Petri网-3.4 C/E 系统 与 3.5 P/T 系统

3.4 C/E 系统 Condition/Event system

C/E 系统与 EN 系统的区别是 C/E 系统没有初始状态。

$\sum =(B,E;F,C)$ 称为 C/E 系统，即条件/事件系统。其中：

• $B$，$E$ 分别为条件集和事件集
• $F$ 是流关系
• $(B,E;F)$ 为有向网
• C是完全可达集

C/E 系统是通用网论的基础模型。同步论最初是借助事件正反双向发生定义的。

3.5 P/T 系统（库所/变迁系统）

3.5.1 库所/变迁系统定义

• 库所：Place
• 变迁：Transition

$\sum =(S,T;F,K,W,M_0)$ 为 P/T 系统，如果 $(S,T;F)$ 为有向网。

• K : S → { 1 , 2 , 3 , . . . } ∪ { ∞ } K:S \rightarrow \{1,2,3,...\}\cup\{\infty\} K:S→{1,2,3,...}∪{∞} ，$S$ 元素的容量函数
• ∧ W : F → { 1 , 2 , 3 , . . . } \wedge W:F \rightarrow \{1,2,3,...\} ∧W:F→{1,2,3,...} ，$F$ 上的权函数，资源消耗或产生的量
• ∧ M 0 : S → { 0 , 1 , 2 , . . . } \wedge M_0:S \rightarrow \{0,1,2,...\} ∧M0​:S→{0,1,2,...} ，初始标识（资源初始分布）
• $\wedge \forall s\in S:M_0(s)\le K(s)$

思考：如何理解 $K(s)=\infty$

3.5.1.1 标识：资源分布

定义： M : S → { 0 , 1 , 2 , . . . } M:S \rightarrow\{0,1,2,...\} M:S→{0,1,2,...} 称为 $\sum$ 上的标识，如果 $\forall s\in S:M(s)\le K(s)$

3.5.2 变迁规则

3.5.2.1 变迁规则：发生权

$t\in T$，$M$ 为 $\sum$ 的标识

定义：$t$ 在 $M$ 有发生权，记作 $M[t>$ ，如果 $\forall s{\in }^{.}t:M(s)\ge W(s,t)\wedge \forall s\in t^{.}:M(s)+W(s,t)\le K(s)$

3.5.2.2 变迁规则：后继

若$M[t>$ ，则 $t$ 可以发生，$M^{\prime }$ 为 $M$ 的后继标识：
$$\begin{array}{r}\begin{array}{r}{M}^{\prime }(s)=\{\begin{array}{ll}M(s)-W(s,t)& if(s{\in }^{.}t-t^{.})\\ M(s)+W(t,s)& if(s\in t^{.}{-}^{.}t)\\ M(s)+W(t,s)-W(s,t)& if(s{\in }^{.}t\cap t^{.})\\ M(s)& if(s{\notin }^{.}t\cup t^{.})\end{array}\end{array}\end{array}$$
后继关系记作 $M[t>M^{\prime }$

3.5.2.3 变迁外延，局部确定原理

${}^{.}t\cup t^{.}$ 称为变迁 $t$ 的外延（extension）

3.5.2.3.1 局部确定原理（普适）

• 每个变迁都有它的外延
• 变迁的发生只依赖其外延，也只改变其外延
• $\sum \cap Env(\sum )$ 无冲突

3.5.2.4 广义权函数

W ′ : S × T ∪ T × S → { 0 , 1 , 2 , . . . } W':S \times T \cup T \times S \rightarrow \{0,1,2,...\} W′:S×T∪T×S→{0,1,2,...} 称为 $\sum$ 的广义权函数，如果 $\forall (x,y)\in S\times T\cup T\times S$
$$\begin{array}{r}\begin{array}{r}{W}^{\prime }(x,y)=\{\begin{array}{ll}W(x,y)& if(x,y)\in F\\ 0& if(x,y)\notin F\end{array}\end{array}\end{array}$$

