|
|
|
|
基于模糊Petri网的规则推理优化算法
|
|
【计算机毕业实习论文】摘 要 针对现有模糊Petri网的规则推理算法存在的不完善问题，提出并开发了优化的推理算法。该算法适用于大部分基于规则的推理系统，正确直观的仿真从出发命题开始到目标命题的推理过程。详细阐述了模型和算法，对具体的算例进行分析并与已有的算法进行比较突出其优点。
关键词 模糊Petri网；基于规则；推理；知识表示
1 引言
模糊Petri网(Fuzzy Petri Net，FPN)作为一种适合于描述异步、并行、模糊数据的计算机系统模型，被广泛的应用在基于规则的模糊推理系统中。伴随FPN的发展，相应模型的顺向推理算法以及逆向推理算法也在不断发展与完善。Looney最早给出了只适合于简单PN结构的顺向推理算法[3]。其后，Chen又给出了具体且精确的FPN数学定义，并优化了原有算法[1]。Li 等人提出了一种具有自适应能力的FPN[4]，不但可以实现知识推理，同时具有类似神经网络的自我学习能力。
我们发现，现有的这些算法对于较简单的模型结构比较有效，当推理系统对应的FPN模型具有较复杂的结构时，则存在一定的问题，譬如：
(1)一些从始发命题到结论命题的推理路径并未充分考虑，如文献[1]。
(2)不适合并行推理，如文献[1][3]。
(3)对于一些库所，即使在推理中得到了它们的令牌值(Token)，但在后续过程中不能被涉及到，如文献[1]。
(4)在文献[4]中，当一个变迁被允许发生后，其输入库所全部被删除，这部分被删除掉的库所有可能包含了其它库所的输入库所，造成整个推理无法正常进行。
因此，文本在以往研究的基础上，提出一种更具有灵活性和适用性的基于模糊Petri网的顺向规则推理算法。
2 基于Petri网的模糊推理
一个模糊Petri网包含两种节点：库所(Place)和变迁(Transition)。有向弧可以从库所指向变迁或从变迁指向库所。在图形表示中，库所由圆形节点表示，变迁由方形节点
|
|
|
|
<<<<<全文未完>>>>> 全文字数约2659字
|
要阅读全文请先注册成VIP会员！详情请阅读会员专区！
VIP会员可以阅读全文， 欢迎加入VIP会员专区！ 加入VIP会员步骤如下：
注册用户名→在线购卡
|
|
|
|
广告服务