Formal Principle of CPN and Its Application in Artificial Intelligence
CPN原理及其在人工智能中的应用

Petri网理论是由联邦德国的Carl Adam Petri于１９９２年在其博士论文中提出的一种建模方法。最初的网理论称为条件／事件网（ＣＥ－nets).在随后的几年中，人们对新的网模型、网的基本概念有分析方法等进行了大量的研究。其中最有影响的是位置／变迁网（PT－nets),PT-nets后来命名为Petri网（Petri Net)。这些早期的网模型在理论上都归结为基本网（EN－nets)。这些早期的网模型在理论上都归结为基本网（EN－nets)。研究者通过对PT－nets进行了扩展，在风中增加了变迁的优先级、时间延迟、全程变量等一些概念以满足解决实际应用建模的具体要求，并在此基础上形成了比CE－nets和PT－nets更加通过化的高级网（High-level Nets)理论。最早的高级网是谓词／变迁网（PrT-nets)，此后又产生了广义随机Petri网（GSPN）、着色Petri网（CPN）等较有影响的建模方法。CPN是由丹麦的Jensen Kurt于1981年在Petri网基础上定义的一种高级网系统。CPN理论不仅在描述系统静态模型方面进行了完备的形式化定义，例如支持在网模型中标记（token)的类型定义、模型的全程时钟、建立分层子模型等，而且对系统模拟的动态行为的仿真分析也具有形式化定义和描述。此外在Linux、Solaris和MacOS等多种平台上都有CPN的建模分析工具。利用CPN的建模工具，可以建立描述系统的CPN静态模型，还可以对系统模型的动态行为进行仿真，分析系统的分布、并发、同步异步等特性，以及建立系统模型的状态空间并分析系统模型中的活性问题、可达性问题等。