3.5.2.4.1 定义，用广义权函数给出变迁规则

$$\begin{gathered} M[t>:⟺\forall s\in S:M(s)\ge W^{\prime }(s,t)\wedge M(s)+W^{\prime }(s,t)\le K(s) \\ M[t>M^{\prime }:⟺M[t>\wedge \forall s\in S:M^{\prime }(s)=M(s)-W^{\prime }(s,t)+W^{\prime }(t,s) \end{gathered}$$

这仅仅是技术上的处理，而不是概念上的更新

• 得：广义权函数使变迁规则看上去简洁
• 失：
  • 技术处理，用 $W^{\prime }$ 取代 $W$ 会失去其物理含义；
  • 用 $W^{\prime }$ 取代 $W$ 和 $F$ ，定义 $\sum =(S,T;W^{\prime },M_0)$ ，会失去网结构

3.5.2.5 缺省值及特例的图示

$t_1$ 缺省的容量为 $\infty$ ，缺省的权为 1。

$t_2$ 不属于 P/T 系统，$M_0(s_3)=3>K(s_3)=2$

$t_3$ 属于 P/T 系统，只是不会发生

• 对于图上的变迁上没有数字的是 权函数的缺失值，一般就是1。
• 对于图上的容量上没有数字的是 容量函数的缺失值，一般就是 $\infty$。

3.5.2.6 容量的物理含义

先举个教堂婚礼的例子，如果忽略新郎新娘之间的差别，即从 CE 系统到 P/T 系统。

• 缺点：少了很多具体的描述，比如说 EN 系统原来的冲突消失了。
• 优点：系统变的简单了。

思考：$K\equiv \infty$ 还是
$$\begin{array}{r}\begin{array}{r}\{\begin{array}{l}K(s_1)=K(s_3)=K(s_4)=2\\ K(s_0)=K(s_2)=K(s_5)=1\end{array}\end{array}\end{array}$$
就这个例子而言，其实认为它的容量是 2 还是 $\infty$ 都可以，因为都不会影响系统的后继和运行。

3.5.2.7 库所的物理含义

• 可观察的同类资源
  • 同类是指在系统中作用相同，如新浪新娘
• 例子（桶装水和瓶装水不同类）
  • 如果要描述的是出门旅游：它们属于不同变迁的外延。
  • 它们参与的变迁不同。
    • 对于桶装水，需要把水倒到瓶装水，然后饮用。
    • 对于瓶装水，直接可以饮用。

3.5.2.8 变迁的物理含义

• 可观察的资源消耗和新资源的产生
  • 有确定不变的观察结果，不因观察者或观察方式而改变，包括质变和量变。
  • 原子性：不中断，无中间状态。中断属于意外。
• 网系统只描述正常变化，不描述意外。观察意外会得到不确定的结果，且不能枚举。

思考：库所元素和变迁元素是否一目了然？

并没有想象中的一目了然，需要分清楚边界和切口。

3.5.3 EN 系统 $\subset$ P/T 系统

EN 系统 $\sum =(B,E;F,c_{in})$ 是 P/T 系统的特例。

• 其中 $K\equiv 1$ ，$W\equiv 1$ ，$M_0$ 是 $c_{in}$ 的另一种表示

$$\begin{array}{r}\begin{array}{r}\forall b\in B:\{\begin{array}{ll}{M}_0(b)=1& if(b\in c_{in})\\ M_0(b)=0& if(b\notin c_{in})\end{array}\end{array}\end{array}$$

