山西百度公司做网站的/买域名要多少钱一个
目录
- 3.3 变迁发生序列与Petri网语言
- 定义 3.4
- 定义 3.5
- 定义 3.6
- 定理 3.5
- 例 3.9
- 定义 3.7
- 例 3.10
- 定理 3.6
- 定理 3.7 有界Petri网泵引理
- 推论 3.5
- 定义 3.9
- 定理 3.8
- 定义 3.10
- 定义 3.11
- 定义 3.12
- 定理 3.9
3.3 变迁发生序列与Petri网语言
对于 Petri 网进行分析的另一种方法是考察网系统中所有可能发生的变迁序列以及这些序列所构成的集合的性质。如所周知,一个字母表上满足某些特定条件的字符串的集合,称为该字母表上的一个语言。如果我们把一个 Petri 网的变迁集 T T T 看作一个字母表(即把每个变迁看作一个字符),或者给出变迁集到某个字母表 Γ \Gamma Γ 上的一个映射的定义,那么该 Petri 网的所有可能发生的变迁序列(或这些序列映射到 Γ ∗ \Gamma^* Γ∗ 的字符串)的集合就是 T T T(或 Γ \Gamma Γ)上的一个语言。
变迁为字母表
在 Petri 网语言理论中,根据终止状态的不同取法,把 Petri 网语言(Petri net language) 分成 4 型。在每一型中,又根据变迁集 T T T 到字母表 Γ \Gamma Γ 的映射 φ \varphi φ 的不同规定,分成 3 类。一共给出了 4 型 12 类 Petri 网语言。
根据终止状态划分4型,映射划分3类,共4型12类
定义 3.4
设 Σ = ( S , T ; F , M 0 ) \Sigma = (S, T; F, M_0) Σ=(S,T;F,M0) 为一个 Petri 网, φ : T → Γ \varphi: T \rightarrow \Gamma φ:T→Γ 为标注函数, Q t ⊆ R ( M 0 ) Q_t \subseteq R(M_0) Qt⊆R(M0)。令
L = { φ ( σ ) ∈ Γ ∗ ∣ σ ∈ T ∗ : M 0 [ σ ⟩ M , M ∈ Q t } L = \{\varphi(\sigma) \in \Gamma^* \mid \sigma \in T^*: M_0 [\sigma \rangle M, M \in Q_t\} L={φ(σ)∈Γ∗∣σ∈T∗:M0[σ⟩M,M∈Qt} (3.19)
L ′ = { φ ( σ ) ∈ Γ ∗ ∣ ( σ ∈ T ∗ : M 0 [ σ ⟩ M ) ∧ ( ∃ M ′ ∈ Q t : M ≥ M ′ ) } L' = \{\varphi(\sigma) \in \Gamma^* \mid (\sigma \in T^*: M_0 [\sigma \rangle M) \land (\exists M' \in Q_t: M \geq M')\} L′={φ(σ)∈Γ∗∣(σ∈T∗:M0[σ⟩M)∧(∃M′∈Qt:M≥M′)} (3.20)
- 若 Q t Q_t Qt 是预先给定的 R ( M 0 ) R(M_0) R(M0) 的一个子集,则称 L L L 为 Σ \Sigma Σ 产生的 L L L-型语言; L ′ L' L′ 称为 Σ \Sigma Σ 产生的 G G G-型语言。
- 若 Q t = { M ∈ R ( M 0 ) ∣ ∀ t ∈ T : M [ t ⟩ } Q_t = \{M \in R(M_0) \mid \forall t \in T: M[t\rangle\} Qt={M∈R(M0)∣∀t∈T:M[t⟩},则称 L L L 为 Σ \Sigma Σ 产生的 T T T-型语言。
- 若 Q t = R ( M 0 ) Q_t = R(M_0) Qt=R(M0),则称 L L L 为 Σ \Sigma Σ 产生的 P P P-型语言。
L L L-型语言:
- 定义:终止状态 Q t Q_t Qt 是初始标记状态可达集 R ( M 0 ) R(M_0) R(M0) 的一个子集。
- 特点:只包含那些能精确到达 Q t Q_t Qt 中某个标记的变迁序列。
G G G-型语言:
- 定义:允许到达的标记 M M M 可以大于 Q t Q_t Qt 中的某个标记。
- 特点:包含那些能到达或超过 Q t Q_t Qt 中某个标记的变迁序列。(能到就可以不要求精确到,能大于他的那个状态也行,能覆盖)
P P P-型语言:
- 定义:终止状态 Q t Q_t Qt 是所有可达标记,即 R ( M 0 ) R(M_0) R(M0)。
- 特点:包含所有从初始标记 M 0 M_0 M0 出发可达的变迁序列。
T T T-型语言:
