基于T-不变量消除的Petri网合法变迁引发序列判定算法

Petri网的合法变迁引发序列问题(LFS)是其可达性问题的子问题。前人在LFS判定时常因判定算法的指数级时空复杂度或算法难以推广至一般Petri网而受限。因此,基于Petri网T-不变量支集变迁与可达图有向环路上标注变迁的对应关系,综合应用线性代数与可达树分析,原LFS判定被缩减为以基础向量为发生数向量的LFSb判定。通过两棵可达树(分别以原网、初始标识;逆网、目的标识为根)层序轮流构造同时比较当前叶节点层中的标识,若算法终止前有相同标识出现,则LFSb(LFS)判定成功;反之,LFS判定失败。分析表明,算法的时间复杂度为多项式级别的,且适用于一般Petri网的LFS判定。

合法变迁引发序列判定中的T-不变量添加

Petri网的合法变迁引发序列(Legal Firing Sequence,简称LFS)问题是Petri网可达性问题的子问题,目前已有较多的研究成果。通过反例指出,对于Petri网(N,M0)状态方程的任意一个非负整数解X,和N的任意一个T-不变量,LFS(N,M0,X)不一定等于LFS(N,M0,X+Y)。在一般情况下,不能在待判定的解向量X中添加T-不变量。这是Petri网合法变迁引发序列判定的一个性质。

基于引发序列的流程模型修正

随着信息系统在业务流程中的广泛应用,对事件日志与业务流程的需求也随之增加.由于事件日志的爆炸式增长,有些事件日志不能被流程模型正确地重演.通过合规性检查可以检测与诊断模型与日志之间存在的差异.但是,合规性检查技术不能对流程模型做出正确的修正.基于事件日志中的引发序列,从移除活动、增加活动及改变模型子流程3个方面解决了流程模型的修正问题.在进行模型修正时,需要确定移除的活动在模型中所在的结构、增加的活动与相邻活动的关系以及需要改变的子流程.流程模型修正的目的在于使修正的流程模型可以重演(大多数)的事件日志,并且使得到的修正模型尽可能与原模型相似.通过仿真模拟提出的修正方法,实验验证了该方法的正确性与实用性.

过程间引发约束变化的最小高级修改序列识别

鉴于引发约束变化的最小高级修改序列在实现数据感知过程转换、合并、版本控制等方面具有重要作用,提出一种识别数据感知过程间引发约束变化的最小高级修改序列的方法。该方法定义了数据感知过程的活动约束图,然后基于活动约束图构建两个数据感知过程的约束矩阵,最后利用约束矩阵和数字逻辑识别一个数据感知过程间转换所需引发约束变化的最小修改序列。大量实验评估了所提方法和现有方法的准确性与时效性。结果表明,所提方法比现有方法具有更高的准确性,其平均准确率达到89.89%。