Vertiefte Grundlagen. R. J. Scherer 2. OG, Raum 204. TU Dresden - Institut für Bauinformatik

Größe: px
Ab Seite anzeigen:

Download "Vertiefte Grundlagen. R. J. Scherer 2. OG, Raum 204. TU Dresden - Institut für Bauinformatik"

Transkript

1 Bauinformatik Vertiefte Grundlagen Petri Netze Prof. Dr.-Ing. Nürnberger Str. 31a R. J. Scherer 2. OG, Raum 204 1

2 Grundlagen der Petri Netz Theorie (1) Petri Netze sind ein in der Informatik weit verbreiteter Formalismus zur Modellierung, Analyse, Simulation von dynamischen Prozessen/Systemen mit nebenläufigen (parallelen) Teil Systemen. Sie wurden durch Carl Adam Petri (Diss. 1962), zur Beschreibung von Kontroll und Datenfluss, definiert. Anwendungen von Petri Netzen zur Modellierung von realen oder abstrakten Automaten und Maschinen kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware Komponenten Geschäftsabläufe Bauabläufe Spielpläne Kommunikation mit Automaten. Petri, C.A., Bonn: Institut für Instrumentelle Mathematik, Schriften des IIM Nr. 2,

3 Grundlagen der Petri Netz Theorie (2) Ein Petri Netz besteht aus Stellen und Transitionen (Übergängen). Stellen und Transitionen sind durch gerichtete Kanten verbunden. Ein Petri Netz ist ein bipartiter und gerichteter Graph Eine Stelle wird graphischalskreis dargestellt. Eine Stelle s modelliert immer eine passive Komponente; s kann Dinge lagern, speichern, sichtbar machen, sich in einem Zustand befinden. Eine Transition wird graphisch als Quadrat oder Rechteck dargestellt. Eine Transition t modelliert immer eine aktive Komponente; t kann Dinge erzeugen, verbrauchen, transportieren, verändern. S t Eine Kante wird graphisch als Pfeil dargestellt. Damit ist die Systemstruktur beschrieben. Später erweitern wir auf: Beschreibung des dynamischen Systems durch Ressourcen und Kapazitäten Beschreibung der Systemsteuerung 3

4 Grundlagen der Petri Netz Theorie (3) In Petri Netze e egb gibt es keine edirekten e Verbindungen eb zwischen zwei Stellen Se e oder zwei Transitionen. Ein Netz N = (S,T,Z,Q) ist folgendermaßen definiert (1) S S; endliche, nicht leere Menge von Stellen. (2) T T; endliche, nicht leere Menge von Transitionen. (3) S T = S, T disjunkte Mengen (4) Z SxT : Zielrelation, nicht leere Menge aller von s nach t gerichteten kanten, (s, (, t) v Z (5) Q TxS : Quellrelation, nicht leere Menge aller von t nach s gerichteten kanten, (t, s) v Q (6) F = Z Q: Flussrelationen, l Summe aller Kanten Die Stellen S sind die Systempunkte, die Transitionen repräsentieren die Systemeigenschaften (Analogie FEM: Elastizitäten der Finiten Elemente entspricht den Transitionen) 4

5 Grundlagen der Petri Netz Theorie (4) Eingabemenge (Vorbereich) und Ausgabemenge (Nachbereich) eines Transitions t : t = {s S (s,t) Z} ist der Vorbereich von t t = {s S (t,s) Q} ist der Nachbereich von t Ein Netz heißt schlicht, wenn keine zwei Stellen denselben Vor und Nachbereich haben x,y S: x = y x = y x = y Nicht schlicht Ein Netz N = (S,T, Z,Q ) ist Teilnetz des Netzes N = (S,T,F), wenn S S, T T und Z = Z (S x T ) Q = Q (T x S) S ) Randstelle Ein Petri netz P = (S, T, Z, Q) ist nebenbedingungsfrei, wenn gilt: Z Q = Nebenbedingung Randtransition 5

6 Die dynamische Sicht in PN (1) Ein Petri Netz hat bisher eine statische Struktur. Die dynamische Sicht von einem System kann durch die Marken betrachtet werden. Ein Tk Token (engl. für Zih Zeichen, Marke) beschreibt einen Zustand von einem passiven Element (Stelle) und wird graphisch als ein schwarzer Punkt dargestellt. Marken laufen durch das Petri Netz und beschreiben so das dynamische Verhalten des Systems. DurchMarkenwerdendieStellenmarkiertoderdemarkiert.DieMarkierung ist Belegung der Stellen mit Ressourcen und gibt den Zustand des Petri Netzes wieder. Ein markiertes Petri Netz ist somit ein Netz, bei dem mindestens eine stelle eine Marke enthält. Die Markierung kann: exogene Markierung (Vorgabe von außen) endogene Markierung (durch Weiterschalten der Anfangsmarkierungen) Eine Markierung M eines Systems ist eine Funktion M: S N 0, Sie ordnet jeder Stelle eine natürliche Zahl (Integer 0) zu. 6

7 Die dynamische Sicht in PN (2) Sind die Stellen von 1 bis n nummeriert, so kann man M als Folge angeben; M={M(s 1 ), M(s 2 ), M(s n )}; M(s i )istdiemarke Situation auf der Stelle s i,wobeis i ummarkiert, wenn M(s i )=0. a b c Status 0 M 0 = (2, 0, 0) M(a)=2 M(b)=0 M(c)=0 Status 1 M 1 = (1, 1, 0) M(a)=1 M(b)=1 M(c)=0 Status 2 M 2 = (0, 2, 0) M(a)=0 M(b)=2 M(c)=0 Status 3 M 3 = (1, 0, 1) M(a)=1 M(b)=0 M(c)=1 Status 4 M 4 = (0, 1, 1) M(a)=0 M(b)=1 M(c)=1 Status 5 M 5 = (0, 0, 2) M(a)=0 M(b)=0 M(c)=2 Eigentlich werden Marken in einem Petri Netz nicht bewegt, sondern sie werden erzeugt und entfernt! 7

8 Petri Netz Topologien (1) Entfernen von Marken Erzeugen von Marken Archivierung von Marken Reservoir für Marken Sequentialität mit erst a und dann b a b Nebenläufigkeit von zwei Transitionen a und b a b 8

9 Petri Netz Topologien (2) Parallelisierung UND a b die Alternative zwischen a und b XOR = Entweder Oder a b Schleife Synchronisation 9

10 Kapazitäten und Gewichte 1 Die maximale Anzahl von Marken, die auf einer Stelle liegen können, kann durch Angabe einer Kapazität am betreffenden Kreis (Stelle) notiert, begrenzt werden (falls keine Aufgabe ist die Aufnahmefähigkeit unbeschränkt). Den Pfeilen können Gewichte zugeordnet werden. Diese geben Gewichte an,wie viele Marken beim Schalten einer Transition von den Eingangsstellen entfernt und wie viele Marken den Ausgangsstellen hinzugefügt werden müssen. Wenn diese Angabe am Pfeil fehlt, so entspricht dies einem Flusspotential von 1. Vor dem Schaltvorgang Nach dem Schaltvorgang K=3 1 2 K=3 K=3 1 A) 3 3 K=4 2 K=4 t 1 K=6 K=4 2 K=4 t 2 1 K=3 K=6 Die Ziel und Quellrelation Gewichte geben damit die exakte Kapazität der Transition an. 10

11 Kapazitäten und Gewichte 2 B) K=10 K=3 K=4 1 t K=4 Das Schalten der Transition t ist nicht möglich, da die Kapazität dieser Stelle überschritten würde. Aus n Eingangs (Zielrelations ) Marken werden m Ausgangs (Quellrelations ) Marken erzeugt, n, m vn Beispiel: Betonarbeit (Stütze) Schalungselement Schalungselement 20 Bewehrungskorb t 1 geschalte und bewehrte Stütze 20 Bewehrungskorb t 1 geschalte und bewehrte Stütze 11

12 Schaltregel für Petri Netze (1) Eine Transitionen t ist aktiviert i t bzw. schaltbereit, falls sich in allen Eingangsstellen (Vorbereich) mindestens so viele Token befinden, wie die Transition Kapazitäten benötigt (Kosten verursacht) und alle Ausgangsstellen (Nachbereich) noch genug Kapazität haben, um die neuen Marken aufnehmen zu können. s 2 t s 2 4 s 1 t 1 aktiviert s 3 t 3 nicht aktiviert s 5 s 6 Das Schalten von t 1 entfernt diese Token aus dem Vorbereich pre(t) und legt neue Tk Token in jeder jd Stelle des Nachbereichs h post(t). () Eine Transition kann schalten : Wenn ausreichende Token in s1 ((pre(t1)), d.h. alle Vorbedingungen von t1 sind erfüllt und somit ist t1 aktiviert 12

