[发明专利]车间制造系统的启发式二叉决策图变量序优化表示方法

说明书

本发明公开了一种车间制造系统的启发式二叉决策图(OBDD)变量序优化表示方法，包括以下步骤：采用Petri网对企业车间生产系统建模；计算Petri网各个库所之间相互关联度；以资源库所为中心，依据库所之间关联度大小对库所进行分组；采用深度优先策略寻找资源库所对应分组及所有库所的OBDD编码顺序。本发明以制造车间Petri网模型为对象，采用启发式OBDD变量序优化技术，缓解了在系统模型分析中存在的状态爆炸问题，具有有效减小模型表示结构、加快模型分析速度的优点。

技术领域

本发明涉及自动制造系统建模与控制技术，具体是涉及一种车间制造系统的启发式二叉决策图变量序优化表示方法。

背景技术

Pastor等建立了基于OBDD的Petri网符合分析方法，使用OBDD表示Petri网的库所标识的特征函数，对Petri网的各种性能进行分析。OBDD的节点数对变量序非常敏感，同一函数在不同变量序下对应OBDD表的节点数可能具有线性和指数的差别。因此变量排序是OBDD应用中的重要问题。

M.Fujita提出的在一定范围内交换变量的window算法，其时间复杂度和排序后OBDD节点的数量都依赖于窗口的大小k，k值越大，时间复杂度越高，节点数越少，但随着k的不断增大，其时间复杂度会趋于指数级别，并且排序效果改善很小(M.Fujita,Y.Matsunaga,and T.Kakuda.On Variable Ordering ofBinary Decision Diagrams forthe Application ofMulti-level Logic Synthesis.In Proceedings EuropeanDesignAutomation Conference,pages 50-54,March 1991.)。Rudell等提出的动态变量排序算法sifting已广为应用，其核心思想为：对于给定的初始OBDD，首先把所有变量按照对应层次上的节点数降序排列，然后依该次序对每一个变量，在保持其它变量相对次序不变的情况下通过相邻变量的交换操作改变该变量的位置，寻找一个使对应OBDD节点数最少的最佳位置。sifting算法可以得出局部较优变量序，但其时间复杂度高，且严重依赖初始变量序(Rudell R.Dynamic variable ordering for ordered binary decisiondiagrams.In:Proceedings of International Conference on Computer aidedDesign,1993.42～47)。

发明内容

本发明的目在于提供一种车间制造系统的启发式二叉决策图变量序优化表示方法，为Petri网的OBDD分析法找到一种快速有效的启发式变量序，缓解Petri网在系统模型分析时的状态组合爆炸问题。

实现本发明目的的技术解决方案为：车间制造系统的启发式二叉决策图变量序优化表示方法，包括以下步骤：

步骤1、使用Petri网子类S³PR网对车间制造系统进行建模；

步骤2、求取系统Petri网模型中各个库所之间的关联度矩阵；

步骤3、基于步骤2求得的库所之间关联度矩阵，以资源库所为中心，对Petri网所有库所分组；

步骤4、求取资源库所对应分组的顺序；

步骤5、基于步骤3和步骤4，采用启发式规则生成系统Petri网模型的OBDD变量优化顺序；

步骤6、基于步骤5得出的OBDD优化变量序，构建车间制造系统Petri网模型的OBDD。

本发明与现有的技术相比，其显著的优点为：1)本发明采用OBDD符号化表示技术，有效减小系统模型表示的结构大小，并能加快模型计算分析的速度；2)本发明在OBDD建模的基础上，利用启发式方法，快速获取系统模型表示的OBDD优化变量序，能进一步减小模型表示的结构，且系统优化变量序获取速度明显快于现有的非启发式算法。