3.5.3.1 练习

将 EN 系统上定义的基本现象移植到 P/T 系统上，变迁（事件）和变迁发生权。

3.5.3.1.1 例子1

• $t_1$ 、$t_2$ 并发
• $t_1$ 、$t_2$ 分别和自己并发

3.5.3.1.2 例子2

• $t_1$ 、$t_2$ 、$t_3$ 两两并发
• $t_2$ 和自己并发
• 三者不能并发

3.5.3.2 并发步

在同一标识可以并发的一个或多个变迁，称为该标识上的一个并发步。例如：

• 在 3.5.3.1.1 例子1 中 { t 1 , t 2 } \{t_1,t_2\} {t1​,t2​} 是并发步，写成 $t_1+t_2$ 。同时，$2t_1$、$2t_2$ 也是并发步。
• 在 3.5.3.1.2 例子2 中 $t_1+t_2$ ，$t_1+t_3$ ，$t_2+t_3$ ，$2t_2$ 。

3.5.3.3 可达标识集

3.5.3.3.1 定义

设 $M$ 为 $\sum$ 的任一标识，用 $[M⟩$ 表示符合下列条件的最小集合

• $M\in [M⟩$
• $$\begin{gathered} t\in T\wedge M^{\prime }\in [M⟩\wedge M^{\prime }[t⟩M^{\prime \prime } \\ \to M^{\prime \prime }\in [M⟩ \end{gathered}$$

定义：$[M_0⟩$ 称为 $\sum$ 的可达标识集

3.5.3.3.2 自然语言定义

可达标识集 $[M_0⟩$ 的自然语言定义：

• 从 $M_0$ 开始，包括 $M_0$
• 经有限步变迁发生
• 能到达的
• 所有标识的集合

思考：怎么证明？

3.5.3.4 变迁序列

$\sigma ={\tau }_1{\tau }_2...{\tau }_n$ 称为 $\sum$ 的变迁序列。如果对 $i=1,2,...,n$ ，${\tau }_i\in T\wedge \exists M_i\in [M_0⟩:M_{i-1}[{\tau }_i⟩M_i$，即 $M_0[{\tau }_1⟩M_1[{\tau }_2⟩M_2...M_{n-1}[{\tau }_n⟩M_n$

$M_n$ 称为 $\sigma$ 的后继标识，记作 $M_0[\sigma ⟩M_n$

变迁序列是从 $M_0$ 开始可以依次发生的变迁组成的序列，不是任意的变迁组成的序列。

变迁序列可以扩展到无穷序列：

• ${\sigma }^{\prime }={\tau }_1{\tau }_2{\tau }_3...$ 为无穷序列，如果它的任何有限前缀均为变迁序列，则 ${\sigma }^{\prime }$ 是（无穷）变迁序列。

3.5.3.5 P/T 系统性质

3.5.3.5.1 活性

关注状态，即 $[M_0⟩$

• 变迁 $t\in T$ 是活的，如果 $\forall M\in [M_0⟩\exists M^{\prime }\in [M⟩:M^{\prime }[t⟩$ 。
• $\sum$ 是活的，如果它的所有变迁都是活的。

3.5.3.5.2 有界性

若存在正整数 $k$ ，使得 $\forall M\in [M_0>\forall s\in S:M(s)\le k$ ，则 $\sum$ 称为有界系统。

• 教堂婚礼系统是活的，以 2 为界。
• 哲学家系统的网系统是活的，以 1 为界。哲学家就餐问题的图如下：

3.5.3.5.3 公平性

如果不存在无穷变迁序列 $\sigma$ 和变迁子集 $T_1$ 、$T_2$ ，使得 $\#(\sigma ,T_1)=\infty \wedge \#(\sigma ,T_2)<\infty$，则 $\sum$ 是公平的， 其中 $\#(\sigma ,T_i)$ 是 $T_i$ 中变迁在 $\sigma$ 中出现的次数，$i=1,2$ 。

