李李

摘要：随着模糊Petri网理论及应用技术的不断成熟，利用模糊Petri网相关理论来知识推理研究成为一种较常见的方法。本文对基于模糊Petri网的并行推理的概念界定及研究意义、国内外研究现状、主要研究内容及研究成果进行了详细论述。

关键词：模糊Petri网；并行推理；知识表示

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2016）09-0057-02

Parallel Reasoning based on Fuzzy Petri nets

LI Li

（Center of Clean-Government Education and Case Management； Discipline Inspection and Supervision of Chenzhou， Chenzhou 423000， China）

Abstract： With the development of Fuzzy Petri nets theory and application technology， Fuzzy Petri nets theory is widely used to knowledge reasoning. This paper carries on a detailed description ranging from definition and significance of parallel reasoning based on Fuzzy Petri nets and research status to the main contents and research results.

Key words： Fuzzy Petri nets； parallel reasoning； knowledge representation

1 概念界定及研究意义

在现实世界中，确定的知识只是少数。这个充满了不确定因素的模糊世界使得我们在利用相关Petri网理论进行知识推理研究中必须考虑到知识具有的“模糊性”这一特点[1]。 “传统数学无法全部、真实地反映人脑的思维规律”—这是科研工作者在研究使计算机具有“类人类智力”过程中必须首要解决的问题之一。其中各种模糊对象和模糊概念是各个科研人员要处理模糊世界必然要面对的两大因素，套用以前那些精确知识的处理方法对于这些模糊概念或知识的运用是行不通的，处理这类问题我们必须结合各种特殊的处理方法和模糊性研究。两方面的意义蕴含于模糊性之中，第一，度量可能是模糊的（所处理的对象或概念的），例如：对老年人的界定等；第二，模糊性蕴含于各种处理方法和技巧本身，即在处理或运用中所做的动作本身就具有某种模糊性，这被科研人员称为模糊动作或模糊处理。因此，基于模糊Petri网的知识推理系统的研究领域就是把传统Petri网现有的知识处理方法与模糊数学结合起来进行深入的研究，这对提高知识推理系统的有效性和推理效率有着极其深远的理论和实际意义。

目前，国际上对模糊Petri网的理论及应用技术的研究还处于初始发展阶段。系统而全面地对基于模糊Petri网的知识推理的研究还存在一些困难： ①集中从应用方面展开研究，这是目前学术界针对模糊Petri网主要的研究方向，很少有学者关注FPN的自身理论的研究，特别是在模糊Petri网系统的初始库所token的初始值如何确定这一方面。当前，科研专家或研究人员依据经验直接给出或者主观猜测出模糊token的初始值，这导致token的初始值随意性太高，操作过程中即使算法与推理过程正确，结果也不一定正确。②不精确推理过程中模糊知识库的一致性检测问题一直没有很好的解决方案。已有的研究成果主要有成对规则比较法和关系图或推理图分析法[2]。③在现实世界中，基于模糊知识的推理存在着利用相同知识进行多次反复推理（即存在环路问题），如医疗诊断系统等。这一系列问题有待学者们进一步研究。

2 国内外研究现状

林闯等人就如何利用Petri网进行知识的表示进行了深入的研究[3]。当今，基于普通Petri网的知识推理的相关算法也已取得许多研究成果。Jonathan Lee等人提出了一种基于普通Petri网模型的推理机制[4]；林琪、周洪玉等人初步探讨了基于Petri网的并行推理机制。利用Petri网的关联矩阵可以实现基于Petri网的产生式规则推理算法，目前，诸多文献都详细讨论了这种推理算法[5]。

综上所述，基于普通Petri网的知识推理系统的研究已经硕果累累，不久的将来，这一研究领域将在人工智能的研究中占据愈来愈重要的地位。

3 基于模糊Petri网的并行推理的主要研究内容

本人认为，基于模糊Petri网的并行推理的研究主要从以下三个方面进行：

1）结合以后模糊理论的相关研究成果，给出模糊Petri网系统中初始库所token值的确定方法，使该方法能够量化不精确的、非定量的信息，有效地解决推理过程中出现的冲突问题。

2）在深入分析现有进化仿生算法的基础上，提出混合仿生算法来克服仿生算法本身易陷入局部最优、收敛速度慢等问题，并将其运用在模糊Petri网的三大参数优化过程中，以达到提高推理结果精度的目的。

3）采用语义网络表示法，在深入研究经典Petri网及各类Petri网在知识表示及推理研究领域中的研究成果的基础上，提出一种高效而可行的基于模糊Petri网的模糊知识表示及推理算法。

4 研究成果

基于模糊Petri网的并行推理的研究成果具有较高的应用价值，主要体现在如下几个方面：

1）人工智能理论及机器人应用研究领域

由于在人工智能理论以及机器人研究领域中均涉及许多智能计算及符号智能的有关算法，而本项目的研究成果中给出了大量的基于模糊Petri的相关算法的建模方法及其应用技术的相关理论；

2）专家知识库及专家系统的研究领域

由于本项目的研究成果中提出了一种基于模糊Petri网的模糊知识的表示方法以及模糊知识的推理技术，从而为专家知识库以及专家系统提供了一种新的实现途径，从而有可能为专家系统的应用提供一种更可靠和更有效的实现方法；

3）并行调度决策系统或分布式处理系统研究领域

面向对象模糊Petri网在描述异步并发（或并行）方面具有独到之处，特别适合描述具有并发性、实时性、异步性等特点的分布式系统。因此，本项目的研究的成果可应用于多任务环境下的并行调度的任务分派、分布式计算机系统的设计等研究领域。

同时，该研究具有一定的科学意义，主要体现在如下2个方面：

1）Petri网研究领域的新思路

将Petri网与模糊理论相结合，并将其扩充为面向对象的开放式的递归网，从而可将一个逐渐扩大的系统不断分解成若干个子系统，并利用扩充后的模糊Petri网的递归性建立各子系统的模型及其相互之间的关联，同时引用时间属性Petri网描述语义网络表示知识的研究成果，从而提供了一种利用成熟的Petri网理论建立基于语义网络的复杂的模糊处理技术分析模型的新思路。

2）多种Petri网技术综合应用的新尝试

本研究是多种Petri网技术综合应用的一次实践活动。它将普通Petri网、随机Petri网、时间Petri网、面向对象Petri网和模糊Petri网等多种技术及其理论有机地结合起来，使不同Petri网技术之间达到互补，并将其应用于并行知识推理的分析与实践中，是关于各类Petri网综合应用技术的一次新尝试。

参考文献：

[1]冉会中.基于Petri网的冗余控制系统建模与仿真[J].计算机仿真，2011，28（5）：103-106.

[2]周月明，杜玉越，刘伟.基于Petri网的容错系统分层建模[J].计算机工程，2010（2）：39-41.

[3] 林闯，陆维明.Petri网用于知识表示[J].计算机学报，1992（1）：1-16.

[4] Jonathan Lee， Senior Member. Modeling Uncertainty Reasoning With Possibilistic Petri Nets[J].IEEE TRANSACTION ON SYSTEMS MAN AND CYBERNETICS-PART B： CYBERNETICS，2003，33（2）.

[5] Shen R L. Reinforcement Learning for High-Level Fuzzy Petri Nets[J]. IEEE TRANSACTION ON SYSTEMS MAN AND CYBERNETICS-PART B： CYBERNETICS，2003（2）.