- 定义:终止状态 Q t Q_t Qt 包含所有可以从 M 0 M_0 M0 出发的死标签。
- 特点:包含那些死标签。
区别总结
- 终止条件: L L L 型要求精确到达, G G G 型允许覆盖, P P P 型包括所有可达状态, T T T 型是死标签集合。
- 应用场景:不同类型语言适用于不同的系统建模需求。例如, L L L 型适合需要精确控制的系统,而 T T T 型适合需要持续运行的系统。
定义 3.5
设 Σ = ( S , T ; F , M 0 ) \Sigma = (S, T; F, M_0) Σ=(S,T;F,M0) 为一个 Petri 网, L L L 是 Σ \Sigma Σ 产生的 L L L-型 ( G G G-型, T T T-型, P P P-型) 语言。对于标注函数 φ : T → Γ \varphi: T \rightarrow \Gamma φ:T→Γ:
-
若 Γ = T \Gamma = T Γ=T,且 ∀ t ∈ T : φ ( t ) = t \forall t \in T: \varphi(t) = t ∀t∈T:φ(t)=t,则称 L L L 为 Σ \Sigma Σ 产生的 L L L-型 ( G G G-型, T T T-型, P P P-型) 无标注语言,记为 L f ( G f , T f , P f ) L^{f}(G^f, T^f, P^f) Lf(Gf,Tf,Pf)。
-
若 ∀ t ∈ T , φ ( t ) ≠ λ ( λ 表示空串 ) \forall t \in T, \varphi(t) \neq \lambda (\lambda \text{ 表示空串}) ∀t∈T,φ(t)=λ(λ 表示空串),则称 L L L 为 Σ \Sigma Σ 产生的 L L L-型 ( G G G-型, T T T-型, P P P-型) 无空标注语言,记为 L ( G , T , P ) L(G, T, P) L(G,T,P);否则称 L L L 为 Σ \Sigma Σ 产生的 L L L-型 ( G G G-型, T T T-型, P P P-型) 含空标注语言,记为 L λ ( G λ , T λ , P λ ) L^{\lambda}(G^{\lambda}, T^{\lambda}, P^{\lambda}) Lλ(Gλ,Tλ,Pλ)。
如果映射后两者相等,则称无标注语言
不相等,如果不存在空串称为无空标注语言
有空串称为含空标注语言
定义 3.4 和定义 3.5 把 Petri 网语言分成 4 型 12 类,如表 3.1 所示。
各种型(类)语言的背景是明显的。对于一个 Petri 网 Σ = ( S , T ; F , M 0 ) \Sigma = (S, T; F, M_0) Σ=(S,T;F,M0), L L L-型语言和 G G G-型语言分别为 Σ \Sigma Σ 中到达或覆盖某些预先给定的标识的变迁发生序列(或它们到某字母表上的映象)的集合, T T T-型语言是指那些导致死标识的变迁序列(或它们到 Γ \Gamma Γ 的映象)的集合, P P P-型语言是 Σ \Sigma Σ 中一切可能发生的变迁序列(或它们到 Γ \Gamma Γ 的映象)的集合。可见,Petri 网语言的分“型”同形式语言中 Chomsky 文法体系的“型”没有任何联系。标注函数 φ \varphi φ 则是对各个变迁在被描述的实际系统中所对应的动作的一个注解。例如,当两个变迁在被描述的系统中对应同一个(种)动作时,可以对它们赋予相同的标注。当一个变迁在被描述系统中不代表任何实际动作(即是一种虚动作,虚工序)时,则可以对它赋予空标注( λ \lambda λ-标注)。
与乔姆斯基分类的型没有关系
标注函数只是变迁在实际系统对应动作的一个注解
空标注代表一个变迁在被描述的系统中不代表任何实际动作,虚动作,虚工序
在所定义的 12 类 Petri 网语言中, L λ L^\mathrm{\lambda} Lλ是范围最广的一类。其他各类型的 Petri 网语言都可以转化为 L λ L^\mathrm{\lambda} Lλ的一个子类。[4] 对 L L L- 型语言作了详细的讨论,并指出每一个 L L L一型 Petri 网语言都可以由一个标准 Petri 网产生。
定义 3.6
设 Σ = ( S , T ; F , M 0 ) \Sigma=(S,T;F,M_{0}) Σ=(S,T;F,M0)为一个 Petri 网。如果
1)存在 s b , s f ∈ S s_b,s_f\in S sb,sf∈S,使得 ∙ s b = ∅ ^\bullet s_b=\emptyset
相关文章:

