基于非马尔可夫随机Petri网的软件再生建模与分析

软件老化是影响软件系统可靠性的重要潜在因素,软件再生作为一种主动预防性的软件容错技术是解决软件老化问题的主要手段.以往的随机Petri网再生模型假定所有变迁的实施时间服从指数分布.针对变迁的实施时间服从确定性分布或一般性分布的情况,文中提出了一种用非马尔可夫随机Petri网建立软件再生模型的方法.该方法采用马尔可夫再生理论对模型进行分析,并给出模型的瞬态解和稳态解.仿真实验表明:选择合适的软件再生周期,可以有效地降低存在老化的软件系统的平均宕机成本,提高系统的可用性和可靠性.     

基于正态Petri网的模型参数识别研究

时间因素在对实时系统的分析中占据着重要的位置。随着时间因素在Petri网应用分析中的地位越发重要,各种与时间相关的Petri网模型相继被提出。文中结合动态实时系统的运行特征,设计了一种变迁点火时间服从正态分布的随机Petri网模型,并基于对系统行为的统计分析,提出了一种用于对变迁时间参数进行识别的数值算法。以一种随机制造单元为例,建立正态随机Petri网模型,并运用参数识别算法确定变迁时间参数。仿真结果符合系统的实际运行结果,证明了该方法的有效性。     

时间Petri网的随机模拟

模拟是Peri网进行系统分析的常用方法之一。由于时间Petri网采用时间区间来描述变迁实施的时间范围,因此变迁的实施时间点在区间内是不确定的。提出了时间Petri网的随机模拟方法。该方法在变迁开始使能时,根据某种随机分布确定实施区间内的实施时间点;然后基于模拟仿真的实验数据,运用统计分析方法及算法,构造时间Petri网状态类树,计算变迁实施区间及实施概率,为时间Petri网的系统模拟提供了一种新的探索途径。     

基于増广Petri网生成受控日志

为减少冗余日志,降低事件约束不可控对算法评估及验证的影响,提出基于可达状态的随机选择生成受控日志的方法.利用増广Petri网为系统建立模型,依据模型中库所与变迁的结构关系及标识分布构建输入矩阵;基于Petri网可达状态分析方法,随机选择触发可发生变迁,记录变迁序列;对记录进行受控分析,拼装生成多重集事件日志和XES标准...     

具有动态可靠性的模糊时间Petri网攻击模型

在利用Petri网方法研究网络攻击模型的过程中,引入攻击可靠性的概念,将网络攻击模型作为一个系统看待,以此系统为研究对象,不仅通过推理算法得到目标库所的真实度,并且对攻击路径和系统进行动态可靠性分析,从而提出一种新的攻击模型—动态可靠性模糊时间Petri网网络攻击模型（DRFTPN）,并结合可靠性给出了相应的推理算法。这种模型将攻击过程描述为一个不可修复复杂系统,认为库所代表的攻击状态是随机失效的。为了计算复杂系统的可靠度,提出了一种近似求得系统可靠寿命的补偿性算法,并利用基于最小路集的方法求得DRFTPN模型的攻击路径。最后,运用Monte Carlo方法对DRFTPN模型进行仿真。     

一种紧同步随机Petri网模型的性能分析方法

紧同步随机Petri网模型常用于对多个子系统构成的实际系统进行建模.由于状态空间爆炸问题,这种模型的性能分析目前还没有得到很好的解决.首先给出了随机Petri网中顺序、并行、循环、选择这4种基本结构的性能近似等价公式,然后提出了一种同步变迁等价分解(synchronous transition equivalent decomposition,简称STED)法对紧同步随机Petri网进行分解求解,有效地缓解了具有一个或多个同步变迁情况下的空间爆炸问题,该方法对于子模型同构的情况处理简便且十分有效.     