13 Schaltregel für Petri Netze (2) Folgemarkierung : Vorbedingung von t1 ist jetzt nicht mehr erfüllt, dafür sind alle Nachbedingungen von t1 erfüllt und somit die Vorbedingungen von t2 und t3 aktiviert s 2 s 4 t 2 s 1 t 1 nicht mehr aktiviert s 3 aktiviert t 3 s 5 s 6 13

14 Schaltregel für Petri Netze (3) nicht mehr aktiviert s 2 s 4 t 2 s 1 t 1 nicht mehr aktiviert s 3 nicht mehr aktiviert Ergebnis Eine Transition heißt: tot, falls sie unter keiner Folgemarkierung aktiviert ist. aktivierbar, falls sie unter mindestens einer Folgemarkierung aktiviert ist. lebendig, falls sie in jeder erreichbaren Markierung aktivierbar ist. Ein Petri Netz heißt lebendig, wenn alle seine Transitionen lebendig sind. t 3 s 5 s 6 14

15 Inzidenzmatrix Die Inzidenzmatrix C eines espetri Netzes e eszeigt eg jeweils e an, wie sc sich de die Tokenzahl oe einer Stelle s i (dargestellt durch die Zeilen der Matrix) durch ein Schalten der Transition t j (Spalten der Matrix) vergrößert oder verringert. Sei N = (S, T, F) das Netz eines S/T Systems mit endlicher Stellen und Transitionenmenge S={s1,..., sm} T={t1,..., tn} Die Inzidenzmatrix C=(C ab ) mit av {1..m} und bv {1..n} ist dann wie folgt gegeben: C ab = W(t b, s a) falls (t b, s a) vf\f 1 Quellrelation W(s a, t b ) falls (s a, t b ) vf\f 1 Zielrelation W(t b, s a ) W(s a, t b ) falls (t b, s a ) vf F 1 Nebenbedingung 0 sonst keine Relation W = Gewicht F\F 1 (Differenz F minus F 1 ) bedeutet, dass keine Schlinge (Nebenbedingung) vorliegt 15

16 Inzidenzmatrix (Beispiel) Anmerkung: derstartkann in diesem Beispiel an beliebiger Stelle erfolgen. Alle Relationen sind einstellig t 1 s 1 t 2 s 3 2 s s 2 s 4 C 11 = W 11 = 1 C 12 = W 12 = 1 C 21 = W 21 = 1.. s 5 t 3 t 4 t 1 t 2 t 3 t 4 s C = s s s s Interpretation: jede spalte entspricht einem Vektor, der wiederum den Beitrag der jeweiligen Transition zu den Stellen angibt. 16

17 Erreichbarkeitsgraph Die Anfangsmarkierung wird M 0 bezeichnet und entspricht dem Start zustand eines markierten Petri Netzes. Ein System hat einen Endzustand erreicht, wenn es in diesem Zustand für immer verharren kann. Der Endzustand eines Systems entspricht in einem Systemnetz einer Endmarkierung. Die erreichbaren Markierungen eines Systemnetzes N kann man im Markierungsgraph (Erreichbarkeitsgraph) i k it h) von N zusammenstellen. tll Seine Knoten sind die erreichbaren Markierungen, seine Kanten sind die Transitionen, die Flussrelationen sind die Schritte zwischen den erreichbaren Markierungen von N Sei N = (S, T, Q, Z, M) mit S = {s 1,,s n }, T = {t 1,,t k }. Dann ist der Erreichbarkeitsgraph von N ein gerichteter Graph G=(V,E) mit V={v=(M(s 1 ),, M(s n )) s i v S, v Anfangsmarkierung M A von N oder Folgemarkierung von M A } E={(v i,v j ) t l v T, so dass durch Schalten von t i,v j direkte Folgemarkierung von v i ist} 17

18 Erreichbarkeitsgraph (Markierungsgraph) Erreichbarkeit: M2 erreichbar aus M1, wenn ein Pfad von M1 nach M2 im Markierungsgraphen existiert. Mit Hilfe der Erreichbarkeit können die statischen und dynamischen Zustände eines Netzes beschrieben werden. Statisch durch die Menge der Stellen die durch ein Token erreicht werden können und dynamisch durch bestimmte Markierungen die ausgehend von der Anfangsmarkierung erreicht werden können. S 1 T 1 Beispiel m 0 : (1, 0, 0) T 4 T 3 S 2 T 1 T 3 T 4 PN m 1 : (0, 1, 0) S 3 T 2 T S1 S 2 2 S 3 T 1 T 2 T 3 T 4 m2: (0, 0, 1) m S 1 Erreichbarkeitsgraph m S 2 m S 3 Inzidenzmatrix 18

19 Deadlock Als Deadlock werden Sub Netze Nt bezeichnet, in denen ki keine neuen Marken erzeugen werden können. Diese Sub Netze ist dann tot. Wenn der Deadlock dazu führt, dass das gesamte Netz tot ist, nennt man dies Verklemmung: ein System kann unerwünscht anhalten, weil das schalten einiger Transitionen zyklisch voneinander abhängt. Deadlock Freiheit: ein Netz ist Deadlock frei, wenn es unter keiner, ggf. indirekten, Folgemarkierung tot ist ein Netz ist tot, wenn es einen Zustand gibt, in dem alle Transitionen tot sind Das Netz ist unter allen möglichen Folgemarkierungen tot, da eine Stelle mit nicht mehr als einer Marke belegt werden kann. 19

20 Konflikt und Kontakt Konflikt: Mehrere aktivierte nicht nebenläufige Transitionen,, konkurrieren um die selbe Marke, d.h. es gibt nicht genug Marken (im Vorbereich) um alle Transitionen zu schalten. Lokales Problem. Welche Transition schaltet muss der Anwender entscheiden odereine eine Regel ist s 2 zuzuordnen. Kontakt: Die Ursache liegt hier im Nachbereich der Transitionen: mehrere Transitionen haben gemeinsame, kapazitätsbeschränkte Stelle. Nachbereich ist belegt 20

21 Arten von Petri Netze (1) Low Level Netze Marken voneinander nicht unterscheidbar (B/E) Bedingung Ereignis Netze Jede Stelle kann entweder genau eine oder keine Marke enthalten (boolesche Bedingung). Transitionen modellieren Ereignisse. Kantengewichtung auf 1 beschränkt. Eine Transition t kann schalten, wenn jede Eingabestelle von t eine Marke enthält und wenn jede Ausgabestelle von t leer ist. Shl Schaltet eine Transition, i dann werden alle Marken von den Eingabestellen entfernt und alle Ausgabestellen mit einer Marke besetzt. 21

22 Arten von Petri Netze (2) (S/T) Stellen Transitions Netze Mehrere Marken pro Stelle möglich. Stellen Kapazitäten (für jede Stelle wird eine Kapazität festgelegt, andernfalls unendliche Kapazität angenommen). Kanten Gewichtungen (für jede Kante wird ein Gewicht festgelegt, andernfalls wird Gewicht von 1 angenommen). Es müssen nicht mehr notwendigerweise alle Marken von den Eingabestellen beim Schalten entfernt werden. 22

23 Arten von Petri Netze (3) High LevelNetze ee et e Es gibt unterschiedliche Marken Kante kann mit Variable oder Funktion gewichtet werden High Level Netze ergeben ein kleineres Netz als Low Level Netze für gleiches System. Hierarchische Petri Netze Verfeinerung von Teil Prozessen in separaten Petri Netzen Regeln zur Konisitenzerhaltung (TPN) Zeitbewertete Netze S 1 (t=2) t=3 T(t=2) t=7 S 3 (t=4) Marken erhalten Zeitbewertung t=5 t=6 S 1 (t=3) S 4 (t=1) BeiFlussvonMarken(Objekten)werdendiesezeitverzögertbeiden Ausgangsplätzen dertransitionen verfügbarsein 23

24 Arten von Petri Netze (4) Nur verfügbare Marken können verwendet werden. Anfangsmarkierungen gelten stets als verfügbar. Zeitbehaftete Petri Netze sind als Modellierungskonzept für die diskrete ereignisorientierte Simulation gut einsetzbar Prädikat/Transitions Netze Statt anonymen, schwarzen Marken werden individuelle Marken benutzt. Eindeutige Identifikation von Objekten und somit vollständige Modellierung komplexer Abläufe möglich Man kann die Erzeugung einzelner Marke durch das Netz verfolgen. 24

25 B/E Netz Beispiel: Arbeitskette_Bagger_LKW Die Anfangsmarkierung _Schritt 1 Das Ereignis Laden beginnt kann erst schalten, wenn sowohl der Bagger als auch der LKW in Warteposition sind. aus: Franz, Diss

26 B/E Netz Beispiel: Arbeitskette_Bagger_LKW Die Anfangsmarkierung _Schritt 1 Schritt 2 Nach dem Schalten liegt der Zustand Bagger füllt LKW vor, und die Zustände Bagger wartet und LKW wartet sind demarkiert. aus: Franz, Diss