• 教堂婚礼系统是公平的
• 不加管理的哲学家系统是不公平的
• 问题：公平性的定义合理吗？

3.5.3.6 系统进程

状态变迁并重：网系统进程。

3.5.3.6.1 出现网

$N=(B,E;F)$ 称为出现网，如果 $N$ 为有向网，且 $(\forall b\in B:{|}^{.}b|\le 1\wedge |b^{.}|\le 1)\wedge (\forall x\in B\cup E:(x,x)\notin F^{+})$

例子（出现网 $N_1$）：

• $N_1$ 每个库所至多一条入弧、一条出弧。（产生和消耗）
• $N_1$ 无环，$(b_2,b_4)\in F^2$，$(b_1,b_3)\in F^5$，$F^{+}=F\cup F^2\cup F^3\cup ...$

定义：出现网 $N$ 是网系统 $\sum$ 的一个进程，如果存在从 $N$ 到 $\sum$ 的映射。如下图就是 出现网 $N_1$ 的 网系统映射 网系统 ${\sum }_1$

$N_1$ 是 ${\sum }_1$ 的一个进程（变迁发生的记录），从 $N_1$ 到 ${\sum }_1$ 的映射：

• $b_1\to s_1$ ，$b_2\to s_3$，$b_3\to s_2$，$b_4\to s_4$，$b_5\to s_3$，$b_6\to s_1$，$b_7\to s_2$
• $e_1\to t_1$，$e_2\to t_2$，$e_3\to t_1$

3.5.3.6.2 网系统进程的形式（半形式）定义很复杂

通常只给出 $\sum =(S,T;F,M_0)$ 上的进程定义，即 $K\equiv \infty$ ，$W\equiv 1$。

这里最“老”的网系统（Petri 最早的定义，在其博士论文中的定义）。

进程是并发公理基础。

3.5.3.7 $k<\infty$ 的物理含义

$k(s)=5$ 表示 $s$ 有 5 个“空间资源”，或 $s$ 的空间至多能容纳 5 个$s$ 类资源（如车库）。例如下图：

$t$ 只能发生一次，再发生会引出 $s$ 处的冲撞。

$k=\infty$：空间足够大，不会对变迁发生构成限制。

以下就会受到影响：

3.5.3.7.1 容量函数的作用

以容量函数而非 token 表示空间资源，体现空间资源与其它资源的本质区别：被占的空间不能阻止强占，已消耗的资源已不可见。

引出 “冲撞（contact）” 这一基本现象。熟知空间资源特点后，S_补技术改用 token 表示有限的空间资源，$k\equiv \infty$ ，冲撞从系统中消失（并非从现实消失）。

$s^{\prime }$ 和 $s$ 互为补库所：

• $s^{\prime .}{=}^{.}s{\wedge }^{.}{s}^{\prime }=s^{.}$
• $W(s^{\prime },t)=W(t,s)$
• $M(s^{\prime })+M(s)=k(s)$

例如下面的：

3.5.4 代数表示

限于有线网系统 $:$ 全局，结构：$\sum =(S,T;F,W,M_0)$，$K\equiv \infty$， T = { t 1 , t 2 , . . . , t n } T=\{t_1,t_2,...,t_n\} T={t1​,t2​,...,tn​}， S = { s 1 , s 2 , . . . , s m } S=\{s_1,s_2,...,s_m\} S={s1​,s2​,...,sm​}， W ′ : S × T ∪ T × S → { 0 , 1 , 2 , . . . } W':S \times T \cup T \times S \\ \rightarrow \{0,1,2,...\} W′:S×T∪T×S→{0,1,2,...} 为广义权函数。

3.5.4.1 关联矩阵

定义：$m\times n$ 阶矩阵 $A$ 称为 $\sum$ 的关联矩阵。如果
$$\begin{array}{r}\begin{array}{r}A=\begin{array}{lc}& \begin{array}{cccc}{t}_1& t_2& ...& t_n\end{array}\\ \begin{array}{c}{s}_1\\ s_2\\ ⋮\\ s_m\end{array}& \left(\begin{array}{cccc}& & & \\ & a(i,j)& & \\ ...& ⋮& & \\ & & & \end{array}\right)\end{array}\end{array}\end{array}$$
其中，$a(i,j)=W^{\prime }(t_i,s_j)-W^{\prime }(s_j,t_i)$。

