Matrizen- und zustandsraumreduzierende Verfahren zur Leistungsbewertung großer stochastischer Petrinetze
Freiheit, Jörn
Viele qualitative und quantitative Analysemethoden von Petrinetzmodellen basieren auf der Berechnung aller Modellzustände. Für sehr große Modelle ist eine Berechnung wichtiger Eigenschaften aufgrund ihrer zu großen Zustandsräume oft unmöglich. Diese Restriktion ist als das Problem der Zustandsraumexplosion bekannt. Sehr große Zustandsräume ziehen darüber hinaus die Behandlung sehr großer Matrizen nach sich. Während der numerischen Analyse muß nach der Ermittlung aller Zustände eines Petrinetzmodells eine quadratische Matrix erstellt werden, deren Dimension von der Anzahl der ermittelten Zustände ist. Diese Arbeit untersucht matrizen- und zustandsraumreduzierende Verfahren zur Überwindung des Problems der Zustandsraumexplosion. Durch die in dieser Arbeit beschriebenen Verfahren sind deutlich größere Modelle als bisher analysierbar. Die Möglichkeiten und Grenzen dieser Verfahren werden untersucht und erläutert. Anhand von Beispielen werden die beschriebenen Verfahren zur Reduzierung von Matrizen und Zustandsräumen vorgestellt. Kern der Arbeit ist eine neue Aggregierungsmethode. Unter Aggregierung wird dabei der Prozeß verstanden, ein großes, komplexes Modell in ein kleineres, weniger komplexes Modell zu überführen. Bedingung einer geeigneten Aggregierung ist die Bewahrung wichtiger Eigenschaften des Originalmodells. Zu diesen Eigenschaften gehören wichtige strukturelle Merkmale eines Modells. In dieser Arbeit werden solche strukturellen Merkmale erläutert und Verfahren vorgestellt, die deren effiziente Ermittlung ermöglichen. Es wird gezeigt, daß die in dieser Arbeit präsentierte Aggregierungsmethode die für die numerische Analyse wichtigen strukturellen Eigenschaften bewahrt. Eine Bewahrung zeitbehafteter Eigenschaften von Modellen bei deren Aggregierung wurde in bisherigen Untersuchungen kaum beachtet. In dieser Arbeit wird ein Graphen basiertes Verfahren vorgestellt, mit welchem häufig auftretende Strukturen in stochastischen Petrinetzen zu einer zeitbehafteten Transition mit einer markierungsabhängigen Schaltzeit aggregiert werden. Die dadurch erzeugten aggregierten Modelle mit einem deutlich reduzierten Zustandsraum weisen für wichtige Leistungsmaße ein ähnliches, in manchen Fällen gar gleiches Verhalten auf, wie das Originalmodell. Andere bekannte Verfahren zur Angleichung des Zeitverhaltens des aggregierten Modells an das Originalmodell basieren dagegen auf aufwendigen iterativen numerischen Analysen. Durch die Vermeidung eines solchen Iterationsverfahrens läßt sich die in dieser Arbeit vorgestellte Aggregierungsmethode in bekannte approximative Analyseverfahren integrieren. Die Anwendung einer solchen Integration wird demonstriert. Abschließend wird anhand einer Reihe von Beispielen die Praktikabilität der hier vorgeschlagenen Aggregierungsmethode experimentell untersucht.