【Petri网导论学习笔记】Petri网导论入门学习(十一) —— 3.3 变迁发生序列与Petri网语言
目录 3.3 变迁发生序列与Petri网语言定义 3.4定义 3.5定义 3.6定理 3.5例 3.9定义 3.7例 3.10定理 3.6定理 3.7 有界Petri网泵引理推论 3.5定义 3.9定理 3.8定义 3.10定义 3.11定义 3.12定理 3.93.3 变迁发生序列与Petri网语言 对于 Petri 网进行分析的另一种方法是考察网系统…...

docker-compose文件的简介及使用
Docker Compose是Docker官方的开源项目,主要用于定义和运行多容器Docker应用。以下是对Docker Compose的详细介绍: 一、主要功能: 容器编排:Docker Compose允许用户通过一个单独的docker-compose.yml模板文件(YAML格…...

[护网杯 2018]easy_tornado
这里有一个hint点进去看看,他说md5(cookie_secretmd5(filename)),所以我们需要获得cookie_secret的value 根据题目tornado,它可能是tornado的SSTI 这里吧filehash改为NULL. 是tornado的SSTI 输入{{handler.settings}} (settings 属性是一个字典&am…...

基于STM32的智能风扇控制系统
基于STM32的智能风扇控制系统 持续更新,欢迎关注!!! ** 基于STM32的智能风扇控制系统 ** 近几年,我国电风扇市场发展迅速,产品产出持续扩张,国家产业政策鼓励电风扇产业向高技术产品方向发展,国内企业新增投资项目投…...

决策树——基于乳腺癌数据集与cpu数据集实现
决策树——乳腺癌数据实现 4.1 训练决策树模型,并计算测试集的准确率 1. 读入数据 from sklearn import datasets from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import confusion_matrix …...
探索空间自相关:揭示地理数据中的隐藏模式
目录 一、什么是空间自相关? 类型 二、空间自相关的数学基础 空间加权矩阵 三、度量空间自相关的方法 1. 全局自相关 2. 局部自相关 四、空间自相关的实际应用 五、Python实现空间自相关分析 1. 数据准备 2. 计算莫兰指数 3. 局部自相关(LISA 分析&…...

echarts使用示例
柱状图折线图 折柱混合:https://echarts.apache.org/examples/zh/editor.html?cmix-line-bar option {title:{show: true},tooltip: {trigger: axis,axisPointer: {type: cross,crossStyle: {color: #999}}},toolbox: {feature: {dataView: { show: true, readOnl…...

Flink高可用配置(HA)
从Flink架构中我们可以看到,JobManager这个组件非常重要,是中心协调器,负责任务调度和资源管理。默认情况下,每个Flink集群只有一个JobManager实例。这会产生单点故障(SPOF):如果JobManager崩溃,则无法提交新程序,正在运行的程序也会失败。通过JobManager的高可用性,…...