关联矩阵与 $M_0$ 无关，是网系统的结构描述。

3.5.4.1.1 例子 ${\sum }_1$

${\sum }_1$ 的关联矩阵
$$\begin{array}{r}\begin{array}{r}A=\begin{array}{lc}& \begin{array}{cc}{t}_1& t_2\end{array}\\ \begin{array}{c}h\\ l\\ c\\ r\end{array}& \left(\begin{array}{cc}-1& -1\\ -2& -4\\ 1& 0\\ 0& 1\end{array}\right)\end{array}\end{array}\end{array}$$

3.5.4.1.2 例子 ${\sum }_2$

${\sum }_2$ 的关联矩阵
$$\begin{array}{r}\begin{array}{r}{A}_2=\begin{array}{lc}& \begin{array}{ccc}{t}_1& t_2& t_3\end{array}\\ \begin{array}{c}{s}_1\\ s_2\\ s_3\end{array}& \left(\begin{array}{ccc}-1& 0& 1\\ -1& 1& -1\\ 2& -1& 0\end{array}\right)\end{array}\end{array}\end{array}$$

3.5.4.2 S_向量和T_向量

• $\tau =(a_1,a_2,...,a_n)$，$a_i$ 为非负整数
• $\sigma =(b_1,b_2,...,b_m)$，$b_j$ 为非负整数
• 分别称为 $\sum$ 的 T_向量 和 S_向量
• ${\tau }^T=\begin{array}{l}\left(\begin{array}{c}{a}_1\\ a_2\\ ⋮\\ a_n\end{array}\right)\end{array}$​，${\sigma }^T=\begin{array}{l}\left(\begin{array}{c}{b}_1\\ b_2\\ ⋮\\ b_m\end{array}\right)\end{array}$ 分别是 $\tau$ 和 $\sigma$ 的转置向量。

3.5.4.2.1 状态方程

$M=M_0+A\cdot {\tau }^T$ 称为 $\sum$ 的状态方程，其中 $\tau$ 为任一 T_向量，$M_0$ 和 $M$ 分别是标识的 S_向量

命题：设 $\alpha ={\tau }_1,{\tau }_2,...$，${\tau }_1$ 为 $\sum$ 的任一变迁序列，$\tau =(a_1,a_2,...,a_n)$ 是它的 T_向量 ，即 $a_i$ 为变迁 $t_i$ 在该序列中出现的次数，$i=1,2,...,n$ ，则 $M=M_0+A\cdot {\tau }^T$，其中 $M$ 是 $\alpha$ 的后继：$M_0[\alpha ⟩M$。

3.5.4.2.2 T-不变量 和 S-不变量

T-不变量

• 若 T_向量 $\tau$ 满足 $M_0=M_0+A\cdot {\tau }^T$，则 $\tau$ 称为 $\sum$ 的 T-不变量。
• 若 $\tau$ 为 $\sum$ 的 T-不变量，则 $A\cdot {\tau }^T={\theta }_S^T$，其中 ${\theta }_S$ 是分量全为 0 的 S_向量 。

S-不变量

若 S_向量 $\sigma$ 满足 $\sigma \cdot A={\theta }_T$ ，则 $\sigma$ 称为 $\sum$ 的 S-不变量。其中 ${\theta }_T$ 是分量全为 0 的 T_向量 。