27 B/E Netz Beispiel: Arbeitskette_Bagger_LKW Die Anfangsmarkierung _Schritt 1 Schritt 2 Schritt 3 Sobald das Ereignis LKW voll eintritt, geht der Bagger wieder in den Wartezustand, und es liegt der Zustand LKW transportiert Erde vor. aus: Franz, Diss

28 B/E Netz Beispiel: Arbeitskette_Bagger_LKW Die Anfangsmarkierung _Schritt 1 Schritt 2 Schritt 4 Schritt 3 Der Zustand LKW wartet beginnt erneut, sobald das Ereignis LKW zurück eingetreten ist. aus: Franz, Diss

29 S/T Netz Beispiel: Arbeitskette_Bagger_ 3 LKW K=1 1 K= K=1 1 1 K=3 K3 K=

30 Höhere Petri Netze Hierarchische Petri Netze Zeitbewertete Petri Netze Prädikat/Transitions Netze Stochastische Petri Netze Gefärbte Netze 30

31 Hierarchische Petri Netze (1) Größere Petri Netze können in mehrere Teilnetze untergliedert und hierarchisch verknüpft werden. Es entstehen übersichtlichere, kleine Netzeinheiten, die leichter zu analysieren sind. Außerdem ist die Realisierung i entsprechender Softwaremoduleeinfacher. f Die Analyse des Gesamtnetzes kann dann auf die Analyse mehrerer kleinerer Teilsysteme zurückgeführt werden. Die Zahl der in der Gesamtsumme zu untersuchenden Systemzustände wird erheblich reduziert. Vorteile der Hierarchie: übersichtlicher (Graphik) Unterstützung des Top Down Entwurfs Bildung wiederverwendbarer Module ReduzierungderKomplexität der durchkleinere Einheiten Berücksichtigung hybrider Realisierungsformen 31

32 Hierarchische Petri Netze (2) Komplementstellen verhindern, dass die Eingangstransition erneut schaltet, hl bevor die Ausgangstransition geschaltet hat. Dadurch wird erreicht, dass das Teilnetz das Verhalten einer Transition hat. (Steuerung) 32

33 Hierarchische Petri Netze (3) Bei der Hierarchiebildung sind Regeln zur Erhaltung der Konsistenz des Modells zu beachten: Zwischen Baumknoten auf tieferer Ebene dürfen keine neuen Pfeile gezogen werden, d. h. zusätzliche Pfeile können nur innerhalb eines Baumknotens zwischen Stellen und Transitionen eingefügt werden. Pfeile, die von einem Unternetz weg oder zu ihm hinführen, müssen bereits vor der Verfeinerung vorhanden sein; die vorgegebenen Richtungen müssen berücksichtigt werden. Eine Verfeinerung muss markengetreu erfolgen, d. h. sie soll gleich viele Marken abgeben, wie sie verbraucht. Die obere Netzebene bei hierarchischen Petri Netzen wird auch Kanal Instanzen Netz bezeichnet. eine Stelle wird als Kanal interpretiert. eine Transition wird als Instanz interpretiert Instanzen kommunizieren über Kanäle. 33

34 Hierarchische Petri Netze (4) Zu besseren Strukturierung und Übersichtlichkeit sind sowohl die Stellen als auch die Transitionen verfeinerbar. Die Verfeinerung muss Kanten und Marken treu sein. Kanal Instanzen Netz 34

35 Zeitbewertete Petri Netze Die bisher betrachteten PN arbeiten ohne Zeitbegriff, d. h. alle Transitionen werden zum gleichen Zeitpunkt abgearbeitet, an dem die dafür erforderlichen Bedingungen erfüllt sind. Zur Untersuchung der Leistungsfähigkeit oder zur Simulation eines Systems muss jedoch oft die Dauer einer Aktion oder eines Ereignisses festgelegt werden. Zeitintervalle können in den Stellen, in den Transitionen oder an der Kante festgelegt werden. Die Marken müssen aber jeweils auf den Stellen verharren: Schalten dertransitionen dauertzeit (Zeitverzögerung) die Transition kann erst fünf Zeiteinheiten nach dem Eintreffen der Marke in der Eingangsstelle feuern 5 (Übergangzeit) Bei Erzeugung von Marken (Objekten) werden diese zeitverzögert bei den Ausgangsplätzen der Transitionen verfügbar sein. Die Marken müssen daher eine bestimmte Zeitdauer (t>0) auf einer Stelle bleiben, bevor sie von einer Transition verbraucht werden können. eine Marke steht erst nach einer Verzögerung von fünff Zitihit Zeiteinheiten zur Verfügung (Verweilzeit) it) 5 35

36 Zeitbewertete Petri Netze Die Zeitnotation an der Kante im Nachbereich einer Transition stellt eine Liegezeit der Marke in der nachfolgenden Stelle dar. 30 Es wichtig zu verstehen, dass der Prozess während dieser Verzögerungszeit im Fortschritt ist; diese Zeit stellt z.b. die Dauer dar, die die Ausführung einer bestimmten realen Aufgabe benötigt Beton Betonieren Betonfundament Bauarbeiter 2 36

37 Zeitbewertete Petri Netze Zitb Zeitbewertungt der Transitionen erfolgt tdurchschaltintervalle t ll [α, β], 0 α β; α, β v Q + α wird als earliest firing time (eft), β als latest firing time (lft) verstanden. Z = [N, eft, lft] ist Zeit Netz U:T Q + { *} heißt Uhrenstellung von Z bei der Markierung m; U(t) = * bedeutet dabei, dass die Uhr der Transition abgeschaltet ist z = [m, u] ist ein Zustand von Z; m ist eine Markierung von P, u ist Uhrenstellung von Z bei m Anfangszustand z 0 := [m 0, u 0]; t T : u (t) := 0-0f falls t m * sonst 0 die Transition t heißt schaltbar in Zustand z, wenn t < m und u(t) eft(t) ist zum Schalten können Transitionen eine bestimmte zeit benötigen ( v Q + ) eine Transition kann nur schalten, wenn eft(t) u(t) lft(t) - τ τ τ 37

38 Zeitbewertete Petri Netze Zeitbedingungen sind nicht nur Frühester Zeitpunkt bzw. Spätester Zeitpunkt, aber können auch: Mindestdauer Höchstdauer Exakter Zeitpunkt Exakte Dauer etc. Sein Zeitbehaftete Petri Netze lassen sich untergliedern in Zitttibti Zeitattributiertet Nt Netze: mit deterministischem Zeitverbrauch Stochastische Petri Netze: mit stochastischem Zeitverbrauch Zeitpunkte und Zeitintervalle in Netzen können auch mit Zufalls Verteilungsfunktionen versehen werden. 38

39 Zeitbewertete PN: Zeitattributierte Petri Netze Die Marken, die durch das Shlt Schalten erzeugt werden, bekommen neben einem Wert einen (internen) Zeitstempel Der Zeitstempel zeigt den frühest möglichen Zeitpunkt an (Freigabe Zeitpunkt), ab dem die Marken zur Verfügung steht. Der Freigabe Zeitpunkt ergibt sich aus dem Zeitpunkt des Schaltens plus Verzögerung die Verzögerung wird durch die schaltende Transition bestimmt und ist feststehend Der Freigabe Zeitpunkt kann somit gleich (Verzögerung gleich Null) oder später sein als der Zeitpunkt des Schaltens. Das Schalten selbst verbraucht keine Zeit Eine Transition kann nur schalten, wenn jede benötigte Marken einen Zeitstempel hat, der gleich oder früher der aktuellen Zeit ist Die Transition mit dem frühesten Freigabe Zeitpunkt schaltet zuerst Gibt es mehrere Transitionen mit dem gleichen Freigabe Zeitpunkt, wird eine nicht deterministische Entscheidung getroffen Die Marken werden beim Schalten nach der FIFO Regel verbraucht 39

40 Zeitattributierte Petri Netze: Beispiel T = 0 Anfangsmarkierung

41 Zeitattributierte Petri Netze: Beispiel T =

42 Zeitattributierte Petri Netze: Beispiel T =

43 Zeitattributierte Petri Netze: Beispiel T =

44 Zeitattributierte Petri Netze: Beispiel T =

45 Zeitattributierte Petri Netze: Beispiel T = Ergebnis: Bagger wartet 50 LKW wartet 0 50 Alternative: derbagger soll 0 warten Wie erfüllbar? mit 2 LKW mit 3 LKW.. 45

46 Zeitbewertete PN: Stochastische Petri Netze Ein stochastisches ti h Pti Petrinetzt it ist ein Pti Petrinetzt SPN = (S, T, Z, Q, M0, R) mit S, T, Z, Q und M0 wie bereits eingeführt R = {r 1,r 2,...,r m }. R ist die Menge der Schaltraten, wobei : r i ist die statistische Verteilung der zur Transition t i gehörenden Schaltrate darstellt. Jd Jeder Transition wird ideine zufällige, Verzögerungszeit entsprechend ihrer statistischen Verteilung, erzeugt durch einen Zufallsgenerator, zugewiesen Die Schalt bzw. Verzögerungszeit einer Transition (Zeit zwischen Aktivieren und Feuern) ist eine Zufallsvariable Die häufigste verwendete Verteilungsfunktion Verteilung ist die Exponentiell 46

