基于克隆选择算法的学习型Petri网及在潜在通路分析中的应用

摘要

传统学习型Petri网(LPN)有2个缺陷:1)都是针对无回路PN模型,这不符合实际情况;2)大部分都是利用BP算法进行学习,带来BP算法固有的缺陷。针对这2个缺陷,提出基于克隆选择算法(CSA)的LPN(CSALPN)。首先对系统进行PN建模,然后利用CSA训练PN,使得PN既可以学习先验知识又可以利用系统的结构信息。为了提高LPN的泛化能力,引入了神经网络集成。具体方法就是将训练的所有抗体作为集成中的个体,然后通过简单加权集成输出。本文还提出了带回路的学习型PN不陷入死锁的充要条件。最后用CSALPN对一个典型的电路进行潜在通路分析。统计结果证实了方法的有效性。