例子 ${\sum }_1$

${\sum }_1$ 的 S-不变量 包括：

• ${\sigma }_1=(1,0,1,1)$
• ${\sigma }_2=(0,1,2,4)$
• ${\sigma }_1\cdot A_1=(1,0,1,1)\cdot \begin{array}{l}\left(\begin{array}{cc}-1& -1\\ -2& -4\\ 1& 0\\ 0& 1\end{array}\right)\end{array}=(0,0)$ ​
• ${\sigma }_2\cdot A_1=(0,1,2,4)\cdot \begin{array}{l}\left(\begin{array}{cc}-1& -1\\ -2& -4\\ 1& 0\\ 0& 1\end{array}\right)\end{array}=(0,0)$

例子 ${\sum }_2$

${\sum }_2$ 的不变量包括：

• $\sigma =(1,1,1)$
• $\tau =(1,2,1)$
• $\sigma \cdot A_2=(1,1,1)\cdot \begin{array}{l}\left(\begin{array}{ccc}-1& 0& 1\\ -1& 1& -1\\ 2& -1& 0\end{array}\right)\end{array}=(0,0,0)$
• $A_2\cdot {\tau }^T=\begin{array}{l}\left(\begin{array}{ccc}-1& 0& 1\\ -1& 1& -1\\ 2& -1& 0\end{array}\right)\end{array}\cdot \begin{array}{l}\left(\begin{array}{c}1\\ 2\\ 1\end{array}\right)\end{array}=(0,0,0)$​​

练习

${\sum }_1$ 是鸡兔同笼问题中数鸡（$t_1$）数兔（$t_2$）的网表示，请补上 $t_1$ ，$t_2$ 可能需要的调整变迁（并发数数，一方太快，导致头或腿剩下）。

找一找教堂婚礼系统的不变量

找一找哲学家系统的不变量，理解 S-不变量 和 T-不变量 的物理意义。

3.5.4.2.3 求解不变量

$\{\begin{array}{l}A\cdot X^T={\theta }_S\\ Y\cdot A={\theta }_T\end{array}$ 可以求解 $T$ 和 $S$ 不变量或者验证不变量。其中，$X=(x_1,x_2,...,x_n)$ 和 $Y=(y_1,y_2,...,y_m)$ 分别为未知变量 T_向量 和 未知S_向量 。

3.5.4.2.4 结论

T-不变量 和 S-不变量 是结构性质，与 $M_0$ 无关。

定义：

• 如果 $\sum$ 有非零 T-不变量 ，则 ${\theta }_T$ 也是 $\sum$ 的 T-不变量 ；否则不是
• 如果 $\sum$ 有非零 S-不变量 ，则 ${\theta }_S$ 也是 $\sum$ 的 S-不变量 ；否则不是

命题：

• T-不变量（S-不变量）的线性组合也是 T-不变量（S-不变量）。

3.5.5 通用分析方法

• 可达树与覆盖树算法
• 求解不变量法
• 化简法：忽略网结构细节
• 提高层次法：提高抽象度以减少节点数

3.5.5.1 可达树与覆盖树算法

3.5.5.1.1 例：$\sum$ 如图所示

$M_0=(1,0,0)$ ，$S_1$、$S_2$、$S_3$ 的资源数

若无无穷分支，可达树节点即为 $[M_0>$

覆盖树算法：为无穷分支“剪枝”

• $M_1\le M_2$ ，如果 $\forall s\in S:M_1(s)\le M_2(s)$，$M_2$ 覆盖 $M_1$
• $M_1<M_2$ ，如果 $M_1\le M_2\wedge \exists s\in S:M_1(s)<M_2(s)$

最后得到的覆盖树

$[M_0>$ 中所有标识均被覆盖树节点覆盖

覆盖图：$M_2$ 与 $M_1$ 重叠，一类叶节点。将覆盖树同一路径上相同节点重叠

可达树，覆盖树，覆盖图，可用以检查验证活性，有界性，公平性及不变量。

• 如例子中的系统是不公平的，不活的，无界的，没有不变量。

3.5.5.2 求解不变量法

3.5.5.3 化简法：忽略网结构细节

3.5.5.4 提高层次法：提高抽象度以减少节点数