47 Zeitbewertete PN: Stochastische Petri Netze Aktiviert eine Markierung mehrere Transitionen, dann feuert die mit der (stochastisch ermittelten) kürzesten Verzögerungszeit als erste Stochastische Petri Netze besitzen (ausschließlich) zeitbehaftete Transitionen Jeder Auswertung eines PN mit einem Satz zufällig erzeugter Verzögerungszeiten stellt eine Beobachtung (Fallbeispiel) dar. Werden viele Fallbeispiele ausgewertet, so kann für die Ergebniswerte wieder eine statistische Verteilungsfunktion ermittelt werden. Dieses Vorgehen bezeichnet man als Monte Carlo Simulation (jedes Fallbeispiel ist wie ein neues Spiel am Spieltisch in Monte Carlo). 47

48 Zeitbewertete PN: Stochastische Petri Netze Generalisierte e se e stochastische sc Petri Netze e e besitzen e auch einige zeitlose Transitionen. Diese Transitionen schalten ohne Verzögerung, sobald sie schaltbereit sind schalten bevorzugt vor zeitbehafteten Transitionen, d.h. haben eine höhere Priorität Aus einem Petri Netz gewinnt man ein stochastisches Petri Netz, wenn man für die Transitionen zufällig verteilte Schaltzeiten vorsieht (zeitbehaftete Transitionen). Solche Transitionen werden oftdurchdicke Balken dargestellt. Zeitbehaftet Übergangsrate direkt, zeitlos Für die Schalt oder Verzögerungszeit einer Transition, d.h. die Zeit, die zwischen Aktivieren und Feuern der Transition verstreicht, wird meistens eine (negativ) exponentiell verteilte Zufallsvariable angenommen. 48

49 Zeitbewertete PN: Stochastische Petri Netze: Beispiel F(x) Stochastisch h Deterministisch x Stochastisch F(x) Deterministisch x 49

50 Prädikat/Transitions Netze Jeder Token erhält einen Wert. die informationstragenden Marken werden durch ihren Wert, z.b. durcheine Zahl repräsentiert. der Datenwert kann dabei auch ein willkürlich komplexer Typ sein, z. B. ein Datensatz, bei dem das erste Feld eine reelle Zahl, das zweite Feld eine Liste von Integer Werten und das dritte Feld ein String ist. Im oberen Teil der Transition wird die Schaltbedingung angegeben. Transitionen i können nur noch beim Vorliegen (einer Kombination) i bestimmter Marken schalten. Die Transition kann dabei nur für die Marken schalten, für die die Schaltbedingung erfüllt ist Im unteren Teil der Transition wird die Schaltwirkung angegeben. der Ausdruck definiert die Anzahl der Token, die verbraucht/erzeugt werden sowie auch die Zusammenstellung der Token nach Werten der Ausdruck besteht somit aus Variablen, die an verschiedene Werte gebundenwerden können 50

51 Prädikat/Transitions Netze Die Art der durch eine Transition erzeugten Token ist abhängig vom Wert der dabei verbrauchten Token, ebenso die Anzahl der erzeugten Token Die Werte der Input Token beeinflussen somit die Wirkung der Transition Die Kantengewichte geben an, welche Informationen entzogen bzw. erzeugt werden. Eine Art der graphischen Darstellung einer Markierung: jedertoken wird durch seinen Wert in der Stelle dargestellt Schaltbedingung 17 x 3 x + 2 = y z 1 z = 2 x + 3 y 8 y 10 Schaltwirkung 5 17 x y x + 2 = y z = 2 x + 3 y z 46 51

52 Prädikat/Transitions Netze Itd Ist das Shlt Schalten nicht ihtvon bestimmten t Marken abhängig, dann entfällt die Schaltbedingung. Werden Marken durch die Transition nicht verändert, sondern lediglich von Eingangs an die Ausgangsstellen weitergegeben, dann entfällt die Schaltwirkung. Eine andere Art der Darstellung von Petri Netzen mit individuellen Marken sind gefärbte Petri Netze Der größte Unterschied zu Pr/T Netzen besteht in den Methoden zur Berechnung und Interpretation der Stellen und Transitions Invarianten Gfäbt Gefärbte PtiNt Petri Netze können somit als leicht abgewandelter Form der Pr/T Netze angesehen werden 52

53 Prädikat/Transitions Netze: Beispiel 1 Händler bereit Käufer bereit A B C D E ShltM X X Y Y Schalt Modi X=A Y=C (Y! = E) V (X==A) X X Y Y X=A XA Y=D YD X=A Y=E X=B Y=C X=B Y=D Händler mit Geld Käufer mit Ware 53

54 Prädikat/Transitions Netze: Beispiel 2 Bereich Aufgabe Mitarbeiter Aufgabe B1 A1 M1 A1, A2 B2 A2, A4 M2 A3, A5 B3 A3, A5 M3 A4 Bereich z.b. Bereich Mitarbeiter Aufgebe B1 M1 A1 (B1, A1) (B2, A2, A4) (B3, A3, A5) B i, A j Beginne Bearbeitung A j = A m (M1, A1, A2) (M2, A3, A5) M k, A m In Bearbeitung Beende Bearbeitung (M3, A4) Mitarbeiter 54

55 Gefärbte Netze Es gibt jetzt individuelle, sogenannte gefärbte Marken (Farbe entspricht Datentyp). Die Transition können in verschiedenen Modi schalten. Wird die Anonymität der Marken aufgegeben, gg sondern arbeitet man mit unterschiedlichen Typen und individuellen Objekten, so kommt man zum mächtigen Modellierungskonzept der Netze mit individuellen Marken So kann man die Erzeugung einzelner Marken durch den Prozess verfolgen. Stellen speichern Multimengen (Stellen als Behälter für Mengen unterscheidbarer Objekte ) 55

56 Vereinfachte PN Darstellung mittels gefärbter Petri Netze Links Rechts Schaltung Steuerungs Stelle S/TPetri Netz gefärbtes Petri Netz 56

57 Petri Netze: Vorteile Nicht nur grafische sondern auch mathematische formale Modellierungssprache Mathematisch, formale Analyse auf der Basis von Graphentheorie und linearer Algebra Vollständige und konsistente Beschreibung des ungesteuerten Prozesses und der dazugehörenden Steuerung. Verschiedene Software Tools zur Modellierung verfügbar Netzeigenschaften wie Terminierung, Lebendigkeit, Deadlock Freiheit können durch Werkzeuge überprüft werden. Simulationund Animation (Testmöglichkeit it bereits während Entwurfsphase) Nebenläufigkeit ist modellierbar Eigenschaften wie Sicherheit und Lebendigkeit können bei den einfachen Petri Netzen durch die Analyse des Erreichbarkeitsgraphen gelöst werden. 57

58 Petri Netze: Nachteile Komplexe Modelle werden schnell zu groß und unübersichtlich Petri Netze besitzen eine statische Struktur Eine komplette Erreichbarkeitsanalyse, d.h. eine Untersuchung aller möglicher Systemzustände ausgehend von allen denkbaren Ausgangs Markierungen, verlangt häufig einen immensen Rechenaufwand, der sich, je nach Umfang und Komplexität des modellierten Systems trotz des Einsatzes von (Groß ) Rechenanlagen über mehrere Tage erstrecken kann. Ein wesentliches Merkmal von Petri Netzen ist ihre Lokalitätseigenschaft, d.h. die Ausführung einer Aktivität ki iä / das Feuern einer Transition ii wird idnur beeinflusst von ihrer direkten Umgebung und beeinflusst auch nur diese. 58

6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne

6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne 6.2 Petri-Netze WS 06/07 mod 621 Petri-Netz (auch Stellen-/Transitions-Netz): Formaler Kalkül zur Modellierung von Abläufen mit nebenläufigen Prozessen und kausalen Beziehungen Basiert auf bipartiten gerichteten

Mehr

Petri-Netze / Eine Einführung (Teil 2)

Petri-Netze / Eine Einführung (Teil 2) Manuel Hertlein Seminar Systementwurf Lehrstuhl Theorie der Programmierung Wiederholung (1) Petri-Netz = bipartiter, gerichteter Graph Aufbau: Plätze (passive Komponenten) Transitionen (aktive Komponenten)

Mehr

Einführung Low-Level-Netze High-Level-Netze Referenzen. Petrinetze. Benjamin Daeumlich 30.10.2006

