当前位置: 首页 > news >正文

【Petri网导论学习笔记】Petri网导论入门学习(三)

Petri网导论入门学习(三)

  • Petri 网导论学习笔记(三)
        • 定义 1.4
        • 定义 1.5
        • 定义 1.6
        • 定义 1.7

Petri 网导论学习笔记(三)

如需学习转载请注明原作者并附本帖链接!!!
如需学习转载请注明原作者并附本帖链接!!!
如需学习转载请注明原作者并附本帖链接!!!

原创码字不易,觉得不错请一键三连吧
这篇主要是1.1章节的收尾
(ノへ ̄、)

发现网上关于Petri网的学习资源较少,这里分享的是看Petri网导论这本书的笔记(感觉相对于那个视频来说书上写的还是更详细一点,当然视频学习到第三章的笔记也会传上来,后续会主要看这本书来学习Petri网),欢迎大家来一起交流和学习,使用的学习资料是:
Petri网导论 吴哲辉著(主要)
Petri网:模型、理论与应用-清华大学

定义 1.4

N = ( S , T ; F ) N=(S,T;F) N=(S,T;F)为一个网。
1 ) N d = ( T , S ; F ) 1)N^{\mathrm{d}}=(T,S;F) 1)Nd=(T,S;F)称为网 N N N对偶网(dual net);
2 ) N − 1 = ( S , T ; F − 1 ) 2)N^{-1}=(S,T;F^{-1}) 2)N1=(S,T;F1)称为网 N N N逆网(inversed net),其中 F − 1 = { ( x , y ) ∣ ( y , x ) ∈ F } F^{-1}=\{\:(x,y)\:|\:(y,x)\in F\:\} F1={(x,y)(y,x)F}

小白也能听懂版:

N = ( S , T ; F ) N=(S,T;F) N=(S,T;F)

ST交换→对偶网

F流关系逆置→逆网
逆网和对偶网

定义 1.5

设  N = ( S , T ; F ) 为一个网。如果 S 1 ⊆ S , T 1 ⊆ T F 1 = ( ( S 1 × T 1 ) ∪ ( T 1 × S 1 ) ) ∩ F \text{设 }N=(S,T;F)\text{ 为一个网。如果}\\S_{1}\subseteq S,\quad T_{1}\subseteq T\\F_{1}=((S_{1}\times T_{1})\cup(T_{1}\times S_{1}))\cap F  N=(S,T;F) 为一个网。如果S1S,T1TF1=((S1×T1)(T1×S1))F

则称  N 1 = ( S 1 , T 1 ; F 1 ) 为网  N 的一个子网(subnet)。 \text{则称 }N_1=(S_1,T_1;F_1)\text{ 为网 }N\text{ 的一个子网(subnet)。} 则称 N1=(S1,T1;F1) 为网 N 的一个子网(subnet)

F F F里的 S → T 和 T → S S→T和T→S STTS的流关系的子集

注意的是库所子集 S 1 S_1 S1和变迁子集 T 1 T_1 T1给出,子网的有向边集 F 1 F_1 F1就确定了→S和T确定,ST子集所相关的流关系的子集也就确定了

定义 1.6

N = ( S , T ; F ) N=(S,T;F) N=(S,T;F)为一个网, S 1 ⊆ S . S_1\subseteq S. S1S.
1 ) N o s ( S l ) 1) N_{\mathrm{os}}( S_{\mathrm{l} }) 1)Nos(Sl) = ( S 1 , T 1 ; F 1 ) ( S_{1}, T_{1}; F_{1}) (S1,T1;F1)称为网 N N N关于库所子集 S 1 S_1 S1外延子网(outface sub-net),当且仅当:
T 1 = ∙ S 1 ∪ S 1 ∙ = ⋃ s ∈ S 1 ( ∙ s ∪ s ∙ ) F 1 = ( ( S 1 × T 1 ) ∪ ( T 1 × S 1 ) ) ∩ F \begin{aligned}&T_{1}=^{\bullet}S_{1}\cup S_{1}^{\bullet}=\bigcup_{s\in S_{1}}(^{\bullet}s\cup s^{\bullet})\\&F_{1}=((S_{1}\times T_{1})\cup(T_{1}\times S_{1}))\cap F\end{aligned} T1=S1S1=sS1(ss)F1=((S1×T1)(T1×S1))F

