基于模糊Petri网的并行推理方法与流程

基于模糊petri网的并行推理方法
技术领域
1.本发明属于知识表示与推理技术领域，涉及并行推理方法，尤其是一种基于模糊petri网的并行推理方法。


背景技术：

2.petri网是一种高效的建模和分析工具，能够较好地描述系统的结构，表示系统中的并行、同步、冲突及因果依赖等关系，并能够以网图的形式简洁、直观地模拟事件系统，分析系统的动态性能，已在很多领域得到了广泛的应用。模糊petri网作为petri网的一个重要分支，具有模糊系统的模糊推理能力，很适合应用在人类知识的表示和人工智能中，目前已有很多学者对其进行了研究，提出了多种模糊petri网模型和相应的模糊推理算法，基本是基于两种思路：一种是利用petri网的图形描述能力，用分步运算加判断的方法在图形结构上进行正向或反向搜索，没有充分利用petri网的并行处理能力；另一种是把模糊petri网模型转化为矩阵形式，将推理过程转化为矩阵运算，这种方法快速、高效。文献中给出了具有变迁阈值和输入加权等多种约束条件下的形式化推理方法，实现了并行推理。考虑到实际推理过程中“若变迁的输入库所没有变化，则该变迁只能触发一次”这一限制条件，本文改进了文献中的推理方法，进一步将变迁触发条件严格化，避免了一些变迁不必要的重复触发，使得推理更加高效，尤其当模糊petri网模型较大较复杂时能有效的提高推理速度。
3.综上所述，目前基于模糊petri网的并行推理算法存在成本过高、效率低等问题。


技术实现要素：

4.本发明的目的在于克服现有技术的不足，提供一种设计合理、算法成本低、将推理过程转化为矩阵运算且避免那些不再产生新信息的变迁的重复触发的模糊petri网模型。
5.本发明解决现有的技术问题是采取以下技术方案实现的：
6.一种基于模糊petri网的并行推理方法，其特征在于包括以下步骤：
7.步骤1、设定模糊petri网，令初始k＝0，i
max
＝0；
8.步骤2、计算输入强度：i
k 1
＝a
t
·
m
k
，i＝[i1，i2，...，i
m
]
t
；
[0009]
步骤3、判断每个变迁的输入强度是否大于先前的最大输入强度值，
[0010]
i
′
k 1
＝i
k 1
θi
max
；
[0011]
此时i
′
k 1
中记录的是有必要触发的变迁的输入强度。若i
′
k 1
＝0，则表示没有新的变迁触发，推理结束；
[0012]
步骤4、更新每个变迁的最大输入强度值i
max
：
[0013]
步骤5、比较输入强度与变迁阈值向量的大小，若对应变迁的输入强度大于其变迁阈值，则变迁触发，h
k 1
＝i
k
θτ；
[0014]
步骤6、计算变迁触发后输出库所的置信度，若某个库所是多个使能变迁的输出库所，那么依据“取大原则”，保留置信度最大者：
[0015]
步骤7、计算所有库所的新置信度：
[0016]
第三步中包含推理结束条件，即没有新的变迁可触发时，推理结束。若此时m
k 1
中包含结论的置信度，则表示推理成功，否则推理失败。
[0017]
进一步，所述的基于模糊petri网的并行推理方法，其特征在于：所述模糊petri网为如下八元组：fpn＝(p，t，i，o，α，β，τ，m0)
[0018]
其中，p＝{p1，p2，...，p
n
}表示库所集；t＝{t1，t2，...，t
m
}表示变迁集；
[0019]
i(o)：t
→
p
∞
为输入(输出)函数，表示库所与变迁之间的映射关系；α为输入强度，β为输出强度。τ：p
→
[0，1]，表示变迁的启动阈值，τ＝{λ1，λ2，...，λ
m
}，m0为定义在库所上的一个在[0，1]间取值的函数，表示推理开始时库所中的托肯数，即命题的初始置信度。
[0020]
本发明的优点和积极效果是：
[0021]
本发明设计合理，一种基于模糊petri网的并行推理算法，将推理过程转化为矩阵的运算过程。在考虑权值、变迁阈值和规则可信度等因素的前提下，将已经触发过，且其输入强度没有增大的变迁剔除出去。避免了那些不再产生新信息的变迁的重复触发。应用实例说明，此推理算法可以节省推理时间，在模糊petri网模型较大较复杂时其作用将更加明显。
附图说明
[0022]
图1为根据推理规则转化的模糊petri网表示。
具体实施方式
[0023]
以下结合附图对本发明实施例做进一步详述：
[0024]
本发明的算法按照软件设计方式，包括以下步骤：
[0025]
步骤1、设有如下四个推理规则：
[0026]
r1：if p1(1.0)then(λ1＝0.4)p6(cf＝0.8)
[0027]
r2：if p2(1.0)then(λ2＝0.5)p6(cf＝0.9)
[0028]
r3：if p3(0.2)and p4(0.3)and p5(0.5)then(λ3＝0.3)p7(cf＝0.8)
[0029]
r4：if p6(0.6)and p7(0.4)then(λ4＝0.5)p8(cf＝0.9)
[0030]
已知各个库所代表的命题的初始可信度为：
[0031]
m0＝[0.8，0.9，0.7，0.4，0.8，0，0，0]
t
，求p8的置信度。
[0032]
相应的模糊petri网如图1。
[0033]
步骤2、输入矩阵a和输出矩阵b分别为
[0034]
[0035][0036]
步骤3、根据前面给出的推理算法，运算过程如下：
[0037]
m0＝[0.8，0.9，0.7，0.4，0.8，0，0，0]
t
[0038]
i1＝[0.8，0.9，0.66，0]
t
，i
′1＝i1；
[0039]
步骤4、i
max
＝i1，h1＝[0.8 0.9 0.66 0]
t
[0040]
m1＝[0.8，0.9，0.7，0.4，0.8，0.81，0.528，0]
t
；
[0041]
i2＝[0.8，0.9，0.66，0.697]
t
，i
′2＝[0，0，0，0.697]
t
；
[0042]
步骤5、i
max
＝i2h2＝[0 0 0 0.697]
t
，
[0043]
m2＝[0.8，0.9，0.7，0.4，0.8，0.81，0.528，0.627]
t
[0044]
i3＝[0.8，0.9，0.66，0.697]
[0045]
i
′3＝0
[0046]
推理结束，α(p8)＝0.627。
[0047]
从以上的推理过程可以看出，此推理算法是完全并行的，每一步计算过程都可以将所有满足触发条件的变迁同时触发；和已有文献比较，本发明只增加了一步判断，而m
×
n阶矩阵乘法的算法复杂度为o(m＊n)，而矩阵减法的复杂度为o(max(m，n))，因此，经过这一步简化后的输入强度向量中包含更多的0，大大降低了矩阵乘法的运算复杂度，从而提高了推理效率。
[0048]
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。