Einführung Low-Level-Netze High-Level-Netze Referenzen. Petrinetze. Benjamin Daeumlich 30.10.2006 30.10.2006 Gliederung 1 2 3 4 . Geschichte Was sind? Petrinetz-Typen Geschichte Geschichte Was sind? Petrinetz-Typen 1962 eingeführt von Carl Adam Petri zuerst nur aber: oft zu einfach für Spezifikationszwecke

Mehr

Modellierung von Geschäftsprozessen Teil 6 - Petri-Netze

Modellierung von Geschäftsprozessen Teil 6 - Petri-Netze FHTW Berlin FB4, Wirtschaftsmathematik Modellierung von Geschäftsprozessen Teil 6 - Petri-Netze Dr. Irina Stobbe, 2005-2008 Thema - Überblick Petri-Netze Petri-Netze Einführung Funktionsweise Definition

Mehr

Einführung in Petri-Netze. Modellierung von Abläufen und Prozessen (1) Abhängigkeitsgraphen: Motivation. Petri-Netze

Einführung in Petri-Netze. Modellierung von Abläufen und Prozessen (1) Abhängigkeitsgraphen: Motivation. Petri-Netze Einführung in Petri-Netze Modellierung von Abläufen und Prozessen () Motivation Abhängigkeitsgraphen: A B 6 C 5 D Petri-Netze Markierungen Invarianten Credits: L. Priese, H. Wimmel: Petri-Netze, Theoretische

Mehr

Einführung - Systeme

Einführung - Systeme Systeme Petri-Netze Gliederung Einführung - Systeme System Zustand Arten von Systemen Petri-Netze Low-Level Petri-Netze High-Level Petri-Netze 2 System griechisch: σύστηµα = das Gebilde, Zusammengestellte,

Mehr

Software-Engineering SS03. Zustandsautomat

Software-Engineering SS03. Zustandsautomat Zustandsautomat Definition: Ein endlicher Automat oder Zustandsautomat besteht aus einer endlichen Zahl von internen Konfigurationen - Zustände genannt. Der Zustand eines Systems beinhaltet implizit die

Mehr

Interleaving-Semantik: Parallelausführung wird auf Hintereinanderausführung in beliebiger Reihenfolge zurückgeführt.

Interleaving-Semantik: Parallelausführung wird auf Hintereinanderausführung in beliebiger Reihenfolge zurückgeführt. Einführung Interleaving-Semantik: Parallelausführung wird auf Hintereinanderausführung in beliebiger Reihenfolge zurückgeführt. P 1 = (a.stop) (b.stop) und P 2 = (a.b.stop) + (b.a.stop) werden nicht unterschieden.

Mehr

4. Petri-Netze. Modellierungsaspekte bei Petri-Netzen:

4. Petri-Netze. Modellierungsaspekte bei Petri-Netzen: 4. Petri-Netze Bei Petri-Netzen handelt es sich um formale Konstrukte, die graphisch ausgestaltet sind und sich für die Modellierung und Analyse von Systemen und Prozessen eignen. Besonders gut eignen

Mehr

1. Einleitung wichtige Begriffe

1. Einleitung wichtige Begriffe 1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und

Mehr

Inhalt 12 Petri-Netze. 12.1 Grundlagen

Inhalt 12 Petri-Netze. 12.1 Grundlagen 1 Inhalt 1 Petri-Netze 1.1 Grundlagen 1. Bedingungs/Ereignis-Netze 1.3 Stellen/Transitions-Netze 1.4 Prädikat/Transitions-Netze 1.5 Hierarchische Petri-Netze 1.6 Zeitbehaftete Petri-Netze 1.7 Strukturelemente

Mehr

Kapitel 3: Workflow-Modellierungssprachen Einführung in High-Level Petrinetze

Kapitel 3: Workflow-Modellierungssprachen Einführung in High-Level Petrinetze Kapitel 3: Workflow-Modellierungssprachen Einführung in High-Level Petrinetze 1. Überblick über Modellierungssprachen 1. Ziel: Analyse 2. Modellierungssprachen: Perspektiven und Anforderungen 2. Petrinetze

Mehr

Technische Applikationen von Petri-Netzen Petri-Netze in Technik und Wirtschaft

Technische Applikationen von Petri-Netzen Petri-Netze in Technik und Wirtschaft Technische Alikationen von Petri-Netzen Arbeitsblätter zur Vorlesung Fakultät für Informatik und Automatisierung Institut für Theoretische und Technische Informatik FG Rechnerarchitektur Inhalt Beisiel

Mehr

Vektor-Additions-Systeme und Invarianten

Vektor-Additions-Systeme und Invarianten Vektor-Additions-Systeme und Invarianten http://www.informatik.uni-bremen.de/theorie/teach/petri Renate Klempien-Hinrichs Stellen- und Transitions-Vektoren T -Invarianten S-Invarianten Bezug zu erreichbaren

Mehr

Vorlesung Methoden des Software Engineering. Martin Wirsing. Einheit C.3, 9.12.2004

Vorlesung Methoden des Software Engineering. Martin Wirsing. Einheit C.3, 9.12.2004 Block C (Formale Methoden): Petrinetze 9.12.04 1 Vorlesung Methoden des Software Engineering Block C Formale Methoden Petrinetze Martin Wirsing Einheit C.3, 9.12.2004 Block C (Formale Methoden): Petrinetze

Mehr

Modellierungsmethoden - Kapitel 3

Modellierungsmethoden - Kapitel 3 3. Petri-Netze Bei Petri-Netzen handelt es sich um formale Konstrukte, die graphisch ausgestaltet sind und sich für die Modellierung und Analyse von Systemen und Prozessen eignen. Besonders gut eignen

Mehr

Petri-Netze. Petri-Netze. Nico Bühler. Albert-Ludwigs-Universität Freiburg. 14. Januar 2016

Petri-Netze. Petri-Netze. Nico Bühler. Albert-Ludwigs-Universität Freiburg. 14. Januar 2016 Petri-Netze Nico Bühler Albert-Ludwigs-Universität Freiburg 14. Januar 016 Inhaltsverzeichnis Petri Netze allgemein Einführendes Beispiel: Vier Jahreszeiten Wechselseitiger Ausschluss Kapazität und Gewichtung

Mehr

Prozessmodellierung mit Petri-Netzen

Prozessmodellierung mit Petri-Netzen Prozessmodellierung mit Petri-Netzen Ingo Frommholz Universität Duisburg-Essen Vorlesung "Information Engineering" SS 2007 UNIVERSITÄT D U I S B U R G E S S E N Inhaltsverzeichnis 1 Prozesse im Information

Mehr

Kapitel 4: Analyse von Petrinetzen

Kapitel 4: Analyse von Petrinetzen Kapitel 4: Analyse von Petrinetzen 1. Beispiele 2. Analyseansatz 3. Markierungsgraph 4. Beschränktheit 5. State Space Explosion: Beispiel 6. Komplementbildung 7. Zusammenhängend 8. Tot, lebendig, verklemmungsfrei

Mehr

Übungsblatt 3. Grundlagen der computergestützten Produktion und Logistik W1332. Fakultät für Wirtschaftswissenschaften

Übungsblatt 3. Grundlagen der computergestützten Produktion und Logistik W1332. Fakultät für Wirtschaftswissenschaften Übungsblatt 3 Grundlagen der computergestützten Produktion und Logistik W1332 Fakultät für Wirtschaftswissenschaften Sebastian Lauck, M.Sc. Wirtschaftsinformatik, -insb. CIM CIM Richtig oder Falsch? Reale

Mehr

2.4.3 Zustandsgraphen

2.4.3 Zustandsgraphen 2.4.3 Zustandsgraphen Folie 2-1+45 Paradigma der Zustandsmodellierung Zustandsmodellierung betrachtet ein System als Zustandsautomaten beschreibt die Zerlegung in Zustände und Zustandsübergänge orientiert

Mehr

2.4.3 Zustandsgraphen

2.4.3 Zustandsgraphen 2.4.3 Zustandsgraphen Folie 2-1+45 Paradigma der Zustandsmodellierung Zustandsmodellierung betrachtet ein System als Zustandsautomaten beschreibt die Zerlegung in Zustände und Zustandsübergänge orientiert

Mehr

Dialognetze. Ziel : Beschreibung von Methoden und Beschreibungstechniken für den Entwurf und die Dokumentation von Dialogabläufen

Dialognetze. Ziel : Beschreibung von Methoden und Beschreibungstechniken für den Entwurf und die Dokumentation von Dialogabläufen Dialognetze Ziel : Beschreibung von Methoden und Beschreibungstechniken für den Entwurf und die Dokumentation von Dialogabläufen Dialogabläufe auf Fensterebene "grobe Dialogabläufe" d.h. Wechsel zwischen

Mehr

Modellgestützte Analyse und Optimierung Übungsblatt 8

Modellgestützte Analyse und Optimierung Übungsblatt 8 Fakultät für Informatik Lehrstuhl 4 Peter Buchholz, Jan Kriege Sommersemester 2015 Modellgestützte Analyse und Optimierung Übungsblatt 8 Ausgabe: 25.05.2015, Abgabe: 01.06.2015 (12 Uhr) Aufgabe 8.1: Berechnung

Mehr

Gemeinsamkeiten und Unterschiede bei der Anwendung für die Analyse von Geschäftsprozessen

Gemeinsamkeiten und Unterschiede bei der Anwendung für die Analyse von Geschäftsprozessen Gemeinsamkeiten und Unterschiede bei der Anwendung für die Analyse von Geschäftsprozessen Gliederung Geschäftsprozess Einführung der Modellierungskonzepte PetriNetz und EPK Transformation von EPK in PN

Mehr

26.01.2009. Gliederung. Nebenläufigkeit und Fairness. 1. Nebenläufigkeit Lokalitätsprinzip. 2. Betrachtungsweisen von Nebenläufigkeit. 3.