T 1 T_1 T1 S 1 S_1 S1的外延也可以说是 S 1 S_1 S1中所有 s s s元素的外延

F 1 F_1 F1 S 1 S_1 S1与其外延 T 1 T_1 T1中的 F F F中的流关系的一部分

所以是包含了 S 1 S_1 S1的前集和后集的变迁与之相关的流关系所以是外延子网

2 ) N i s ( S 1 ) = ( S 1 , T 2 ; F 2 ) 2)N_{\mathrm{is}}( S_{1}) = ( S_{1}, T_{2}; F_{2}) 2Nis(S1)=(S1,T2;F2)称为网 N N N关于库所子集 S 1 S_1 S1内连子网( inner-link sub-net),当且仅当
T 2 = ∙ S 1 ∩ S 1 ∙ = ( ⋃ s ∈ S 1 ∙ s ) ∩ ( ⋃ s ∈ S 1 s ∙ ) F 2 = ( ( S 1 × T 2 ) ∪ ( T 2 × S 1 ) ) ∩ F T_{2}={}^{\bullet}S_{1}\cap S_{1}^{\bullet}=(\bigcup_{s\in S_{1}}{}^{\bullet}s)\cap(\bigcup_{s\in S_{1}}s^{\bullet})\\F_{2}=((S_{1}\times T_{2})\cup(T_{2}\times S_{1}))\cap F T2=S1S1=(sS1s)(sS1s)F2=((S1×T2)(T2×S1))F

注意上面变迁的∪变成了∩!

T 2 T_2 T2只是 S 1 S_1 S1的前集也是后集

F 2 F_2 F2 S 1 S_1 S1与其外延 T 2 T_2 T2中的 F F F中的流关系的一部分

所以是包含了 S 2 S_2 S2的前集和后集的变迁与之相关的流关系所以是内连子网

外延子网与内联子网示意图

定义 1.7

N = ( S , T ; F ) N=(S,T;F) N=(S,T;F)为一个网 , T 1 ⊆ T . T_1\subseteq T. T1T.

1 ) N o s ( T 1 ) = ( S 1 , T 1 ; F 1 ) 1)N_{\mathrm{os}}(T_{1})=(S_{1},T_{1};F_{1}) 1)Nos(T1)=(S1,T1;F1)称为网 N N N关于变迁子集 T 1 T_1 T1外延子网,当且仅当
S 1 = ∙ T 1 ∪ T 1 ∙ = ⋃ t ∈ T 1 ( ∙ t ∪ t ∙ ) F 1 = ( ( S 1 × T 1 ) ∪ ( T 1 × S 1 ) ) ∩ F \begin{aligned}&S_{1}=^{\bullet}T_{1}\cup T_{1}^{\bullet}=\bigcup_{t\in T_{1}}(^{\bullet}t\cup t^{\bullet})\\&F_{1}=((S_{1}\times T_{1})\cup(T_{1}\times S_{1}))\cap F\end{aligned} S1=T1T1=tT1(tt)F1=((S1×T1)(T1×S1))F

与上面的定义类似,只不过上面是以S为中心,1.7以T为核心

2 ) N i s ( T 1 ) = ( S 2 , T 1 ; F 2 ) 2)N_{\mathrm{is}}( T_{1}) = ( S_{2}, T_{1}; F_{2}) 2)Nis(T1)=(S2,T1;F2)称为网 N N N关于变迁子集 T 1 T_1 T1内连子网,当且仅当
S 2 = ∙ T 1 ∩ T 1 ∙ = ( ⋃ t ∈ T 1 ∙ t ) ∩ ( ⋃ t ∈ T 1 t ∙ ) F 2 = ( ( S 2 × T 1 ) ∪ ( T 1 × S 1 ) ) ∩ F S_{2}=^{\bullet}T_{1}\cap T_{1}^{\bullet}=(\bigcup_{t\in T_{1}} {}^{\bullet}t)\cap(\bigcup_{t\in T_{1}}t^{\bullet})\\F_{2}=((S_{2}\times T_{1})\cup(T_{1}\times S_{1}))\cap F S2=T1T1=(tT1t)(tT1t)F2=((S2×T1)(T1×S1))F

