[发明专利]一种基于GPU并行计算的自动制造系统Petri网状态生成方法

说明书

本发明公开了一种基于GPU并行计算的自动制造系统Petri网状态生成方法，包括以下步骤：将待求解的Petri网模型、Petri网系统初始状态M₀转化为输入文件；初始化一个普通数组或链表结构的表，用于表示新产生的状态集合OPEN；初始化一个红黑树结构的表，用于表示已生成的状态集合CLOSED；从Petri网系统初始状态M₀开始，搜索Petri网所有的可达状态构成可达状态集；输出可达状态集中每个可达状态的状态标号、状态向量、该状态具体由哪些状态通过发射哪些变迁获得。本发明的方法通过利用GPU并行计算与优化数据结构，能够极大地提高计算Petri网可达集的速度，且在可达状态数不断增大时具有越来越好的效果，在对大型Petri网模型的分析时，可以有效缓解状态空间爆炸问题。

技术领域

本发明属于自动制造系统建模与分析领域，特别是一种基于GPU并行计算的自动制造系统Petri网状态生成方法。

背景技术

Petri网的可达图分析法是Petri网分析的最基本，最常用的方法之一。通常Petri网的可达图计算，是从初始状态逐层扩展，之后在计算机中进行串行计算。但当Petri网的规模很大时，可达状态数量急剧增加，串行计算的方法需要耗费大量的计算时间和系统资源，极大影响了Petri网建模与分析的效率。

传统的串行计算Petri网可达状态集方法有如下特点与缺陷：

(1)在程序实现中，可达状态的生成采用宽度优先策略。通过宽度优先策略来生成每一层后继标识是构建完整可达标识集的性能瓶颈之一。在状态M下，判断每个变迁的使能情况，并且发射使能变迁，生成新的状态。对每个变迁t，都要判断是否使能，而通常情况下，一个标识下只有少数变迁使能。

(2)查找新产生的标识是否存在于已生成的可达图G(N,M₀)是算法最耗时的地方。对于当前OPEN集合中某个状态M下每个使能的变迁t，计算M'＝M+[N](·,t)得到若干新状态，判断每个新产生的状态M'是否已存在于CLOSED集合中，是一项占用CPU时间很长的任务，特别是当Petri的可达状态数量很大时。

针对上述两个问题，可以利用GPU并行计算的优势进行优化：一方面利用多线程，将若干变迁的使能判断与扩展新状态同时计算，大大减少了计算时间；另一方面结合GPU的硬件架构与特点，针对计算可达集时涉及的矩阵运算，GPU有着更好更高的计算效率。可见，利用GPU并行运算作为优化方法代替传统的CPU串行计算Petri网可达状态集的方法有一定的可行性。

但是，若计算Petri网可达状态集的整个过程都在GPU中进行时，会暴露出新的问题：由于去除重复状态时，需要整个已产生可达图的参与，OPEN、CLOSED集合都要复制到显存中，这使CPU内存与GPU显存之间的通信会产生很大的时间与系统开销，同时显存本身的大小也制约着算法可计算Petri网的规模。

发明内容

本发明的目的在于利用GPU并行计算的优势，提供一种计算速度快、计算结果较优、可以有效缓解状态空间爆炸问题的Petri网可达状态生成方法。

实现本发明目的技术解决方案为：一种基于GPU并行计算的自动制造系统Petri网状态生成方法，包括以下步骤：

步骤1、将待求解的Petri网模型、Petri网系统初始状态M₀转化为输入文件；

步骤2、初始化一个普通数组或链表结构的表，用于表示新产生的状态集合OPEN；初始化一个红黑树结构的表，用于表示已生成的状态集合CLOSED；

步骤3、从Petri网系统初始状态M₀开始，搜索Petri网所有的可达状态构成可达状态集；

步骤4、输出可达状态集中每个可达状态的状态标号、状态向量、该状态具体由哪些状态通过发射哪些变迁获得。