[论文解读] Abridged Petri Nets

Vitali Volovoi|arXiv (Cornell University)|Dec 10, 2013

Business Process Modeling and Analysis参考文献 21被引用 5

一句话总结

本文提出了一种新型图形化框架——简化的佩特里网（Abridged Petri Nets, APNs），通过消除独立的变迁节点并以直接连接 Place 的弧线替代，用于建模复杂随机系统。APNs 中的令牌携带离散（颜色）和连续（年龄）标签，组件间的交互通过触发器（使能器与抑制器）建模，相比随机佩特里网（Stochastic Petri Nets, SPNs），模型更加紧凑、透明且高效，具备与 SPNs 相当的建模能力，并通过支持自动颜色策略匹配的分层子建模实现更高的模块化水平。

ABSTRACT

A new graphical framework, Abridged Petri Nets (APNs) is introduced for bottom-up modeling of complex stochastic systems. APNs are similar to Stochastic Petri Nets (SPNs) in as much as they both rely on component-based representation of system state space, in contrast to Markov chains that explicitly model the states of an entire system. In both frameworks, so-called tokens (denoted as small circles) represent individual entities comprising the system; however, SPN graphs contain two distinct types of nodes (called places and transitions) with transitions serving the purpose of routing tokens among places. As a result, a pair of place nodes in SPNs can be linked to each other only via a transient stop, a transition node. In contrast, APN graphs link place nodes directly by arcs (transitions), similar to state space diagrams for Markov chains, and separate transition nodes are not needed. Tokens in APN are distinct and have labels that can assume both discrete values ("colors") and continuous values ("ages"), both of which can change during simulation. Component interactions are modeled in APNs using triggers, which are either inhibitors or enablers (the inhibitors' opposites). Hierarchical construction of APNs rely on using stacks (layers) of submodels with automatically matching color policies. As a result, APNs provide at least the same modeling power as SPNs, but, as demonstrated by means of several examples, the resulting models are often more compact and transparent, therefore facilitating more efficient performance evaluation of complex systems.

研究动机与目标

• 为解决随机佩特里网（Stochastic Petri Nets, SPNs）中存在的视觉杂乱与复杂性问题，以提升模型的透明度与可用性。
• 消除佩特里网模型中独立变迁节点的需求，简化系统动态的图形化表达。
• 通过将独立组件行为视为默认状态，而将交互显式化为触发器，实现对复杂系统更直观、模块化的建模。
• 在保持 SPNs 全部建模能力的同时，通过直接的点到点连接与分层子建模，提升模型的紧凑性与可读性。
• 通过降低模型复杂度与增强结构清晰度，促进对复杂系统的高效性能评估。

提出的方法

• 用直接连接 Place 的弧线替代传统 SPN 中的变迁节点，使令牌可直接在 Place 之间移动，无需中间路由节点。
• 使用同时携带离散（颜色）与连续（年龄）属性的带标签令牌，其在仿真过程中动态演化以反映系统状态变化。
• 通过触发器（即使能器与抑制器）建模组件交互，而非使用分叉-汇聚机制，实现无需合并或分裂令牌的条件状态转移。
• 通过堆叠的子模型实现分层建模，并自动对齐颜色策略，以确保令牌能正确返回其所属子网。
• 引入自动颜色偏移机制，为每个子网分配唯一且不重叠的颜色范围，确保正确路由并防止跨子网令牌混用。
• 使用类似状态空间图的图示（类似马尔可夫链），但增加令牌标签与触发器信息，以清晰且紧凑地表示系统动态。

实验结果

研究问题

• RQ1 能否设计一种佩特里网框架，在消除变迁节点的同时，仍保持随机佩特里网（SPNs）的完整建模能力？
• RQ2 在变迁节点不再作为显式节点存在的模型中，如何保持并追踪令牌的身份与状态？
• RQ3 触发器（使能器与抑制器）能否作为唯一机制用于建模组件交互，从而取代传统的分叉-汇聚语义？
• RQ4 去除变迁节点在多大程度上提升了模型的紧凑性、透明度与性能评估效率？
• RQ5 如何实现支持模块化、可扩展系统建模的分层子建模机制，并配合自动颜色策略匹配？

主要发现

• APNs 在保持与随机佩特里网（SPNs）相当建模能力的同时，显著降低了视觉复杂性，并提升了模型透明度。
• 通过消除独立变迁节点，实现直接的点到点弧线连接，简化了图形结构，增强了可读性。
• APNs 中的令牌同时携带离散（颜色）与连续（年龄）标签，可实现对个体实体及其状态演化的精细追踪。
• 使用触发器（使能器与抑制器）替代分叉-汇聚机制，使交互建模更加自然且不易出错，尤其在令牌具有独立身份时优势明显。
• 通过自动颜色策略匹配的分层子建模，可确保令牌被正确路由回其所属子网，避免跨子网混淆。
• 自动颜色偏移机制支持通过为每个子网分配唯一、不重叠的颜色范围，实现多个相同子网的可扩展建模，确保路由正确性与状态一致性。