如何编写出色的技术文档
目录 编辑 1. 明确文档目的和受众 目的的重要性 了解受众 2. 收集和组织信息 信息收集的技巧 组织信息 3. 规划文档结构 结构规划的重要性 结构规划的步骤 4. 编写内容 语言和风格 内容的组织 编写技巧 5. 审阅和测试 审阅的重要性 测试的必要性 6. 版本控…...

学习日记_20241126_聚类方法(谱聚类Spectral Clustering)
前言 提醒: 文章内容为方便作者自己后日复习与查阅而进行的书写与发布,其中引用内容都会使用链接表明出处(如有侵权问题,请及时联系)。 其中内容多为一次书写,缺少检查与订正,如有问题或其他拓展…...

图书系统小案例
目前就实现了分页查询,修改,删除功能 这个小案例练习到了很多技能,比如前后端交互、异步请求、三层架构思想、后端连接数据库、配置文件、基础业务crud等等 感兴趣的小伙伴可以去做一个试试 准备工作 1、使用maven构建一个web工程 打开i…...

目标检测之学习路线(本科版)
以下是为一名计算机科学与技术本科大四学生整理的“目标检测”学习路线,结合了从基础到高级的内容,适合初学者逐步深入。每个阶段都有明确的学习要求、学习建议和资源推荐。 阶段一:基础知识学习 学习要求: 掌握编程语言 Pytho…...

C#调用C++ DLL方法之C++/CLI(托管C++)
托管C与C/CLI前世今生 C/CLI (C/Common Language Infrastructure) 是一种用于编写托管代码的语言扩展,它是为了与 .NET Framework 进行互操作而设计的。C/CLI 是 C 的一种方言,它引入了一些新的语法和关键字,以便更好地支持 .NET 类型和垃圾…...

免费搭建一个属于自己的个性化博客(Hexo+Fluid+Github)
文章目录 0.简介1. 下载安装fluid主题2. 创建文章3. 添加分类及标签3.1 创建“分类”选项3.2 创建“标签”选项4. 文章中插入图片5. 添加阅读量统计6. 添加评论功能7. 显示文章更新时间8. 为hexo添加latex支持小结参考文献0.简介 通过HEXO模板和Fluid主题搭建自己的博客,预览…...

vue3 开发利器——unplugin-auto-import
这玩意儿是干啥的? 还记得 Vue 3 的组合式 API 语法吗?如果有印象,那你肯定对以下代码有着刻入 DNA 般的熟悉: 刚开始写觉得没什么,但是后来渐渐发现,这玩意儿几乎每个页面都有啊! 每次都要写…...

开发需求总结19-vue 根据后端返回一年的数据,过滤出符合条件数据
需求描述: 定义时间分界点:每月26号8点,过了26号8点则过滤出data数组中符合条件数据下个月的数据,否则过滤出当月数据 1.假如现在是2024年11月14日,那么过滤出data数组中日期都是2024-11月的数据; 2.假如…...

人工智能如何改变创新和创造力?
王琼工作室 输出的力量 有了GPT这样的人工智能平台,创新和创造力的机会在哪里? 我们是否有信心: 面对效率,超越效率。 把问题拓展为机会? 把机会拓展为价值? 让智能更好地和我们协作,走心、走…...

Github 基本使用学习笔记
1. 基本概念 1.1 一些名词 Repository(仓库) 用来存放代码,每个项目都有一个独立的仓库。 Star(收藏) 收藏你喜欢的项目,方便以后查看。 Fork(克隆复制项目) 复制别人的仓库&…...
群论入门笔记
群的基本定义 群由一组元素 G 和一个运算(常用符号包括 ,x , 或 ∗)组成。 封闭性 对于任意两个元素 x,y∈G,运算 x * y 的结果仍然属于集合 G,即: ∀x,y∈G,x∗y∈G. 结合律 对于任意 a,b,c∈G&…...