26.01.2009. Gliederung. Nebenläufigkeit und Fairness. 1. Nebenläufigkeit Lokalitätsprinzip. 2. Betrachtungsweisen von Nebenläufigkeit. 3. Gliederung Lokalitätsprinzip Nebenläufigkeit und Fairness Seminar Model lchecking WS 08/09 Interleaving Halbordnung. Fairness Jan Engelsberg engelsbe@informatik.hu berlin.de Was ist Nebenläufigkeit? In

Mehr

Modellierung verteilter Systeme Grundlagen der Programm und Systementwicklung

Modellierung verteilter Systeme Grundlagen der Programm und Systementwicklung Modellierung verteilter Systeme Grundlagen der Programm und Systementwicklung Wintersemester 2009/10 Prof. Dr. Dr. h.c. Manfred Broy Unter Mitarbeit von Dr. K. Spies, Dr. M. Spichkova, L. Heinemann, P.

Mehr

Massive Parallelität : Neuronale Netze

Massive Parallelität : Neuronale Netze Massive Parallelität : Neuronale Netze PI2 Sommer-Semester 2005 Hans-Dieter Burkhard Massive Parallelität : Neuronale Netze Knoten: Neuronen Neuronen können erregt ( aktiviert ) sein Kanten: Übertragung

Mehr

Modellierung biologischer. Christian Maidorfer Thomas Zwifl (Seminar aus Informatik)

Modellierung biologischer. Christian Maidorfer Thomas Zwifl (Seminar aus Informatik) Modellierung biologischer Prozesse Christian Maidorfer Thomas Zwifl (Seminar aus Informatik) Überblick Einführung Arten von Modellen Die stochastische Pi-Maschine Warum Modelle Die Biologie konzentriert

Mehr

Modellbildung und Analyse eingebetteter Systeme für mechatronische Anwendungen mit höheren Petri-Netze unter Verwendung verschiedener Erweiterungen

Modellbildung und Analyse eingebetteter Systeme für mechatronische Anwendungen mit höheren Petri-Netze unter Verwendung verschiedener Erweiterungen Modellbildung und Analyse eingebetteter Systeme für mechatronische Anwendungen mit höheren Petri-Netze unter Verwendung verschiedener Erweiterungen Wolfgang Fengler Vesselka Duridanova Technische Universität

Mehr

Endliche Automaten. Endliche Automaten J. Blömer 1/23

Endliche Automaten. Endliche Automaten J. Blömer 1/23 Endliche Automaten Endliche Automaten sind ein Kalkül zur Spezifikation von realen oder abstrakten Maschinen regieren auf äußere Ereignisse (=Eingaben) ändern ihren inneren Zustand produzieren gegebenenfalls

Mehr

Sommersemester Analyse II: Verhalten (Zustandsautomaten)

Sommersemester Analyse II: Verhalten (Zustandsautomaten) Sommersemester 23 Analyse II: Verhalten (Zustandsautomaten) 8 Aufgabe 2 Analyse II: Verhalten (Zustandsautomaten) Umfang: 2 Wochen Punkte: P. Nachdem in der ersten Aufgabe die Systemstruktur mit Hilfe

Mehr

Theoretische Informatik 1 WS 2007/2008. Prof. Dr. Rainer Lütticke

Theoretische Informatik 1 WS 2007/2008. Prof. Dr. Rainer Lütticke Theoretische Informatik 1 WS 2007/2008 Prof. Dr. Rainer Lütticke Inhalt der Vorlesung Grundlagen - Mengen, Relationen, Abbildungen/Funktionen - Datenstrukturen - Aussagenlogik Automatentheorie Formale

Mehr

Einführung in Petri-Netze

Einführung in Petri-Netze Einführung in Petri-Netze Modellierung und Analysen von Workflows Vertretung: Stephan Mennicke, Reaktive Systeme SS 2012 Organisatorisches In der 24. KW (11.06. 17.06.): Vorlesung am Dienstag, 15:00 Uhr

Mehr

Kapitel 6 Martingale

Kapitel 6 Martingale Kapitel 6 Martingale Martingale spielen eine große Rolle in der Finanzmathematik, und sind zudem ein wichtiges Hilfsmittel für die statistische Inferenz stochastischer Prozesse, insbesondere auch für Zählprozesse

Mehr

Konzepte der Informatik

Konzepte der Informatik Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens

Mehr

Modellieren von Echtzeitsystemen mit GSPN

Modellieren von Echtzeitsystemen mit GSPN Institut für Informatik Arbeitsgruppe Softwaretechnik Warburger Str. 100 33098 Paderborn (Great Stochastic Petri Nets) Seminarausarbeitung im Rahmen des Seminars Trends in der Sofwaretechnik für Echtzeitsysteme

Mehr

Bericht 240. Untersuchung der Beziehungen zwischen Eigenschaften von Petrinetzen. Simon Kohl

Bericht 240. Untersuchung der Beziehungen zwischen Eigenschaften von Petrinetzen. Simon Kohl Universität Hamburg Fachbereich Informatik Vogt-Kölln-Str. 30 D-22527 Hamburg Bericht 240 Untersuchung der Beziehungen zwischen Eigenschaften von Petrinetzen Simon Kohl Juni 2002 Zusammenfassung In dieser

Mehr

15. Elementare Graphalgorithmen

15. Elementare Graphalgorithmen Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Zufallsvariable Erinnerung: Merkmal, Merkmalsausprägung Deskriptive Statistik:

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen)

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

Kapitel 3: Petrinetze und Workflow Modellierung

Kapitel 3: Petrinetze und Workflow Modellierung Kapitel 3: Petrinetze und Workflow Modellierung 1. Modellierung 1. Ziel: Analyse 2. Modellierungssprachen: Perspektiven und Anforderungen 2. Petrinetze 1. Geschichtliches 2. Gründe und Bestandteile 3.

Mehr

Bayes-Netze (1) Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg

Bayes-Netze (1) Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg Bayes-Netze (1) Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg (Lehrstuhl KI) Bayes-Netze (1) 1 / 22 Gliederung 1 Unsicheres Wissen 2 Schließen

Mehr

Bipartite Graphen. Beispiele

Bipartite Graphen. Beispiele Bipartite Graphen Ein Graph G = (V, E) heiÿt bipartit (oder paar), wenn die Knotenmenge in zwei disjunkte Teilmengen zerfällt (V = S T mit S T = ), sodass jede Kante einen Knoten aus S mit einem Knoten

Mehr

Einführung Grundbegriffe

Einführung Grundbegriffe Einführung Grundbegriffe 1.1 Der Modellbegriff Broy: Informatik 1, Springer 1998 (2) Die Modellbildung der Informatik zielt auf die Darstellung der unter dem Gesichtspunkt einer gegebenen Aufgabenstellung

Mehr

Kapitel 3: Reguläre Grammatiken und Endliche. Automaten

Kapitel 3: Reguläre Grammatiken und Endliche. Automaten Kapitel 3: Reguläre Grammatiken und Endliche Automaten Prof.-Dr. Peter Brezany Institut für Softwarewissenschaft Universität Wien, Liechtensteinstraße 22 090 Wien Tel. : 0/4277 38825 E-mail : brezany@par.univie.ac.at

Mehr

Objektorientierte Modellierung (1)

Objektorientierte Modellierung (1) Objektorientierte Modellierung (1) Die objektorientierte Modellierung verwendet: Klassen und deren Objekte Beziehungen zwischen Objekten bzw. Klassen Klassen und Objekte Definition Klasse Eine Klasse ist

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können

Mehr

Würfelspiele und Zufall

Würfelspiele und Zufall Würfelspiele und Zufall Patrik L. Ferrari 29. August 2010 1 Random horse die Irrfahrt des Pferdchens Betrachte ein Schachbrett mit einem Pferd (Springer), welches sich nach den üblichen Springer-Regeln