与上面的定义类似,只不过上面是以S为中心,1.7以T为核心

在这里插入图片描述
在这里插入图片描述

相关文章:

  • 北京网站建设多少钱?
  • 辽宁网页制作哪家好_网站建设
  • 高端品牌网站建设_汉中网站制作
  • spring模块(六)spring event事件(3)广播与异步问题
  • 【时时三省】tessy 单元测试 集成测试 专栏 文章阅读说明
  • 利用AI驱动智能BI数据可视化-深度评测Amazon Quicksight(三)
  • UE5安卓项目打包安装
  • windows安装docker、elasticsearch、kibana、cerebro、logstash
  • QT--connect的使用
  • Java 集合(数据结构)面试题总结
  • 【MySQL】了解并操作MySQL的缓存配置与信息
  • python AssertionError: Torch not compiled with CUDA enabled
  • 浅谈Spring Cloud:认识微服务
  • vue3+ts+vite搭建脚手架(二)配置eslintprettier
  • SpringBoot接口开发总结
  • Java设计模式—面向对象设计原则(四) ----->接口隔离原则(ISP) (完整详解,附有代码+案例)
  • 网络安全宣传周 | DNS安全威胁与应对措施分享
  • Google提出 Speculative RAG:通过草稿机制增强检索增强生成
  • angular2 简述
  • Essential Studio for ASP.NET Web Forms 2017 v2,新增自定义树形网格工具栏
  • extract-text-webpack-plugin用法
  • JS笔记四:作用域、变量(函数)提升
  • MQ框架的比较
  • Spark VS Hadoop:两大大数据分析系统深度解读
  • WordPress 获取当前文章下的所有附件/获取指定ID文章的附件(图片、文件、视频)...
  • 创建一个Struts2项目maven 方式
  • 跨域
  • 走向全栈之MongoDB的使用
  • FaaS 的简单实践
  • 长三角G60科创走廊智能驾驶产业联盟揭牌成立,近80家企业助力智能驾驶行业发展 ...
  • ​Linux·i2c驱动架构​
  • #我与Java虚拟机的故事#连载10: 如何在阿里、腾讯、百度、及字节跳动等公司面试中脱颖而出...
  • $.ajax中的eval及dataType
  • $nextTick的使用场景介绍
  • (1)Hilt的基本概念和使用
  • (1)安装hadoop之虚拟机准备(配置IP与主机名)
  • (13)Hive调优——动态分区导致的小文件问题
  • (16)UiBot:智能化软件机器人(以头歌抓取课程数据为例)
  • (175)FPGA门控时钟技术
  • (2024,LoRA,全量微调,低秩,强正则化,缓解遗忘,多样性)LoRA 学习更少,遗忘更少
  • (4) PIVOT 和 UPIVOT 的使用
  • (C语言)输入一个序列,判断是否为奇偶交叉数
  • (php伪随机数生成)[GWCTF 2019]枯燥的抽奖
  • (STM32笔记)九、RCC时钟树与时钟 第二部分
  • (六)激光线扫描-三维重建
  • (全部习题答案)研究生英语读写教程基础级教师用书PDF|| 研究生英语读写教程提高级教师用书PDF
  • (四)c52学习之旅-流水LED灯
  • (四)模仿学习-完成后台管理页面查询
  • (一)、软硬件全开源智能手表,与手机互联,标配多表盘,功能丰富(ZSWatch-Zephyr)
  • (转)C#开发微信门户及应用(1)--开始使用微信接口
  • .net core docker部署教程和细节问题
  • .NET Core IdentityServer4实战-开篇介绍与规划
  • .NET WebClient 类下载部分文件会错误?可能是解压缩的锅
  • .NET 发展历程
  • .NET 使用 XPath 来读写 XML 文件
  • .NET 中创建支持集合初始化器的类型
  • .net遍历html中全部的中文,ASP.NET中遍历页面的所有button控件
  • .NET企业级应用架构设计系列之技术选型