁且M(Q)=0(称为N的一个未标识死锁)

(个人理解仅供参考:^.Q表示能让Q中空标识库所变得有标识的变迁集,而这变迁集刚好又是不能发生的变迁集(T_{Ne})的子集,所以:因为变迁不能发生所以库所标识永远为空,库所标识永远为空导致变迁永远无法发生;A在等B发生,B在等A发生,AB在等一个永远也等不到的结果,死锁!妈耶,怎么有点像爱情苦情剧)

2、设N=(P,T;F)是一个自由选择网,M是N的一个标识,T_1\subseteq T,\forall t\in T_1:\lnot M[t>,则\forall t^{'}\in (^.T_1)^.,\lnot M[t^{'}>

个人理解,仅供参考:这一般是针对一对多的情况,因为多对一的话,变迁的前集的后集是它本生,大致意思如下图:

3、设N=(P,T;F)是一个自由选择网,M0是N的一个初始标识。如果(N,M0)不是活的,则N中必然存在一个死锁Q,和一个标识M\in R(M_0),M(Q)=0

4、设N=(P,T;F)是一个自由选择网,M0是N的一个初始标识。如果(N,M0)是活的的充分必要条件是:对N中的每一个死锁Q都存在一个陷阱P\subseteq Q,且M_0(P)\neq 0

  • 4
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值