基于混合自动机的随机噪声电路动态特性分析

在集成电路非线性随机噪声的分析中应用Petri网技术,需要对原有的Petri网从定义和变迁发射规则方面等进行统计特性与连续特性的拓展研究和补充.并且基于噪声的随机非线性特性分析目的需求,拓展了传统的Petri网,提出了混合随机Petri网(Hybrid Statistical Petri Net,HSPN)模型分析方法.通过分析非线性电路的混合自动机模型,增加Petri网随机参数变迁描述能力,针对电路噪声特点,确定适合HSPN的随机动态特性分析模型.通过实例电路说明验证HSPN的建模方法,并与SPICE仿真软件进行比较,验证了该方法的精度和可行性.     

基于模糊着色Petri网的多状态系统可靠性分析

在多状态系统中,由于性能退化、局部失效等原因,系统或元件会表现出从完全失效到完美工作之间的一系列过渡状态,这些过渡状态信息将直接影响系统的可靠性。针对这一问题,提出一种模糊着色Petri网模型,该模型通过对模糊状态及状态变迁进行建模来刻画多状态系统的可靠性特征。在这种模糊着色Petri网模型中,变迁阈值会随着节点状态模糊信息的动态变化而发生变化,为此提出自适应模糊推理算法进行阈值调整,为多状态系统模型的可靠性分析及性能优化提供指导。通过对多状态系统可靠性分析进行验证,表明研究提出的模糊着色Petri网及参数调整策略合理有效,有利于提高多状态系统整体性能。     

用于软件可靠性分析的分解方法

随机Petri网(SPN)是一种有力的系统建模和分析工具.但SPN在应用中经常碰到状态空间爆炸问题.分解压缩技术是解决随机网状态空间指数性增长的有效方法之一.介绍了一种获得SPN可靠性模型瞬时状态的分解方法.该方法在保证评价和预测可靠性精确度的基础上,不仅能有效地降低可靠性描述与分析的复杂度,还扩大了分解压缩技术的适用范围.     

分布式功能块控制应用的性能分析

IEC61499功能块逐渐被工业采纳。本文针对分布式功能块控制应用（DFBCA）缺乏性能分析方法的情况，提出了一种基于随机Petri网的DFBCA性能分析方法。该方法以DFBCA的运行状态为着手点，利用Petri网易于表示系统中可能发生的各种状态变化及其关系的特点，将DFBCA转换为随机Petri网模型。再利用随机Petri网模型与马尔可夫链（MC）同构的特征，将随机Petri网模型转换为MC。得到的MC为DFBCA的性能分析提供了数学基础。最后基于MC的状态转移矩阵和稳态概率，对在每个状态中的驻留时间、变迁的利用率、变迁的标记流速、子系统延时时间等性能指标进行了分析。通过具体的示例说明了这种性能分析方法的可行性。     

基于Razumikhin 方法的随机时变时滞非线性系统的状态反馈

采用Razumikhin 方法研究一类随机时变时滞非线性系统的状态反馈镇定问题. 利用随机系统的Razumikhin-Mao 理论和反推设计方法, 设计系统的状态反馈控制器, 所设计的控制器能保证闭环系统的平衡点为依概率全局渐近稳定的. 所提出的方法能够彻底地去掉关于随机时变时滞非线性系统传统结果中所要求的时滞导数的限制. 仿真示例验证了所提出状态反馈控制器的有效性.

     

测量数据丢失的随机不确定系统鲁棒滤波递推算法

针对一类具有测量数据丢失的不确定离散随机系统,研究了鲁棒状态估计问题,基于间断观测滤波算法和规则最小二乘优化理论,给出一种Kalman形式的递推滤波算法.对于测量数据丢失的问题,采用已知概率的Bernoulli随机序列,使得对于所有可能的测量数据丢失和所能容许的不确定性,间断观测鲁棒状态估计递推算法是稳定的.最后,通过数值仿真和对比结果验证了所提出算法的可行性.     

基于BP算法的IFPN参数优化方法

针对直觉模糊Petri 网(IFPN) 模型自学习能力差的缺陷, 将神经网络中的BP 误差反传算法引入IFPN 模型 的参数寻优过程, 提出一种基于此的参数优化方法. 该算法通过建立变迁点燃和直觉模糊推理的近似连续函数, 摆脱 了参数对经验的依赖, 更加符合实际系统的需求, 同时使得IFPN 具有较强的泛化能力和自适应功能, 推理结果更加 准确可信. 最后通过典型实例验证了该参数优化方法的有效性和优越性.