Mehr

Formale Methoden 1. Gerhard Jäger 9. Januar Uni Bielefeld, WS 2007/2008 1/23

Formale Methoden 1. Gerhard Jäger 9. Januar Uni Bielefeld, WS 2007/2008 1/23 1/23 Formale Methoden 1 Gerhard Jäger Gerhard.Jaeger@uni-bielefeld.de Uni Bielefeld, WS 2007/2008 9. Januar 2008 2/23 Automaten (informell) gedachte Maschine/abstraktes Modell einer Maschine verhält sich

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen)

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

Ereignisdiskrete Systeme

Ereignisdiskrete Systeme Ereignisdiskrete Systeme Modellierung und Analyse dynamischer Systeme mit Automaten, Markovketten und Petrinetzen von Jan Lunze Mit 340 Abbildungen, 80 Anwendungsbeispielen und 110 Übungsaufgaben Oldenbourg

Mehr

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden

Mehr

Klausur zur Vorlesung Grundbegriffe der Informatik 5. März 2014

Klausur zur Vorlesung Grundbegriffe der Informatik 5. März 2014 Klausur zur Vorlesung Grundbegriffe der Informatik 5. März 2014 Klausurnummer Nachname: Vorname: Matr.-Nr.: Aufgabe 1 2 3 4 5 6 7 max. Punkte 6 8 4 7 5 6 8 tats. Punkte Gesamtpunktzahl: Note: Punkte Aufgabe

Mehr

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme Universität Hamburg Fachbereich Mathematik Seminar: Proseminar Graphentheorie Dozentin: Haibo Ruan Sommersemester 2011 Ausarbeitung zum Modulabschluss Graphentheorie spannende Bäume, bewertete Graphen,

Mehr

Perzeptronen. Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg

Perzeptronen. Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg Perzeptronen Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg (Lehrstuhl Informatik 8) Perzeptronen 1 / 22 Gliederung 1 Schwellwert-Logik (MCCULLOCH-PITTS-Neuron)

Mehr

Verhaltensanalysegraph für Petrinetze

Verhaltensanalysegraph für Petrinetze Bachelorarbeit Carl von Ossietzky Universität Oldenburg 9. Januar 215 en 1 Gliederung en en 2 kurze gehen zurück auf Carl Adam Petri (1962). s 1 t 1 s 2 t 2 t 3 2 s 3 Abbildung : Beispiel Petrinetz...

Mehr

Outline Automaten FSM Synthesis FSM in VHDL FSM auf FPGA. State Machines. Marc Reichenbach und Michael Schmidt

Outline Automaten FSM Synthesis FSM in VHDL FSM auf FPGA. State Machines. Marc Reichenbach und Michael Schmidt State Machines Marc Reichenbach und Michael Schmidt Informatik 3 / Rechnerarchitektur Universität Erlangen Nürnberg 05/11 1 / 34 Gliederung Endliche Automaten Automaten Synthese FSM Beschreibung in VHDL

Mehr

Der χ 2 -Test (Chiquadrat-Test)

Der χ 2 -Test (Chiquadrat-Test) Der χ 2 -Test (Chiquadrat-Test) Der Grundgedanke Mit den χ 2 -Methoden kann überprüft werden, ob sich die empirischen (im Experiment beobachteten) Häufigkeiten einer nominalen Variable systematisch von

Mehr

Wirtschaftsinformatik 2 (PWIN) Übung 4. Wirtschaftsinformatik 2 (PWIN) SS2010, Professur für Mobile Business & Multilateral Security 1

Wirtschaftsinformatik 2 (PWIN) Übung 4. Wirtschaftsinformatik 2 (PWIN) SS2010, Professur für Mobile Business & Multilateral Security 1 Wirtschaftsinformatik 2 (PWIN) Übung 4 Entwicklung von IS Wirtschaftsinformatik 2 (PWIN) SS2010, Professur für Mobile Business & Multilateral Security 1 Überblick Entwicklung von Informationssystemen 25.5.

Mehr

Aktivitätsdiagramm (Activity Diagram)

Aktivitätsdiagramm (Activity Diagram) (Activity Diagram) Eine Präsentation von Christoph Süsens und Matthias Holdorf 1 C Diagrammtypen im Überblick 2 Definiton Problem: Es sollen Abläufe, z.b. Geschäftsprozesse, modelliert werden. Im Vordergrund

Mehr

c) {abcde, abcfg, bcade, bcafg} d) {ade, afg, bcde, bcfg} c) {abcabc} d) {abcbc, abc, a} c) {aa, ab, ba, bb} d) {{aa}, {ab}, {ba}, {bb}}

c) {abcde, abcfg, bcade, bcafg} d) {ade, afg, bcde, bcfg} c) {abcabc} d) {abcbc, abc, a} c) {aa, ab, ba, bb} d) {{aa}, {ab}, {ba}, {bb}} 2 Endliche Automaten Fragen 1. Was ergibt sich bei {a, bc} {de, fg}? a) {abc, defg} b) {abcde, abcfg} c) {abcde, abcfg, bcade, bcafg} d) {ade, afg, bcde, bcfg} 2. Was ergibt sich bei {abc, a} {bc, λ}?

Mehr

Inhaltsverzeichnis. 4.1 Systemmodell und notwendige Bedingungen. 4.2 Gegenmaßnahmen

Inhaltsverzeichnis. 4.1 Systemmodell und notwendige Bedingungen. 4.2 Gegenmaßnahmen Inhaltsverzeichnis 4.1 Systemmodell und notwendige Bedingungen Was sind Deadlocks? Darstellungsarten von Prozessabhängigkeiten Notwendige Bedingungen für Deadlocks 4.2 Gegenmaßnahmen Deadlock-Prevention

Mehr

Tableaukalkül für Aussagenlogik

Tableaukalkül für Aussagenlogik Tableaukalkül für Aussagenlogik Tableau: Test einer Formel auf Widersprüchlichkeit Fallunterscheidung baumförmig organisiert Keine Normalisierung, d.h. alle Formeln sind erlaubt Struktur der Formel wird

Mehr

Generierung von Steuerungsprogrammcode für SPS und μc aus Petri-Netz-Modellen

Generierung von Steuerungsprogrammcode für SPS und μc aus Petri-Netz-Modellen Fachhochschule Köln Cologne University of Applied Sciences Fakultät für Informations-, Medien- und Elektrotechnik Institut für Automatisierungstechnik Labor für Informations- und Automatisierungstechnik

Mehr

Einführung in die Informatik Turing Machines

Einführung in die Informatik Turing Machines Einführung in die Informatik Turing Machines Eine abstrakte Maschine zur Präzisierung des Algorithmenbegriffs Wolfram Burgard Cyrill Stachniss 1/14 Motivation und Einleitung Bisher haben wir verschiedene

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Kapitel 15: Graphen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik

Mehr

Farbige Stochastische Petri-Netze und ihr Einsatz in der Wirtschaft

Farbige Stochastische Petri-Netze und ihr Einsatz in der Wirtschaft Farbige Stochastische Petri-Netze und ihr Einsatz in der Wirtschaft Sascha Bosse 7. November 2007 1 Inhaltsverzeichnis 1. Zusammenfassung 2. Einleitung 3. Grundlagen i) Graphentheorie ii) Stochastik 4.

Mehr

Übungsaufgaben Lösungen

Übungsaufgaben Lösungen Übungsaufgaben Lösungen Stochastische Matrizen, Markov-Prozesse MV5.1 Eine N N-Matrix P heißt stochastisch, wenn ihre Matrixelemente nicht-negativ sind und alle Zeilensummen 1 ergeben. In Formeln: P ij

Mehr

Optimale Steuerung 1 Prozessoptimierung 1

Optimale Steuerung 1 Prozessoptimierung 1 Optimale Steuerung 1 Prozessoptimierung 1 Kapitel 2: Lineare Optimierung Prof. Dr.-Ing. Pu Li Fachgebiet Simulation und Optimale Prozesse (SOP) Lineare Algebra (Mathematische Grundlagen) 2 Beispiel: Produktionsplanung

Mehr

Kapitel 4: Netzplantechnik Gliederung der Vorlesung

Kapitel 4: Netzplantechnik Gliederung der Vorlesung Gliederung der Vorlesung 1. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege 4. Netzplantechnik 5. Minimal spannende Bäume 6. Traveling Salesman Problem 7. Flüsse in Netzwerken

Mehr

Beispielklausur B MPGI 3

Beispielklausur B MPGI 3 Technische Universität Berlin Institut für Softwaretechnik und Theoretische Informatik FG Softwaretechnik Franklinstr. 28/29 10587 Berlin Helke Mertgen Beispielklausur B MPGI 3 Prüfen Sie zunächst, ob

Mehr

B =(b1,1. + b 1,2. + b 1,3 1,3. + b 2,4 + b 3,1. + b 2,2. + b 2,3. + b 3,2. + b 3,3

B =(b1,1. + b 1,2. + b 1,3 1,3. + b 2,4 + b 3,1. + b 2,2. + b 2,3. + b 3,2. + b 3,3 Matrizen Matrizen sind zunächst einmal einfach eine rechteckige Anordnung von Zahlen, Elementen oder mathematischen Operationen, die lineare Zusammenhänge zwischen verschiedenen Größen übersichtlich darstellen.