2024最新python使用yt-dlp
2024最新python使用yt-dlp下载YT视频 1.获取yt的cookie1)google浏览器下载Get cookies.txt LOCALLY插件2)导出cookie 2.yt-dlp下载[yt-dlp的GitHub地址](https://github.com/yt-dlp/yt-dlp?tabreadme-ov-file)1)使用Pycharm(2024.3)进行代码…...

Python + 深度学习从 0 到 1(00 / 99)
希望对你有帮助呀!!💜💜 如有更好理解的思路,欢迎大家留言补充 ~ 一起加油叭 💦 欢迎关注、订阅专栏 【深度学习从 0 到 1】谢谢你的支持! ⭐ 什么是深度学习? 人工智能、机器学习与…...

单点登录深入详解之设计方案总结
基于cookie的单点登录解决方案 概述 用户登录之后 , 将认证信息存储至 Cookie ,当再次访问本服务或者访问其他应用服务时,直接从 Cookie 中传递认证信息,进行鉴权处理。 问题 1. 如何保障Cookie内用户认证信息的安全性? 第一, Cookie…...

Loadsh源码分析-forEach,eachRight,map,flatMap,flatMapDeep,flatMapDepth
处理数组array的函数已经学习完,接下来是collection相关的函数, collection指的是一组用于处理集合(如数组或对象)的工具函数。 lodash源码研读之forEach,forEachRight,map,flatMap,flatMapDeep,flatMapDepth 一、源码地址 GitH…...

检测到“runtimelibrary”的不匹配项: 值“mtd_staticdebug”不匹配值“mdd_dynamic”
1. 解释“runtimelibrary”不匹配错误的含义 在Visual Studio中,LNK2038错误表示链接器检测到项目与其依赖的库之间存在“Runtime Library”(运行时库)的不匹配。具体来说,这意味着编译项目时使用的运行时库类型与编译依赖库时使…...

go clean -modcache命令清理缓存
go clean -modcache命令用于清理Go模块的本地缓存。Go模块缓存位于$GOPATH/pkg/mod/cache目录下,存储了所有下载和使用的模块版本。当执行go clean -modcache时,这个命令会删除该目录下的所有内容,迫使Go在下次构建时重新下载所有依赖的模块。…...

C#结构体排序(数组)
结构体排序(数组) 1 示例1.1 以PointF为例展示效果1.2 运行结果展示 2实际运用2.1 创建结构体2.2 调用示例2.3 运行结果展示 1 示例 1.1 以PointF为例展示效果 private void button1_Click(object sender, EventArgs e) {Random random new Random();…...

基于边缘智能网关的机房安全监测应用
随着我国工业互联网的扎实推进,越来越多地区积极建设信息基础设施,以充沛算力支撑产业物联网的可持续发展,数据机房就是其中的典型代表。而且随着机房规模的扩大,对于机房的安全管理难题挑战也日益增加。 面向数据机房安全监测与管…...

【Jenkins】自动化部署 maven 项目笔记
文章目录 前言1. Jenkins 新增 Maven 项目2. Jenkins 配置 Github 信息3. Jenkins 清理 Workspace4. Jenkins 配置 后置Shell脚本后记 前言 目标:自动化部署自己的github项目 过程:jenkins 配置、 shell 脚本积累 相关连接 Jenkins 官方 docker 指导d…...

LeetCode 3243. Shortest Distance After Road Addition Queries I
🔗 https://leetcode.com/problems/shortest-distance-after-road-addition-queries-i 题目 有 n 个城市,编号 0 ~ n-1,从城市 i 到 i1 有一条路给若干高速路,表明从城市 u 到 v 有一条新增的路,v - u > 1返回每新…...

ML 系列:第 31 节— 机器学习中的协方差和相关性
文章目录 一、说明二、协方差和相关性2.1 协方差的概念2.1 相关 三、有关关联的高级主题 (有关详细信息)3.1 相关性和独立性3.2 零相关性和依赖性示例 四、相关性和因果关系五、结论 一、说明 协方差量化了两个随机变量协同变化的程度。当一个变量的较高…...