     

服务覆盖网络中一种动态流量工程模型与算法

针对服务覆盖网络中的自私路由造成的网络流量失衡将严重影响网络效率和稳定性的问题, 研究如何在覆 盖层应用动态流量工程的方法进行流量优化分配. 基于随机动态优化配流理论, 提出一种服务覆盖网络的动态流量 工程模型, 并设计了分布式的流量工程算法. 该算法可以折衷控制路由的自私与负载均衡的程度. 模拟实验显示, 所 提出的方法较其他方法具有更好的性能, 尤其对于实时动态流量有着较好的适应性.

     

考虑多约束的混合流水车间MOJ 调度

考虑晶圆加工过程中的多品种和与次序相关的换模时间约束,以系统总完工时间最小为优化目标,建立混合流水车间MOJ调度模型.在此基础上,提出了基于作业-产品-机器三层析取网络流的列生成算法.为进一步改善列生成算法存在的尾效应,将基于次梯度优化的拉格朗日松弛算法嵌入列生成算法框架中,构建了采用双重迭代的改进型列生成(MCG)算法.最后,通过理论分析和仿真实验表明了MCG算法是有效、可行的.     

具有风险规避型零售商的闭环供应链网络均衡分析

在随机需求条件下研究了由多个相互竞争的供应商、制造商、零售商和消费市场组成,且零售商具有风险规避特性的再制造闭环供应链网络均衡问题.通过对不同决策层级最优化行为的分析,分别得到各层级和整个供应链网络实现均衡的条件,并建立相关的变分不等式模型.运用拟牛顿算法对变分不等式进行求解,通过仿真分析了随机再制造率和零售商的风险规避程度对网络成员最优行为和闭环供应链网络均衡的影响.     

基于和谐管理理论的免疫信息网络优化算法

受经济管理学中“和谐管理”理论的思想启发,提出一种全新的免疫进化信息网络模型,即和谐进化信息网络(HEIN).在该模型中,将优化问题的求解看作是信息网络能量最大化的过程,通过“和则”与“谐则”二个规则集的有机结合来有效控制和管理进化过程,实现了比单纯模拟生物免疫响应或自然进化更加完备和高效的和谐进化.实验结果表明,所提出算法可更好地保持种群多样性,收敛速度快,求解精度高.     

一种增量式模块化回声状态网络

针对传统回声状态网络(ESN) 难以解决多振荡子叠加(MSO) 问题, 提出一种增量式模块化回声状态网络(IM-ESN). 该网络储备池由多个相互独立的子储备池组成. 利用矩阵的奇异值分解(SVD) 构造每个子储备池的权值矩阵, 并依据分块对角矩阵原理, 将子储备池逐一添加至网络中. 在网络增长过程中, IM-ESN 无需放缩权值矩阵便能保证网络的状态回声特性. MSO 问题的仿真结果表明, IM-ESN 能够自主确定与问题复杂度相匹配的网络规模, 具有较好的预测性能和鲁棒性.

     

转移概率部分未知的随机Markov 饱和切换系统的非脆弱镇定

研究一类转移概率部分未知的随机Markov饱和切换系统的非脆弱镇定问题. 基于参数依赖型Lyapunov函数, 设计非脆弱状态反馈控制器以保证闭环饱和系统的随机稳定性, 在此基础之上, 通过求解线性矩阵不等式, 得到均方意义下的最大不变吸引域. 数值仿真验证了所提出方法的有效性.

     

一种基于互信息变量选择的极端学习机算法

针对回归问题中存在的变量选择和网络结构设计问题, 提出一种基于互信息的极端学习机(ELM) 训练算法, 同时实现输入变量的选择和隐含层的结构优化. 该算法将互信息输入变量选择嵌入到ELM网络的学习过程之中, 以网络的学习性能作为衡量输入变量与输出变量相关与否的指标, 并以增量式的方法确定隐含层节点的规模.在Lorenz、Gas Furnace 和10 组标杆数据上的仿真结果表明了所提出算法的有效性. 该算法不仅可以简化网络结构, 还可以提高网络的泛化性能.