Mehr

Software-Engineering

Software-Engineering SWE41 Slide 1 Software-Engineering Sebastian Iwanowski FH Wedel Kapitel 4: Systemanalyse Teil 1: Prozessorientierte Sicht SWE41 Slide 2 Überblick: Systemanalyse Verschiedene Analysemethoden unterscheiden

Mehr

Notationen zur Prozessmodellierung

Notationen zur Prozessmodellierung Notationen zur Prozessmodellierung August 2014 Inhalt (erweiterte) ereignisgesteuerte Prozesskette (eepk) 3 Wertschöpfungskettendiagramm (WKD) 5 Business Process Model and Notation (BPMN) 7 Unified Modeling

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 Lineare Gleichungssysteme A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen

Mehr

Teil II. Wahrscheinlichkeitsrechnung

Teil II. Wahrscheinlichkeitsrechnung Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse

Mehr

Grundlegende Eigenschaften von Punktschätzern

Grundlegende Eigenschaften von Punktschätzern Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur

Mehr

14. Rot-Schwarz-Bäume

14. Rot-Schwarz-Bäume Bislang: Wörterbuchoperationen bei binären Suchbäume effizient durchführbar, falls Höhe des Baums klein. Rot-Schwarz-Bäume spezielle Suchbäume. Rot-Schwarz-Baum mit n Knoten hat Höhe höchstens 2 log(n+1).

Mehr

Mathematik 1, Teil B

Mathematik 1, Teil B FH Oldenburg/Ostfriesland/Wilhelmshaven Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 9 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Übungen zur Vorlesung Stochastische Prozesse Musterlösungen Aufgabe 40: Es sei (X t ) t 0 ein

Mehr

OOA-Dynamische Konzepte

OOA-Dynamische Konzepte Proseminar UML im SS 2005 OOA-Dynamische Konzepte Teil 2 von Benjamin Daeumlich 1 Übersicht Szenario Definition Interaktionsdiagramme Sequenzdiagramm Kommunikationsdiagramm Sequenz- vs. Kommunikationsdiagramm

Mehr

ZAHLENMAUERN UND ZAHLENDREIECKE. Korrekturen, Verbesserungsvorschläge und Anregungen bitte an herrmann bei mathematik.tu-darmstadt.

ZAHLENMAUERN UND ZAHLENDREIECKE. Korrekturen, Verbesserungsvorschläge und Anregungen bitte an herrmann bei mathematik.tu-darmstadt. ZAHLENMAUERN UN ZAHLENREIEKE HRISTIAN HERRMANN Korrekturen, Verbesserungsvorschläge und Anregungen bitte an herrmann bei mathematik.tu-darmstadt.de 1. Vorbemerkung Lösugen von Zahlenmauern und Zahlendreiecken

Mehr

Lösungsvorschläge Blatt Z1

Lösungsvorschläge Blatt Z1 Theoretische Informatik Departement Informatik Prof. Dr. Juraj Hromkovič http://www.ita.inf.ethz.ch/theoinf16 Lösungsvorschläge Blatt Z1 Zürich, 2. Dezember 2016 Lösung zu Aufgabe Z1 Wir zeigen L qi /

Mehr

Prof. Dr. Uwe Schmidt. 12. August Aufgaben zur Klausur Softwaredesign im SS 2014 (BInf v310, BMInf v300, BWInf v310, BWInf- 23)

Prof. Dr. Uwe Schmidt. 12. August Aufgaben zur Klausur Softwaredesign im SS 2014 (BInf v310, BMInf v300, BWInf v310, BWInf- 23) Prof. Dr. Uwe Schmidt 12. August 2014 Aufgaben zur Klausur Softwaredesign im SS 2014 (BInf v310, BMInf v300, BWInf v310, BWInf- 23) Zeit: 90 Minuten erlaubte Hilfsmittel: keine Bitte tragen Sie Ihre Antworten

Mehr

3. Vorlesung. Arithmetische Theorien.

3. Vorlesung. Arithmetische Theorien. 3. Vorlesung. Arithmetische Theorien. In dieser Vorlesung wollen wir uns mit dem Begriff des Rechnens befassen und zwar mit dem angewandten als auch dem formalen Rechnen. Wir wissen dass die griechischen

Mehr

Unified Modeling Language (UML)

Unified Modeling Language (UML) Kirsten Berkenkötter Was ist ein Modell? Warum Modellieren? Warum UML? Viele, viele Diagramme UML am Beispiel Was ist ein Modell? Ein Modell: ist eine abstrakte Repräsentation eines Systems, bzw. ist eine

Mehr

Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend

Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten

Mehr

Modellbildung und Simulation

Modellbildung und Simulation Modellbildung und Simulation 6. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Gaußdichte Gaußdichte der Normalverteilung: f ( x) = 1 2π σ x e 2 2 x ( x µ ) / 2σ x Gaußdichte der Standardnormalverteilung:

Mehr

Seminararbeit zur Spieltheorie. Thema: Rationalisierbarkeit und Wissen

Seminararbeit zur Spieltheorie. Thema: Rationalisierbarkeit und Wissen Seminararbeit zur Spieltheorie Thema: Rationalisierbarkeit und Wissen Westfälische-Wilhelms-Universität Münster Mathematisches Institut Dozent: Prof. Dr. Löwe Verfasst von: Maximilian Mümken Sommersemester

Mehr

Übungen Softwaretechnik I

Übungen Softwaretechnik I Universität Stuttgart Institut für Automatisierungstechnik und Softwaresysteme Prof. Dr.-Ing. M. Weyrich Übungen Softwaretechnik I Übung 5: Objektorientierte Analyse Einführung Objektorientierung in der

Mehr

Petri-Netze. Udo Kelter 16.03.2003

Petri-Netze. Udo Kelter 16.03.2003 Petri-Netze Udo Kelter 16.03.2003 Zusammenfassung dieses Lehrmoduls Petri-Netze sind Modelle für die Zustände eines Systems und die Übergänge zwischen diesen Zuständen. Petri-Netze eignen sich insbesondere

Mehr

Operationen auf endlichen Automaten und Transduktoren

Operationen auf endlichen Automaten und Transduktoren Operationen auf endlichen Automaten und Transduktoren Kursfolien Karin Haenelt 1 Notationskonventionen L reguläre Sprache A endlicher Automat DEA deterministischer endlicher Automat NEA nichtdeterministischer

Mehr

Mathematica kompakt. Einführung-Funktionsumfang-Praxisbeispiele von Dipl.-Math.Christian H.Weiß. Oldenbourg Verlag München

Mathematica kompakt. Einführung-Funktionsumfang-Praxisbeispiele von Dipl.-Math.Christian H.Weiß. Oldenbourg Verlag München Mathematica kompakt Einführung-Funktionsumfang-Praxisbeispiele von Dipl.-Math.Christian H.Weiß Oldenbourg Verlag München Inhaltsverzeichnis Vorwort Tabellenverzeichnis VII XVII 1 Einleitung 1 1 Grundlagen

Mehr

1 Grundprinzipien statistischer Schlußweisen

1 Grundprinzipien statistischer Schlußweisen Grundprinzipien statistischer Schlußweisen - - Grundprinzipien statistischer Schlußweisen Für die Analyse zufallsbehafteter Eingabegrößen und Leistungsparameter in diskreten Systemen durch Computersimulation

Mehr

Deadlocks. System hat nur begrenzte Ressourcen (Ressourcentypen) Hauptspeicher Externer Speicher Drucker File

Deadlocks. System hat nur begrenzte Ressourcen (Ressourcentypen) Hauptspeicher Externer Speicher Drucker File Kapitel V Deadlocks (Verklemmungen) 1 Deadlocks System hat nur begrenzte Ressourcen (Ressourcentypen) Hauptspeicher Externer Speicher Drucker File Prozesse benötigen Genehmigung vor der Benutzung von Ressourcen.

Mehr

Motivation. Motivation

Motivation. Motivation Vorlesung Modellierung nebenläufiger Systeme Sommersemester 2012 Universität Duisburg-Essen Was sind nebenläufige Systeme? Ganz allgemein: Systeme, bei denen mehrere Komponenten/Prozesse nebenläufig arbeiten

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/59 Graphische Darstellung von Zusammenhängen schon

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2007 11. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Das Rucksack-Problem Ein Dieb, der einen Safe

Mehr

Thema: Analyse des Verhaltens dynamischer Wirkungsgefüge

Thema: Analyse des Verhaltens dynamischer Wirkungsgefüge Rahmenbedingungen: - Klasse 10, da einige Voraussetzungen (Anwendersysteme, Algorithmen) nötig sind - Bezug zu Inhalten aus der Mathematik, Physik, Politische Bildung, Biologie, Erdkunde - Software: Dynasys,

Mehr