...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Fundamenta Informaticae >Separation of Control and Data Flow in High-Level Petri Nets: Transforming Dual Flow Nets into Object Petri Nets
【24h】

Separation of Control and Data Flow in High-Level Petri Nets: Transforming Dual Flow Nets into Object Petri Nets

机译：高级Petri网中控制和数据流的分离：将双流网转换为对象Petri网

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper summarises two approaches, Dual Flow Nets (DFN) and Object Petri Nets (OPN), and offers a translation mechanism between them. While the DFN model tackles the separation of control and data flow computing aspects, the OPN model has a more generalised structure. The separation between control and data flow can enhance the readability of models, and allows different tools to operate on distinct parts of the model. The aim of this paper is to show how the modelling based on control/data-flow analysis can benefit from an object-based Petri net approach. Tool support and a translation mechanism that is faithful are presented, giving an extra dimension (hierarchy) to the existing paradigm of control and data flow interacting in a model. Our methodology provides a comprehensive separation of these two parts, which can be used to feed analysis or synthesis tools, while still being able to reason about both parts through formal methods of verification.
机译：本文总结了两种方法，双流网（DFN）和对象Petri网（OPN），并提供了它们之间的转换机制。 DFN模型解决了控制和数据流计算方面的分离，而OPN模型则具有更通用的结构。控制流和数据流之间的分离可以增强模型的可读性，并允许不同的工具在模型的不同部分上进行操作。本文的目的是展示基于控制/数据流分析的建模如何从基于对象的Petri网方法中受益。提出了忠实的工具支持和转换机制，为模型中交互的控制和数据流的现有范例提供了额外的维度（层次结构）。我们的方法将这两个部分进行了全面分离，可用于提供分析或综合工具，同时仍然能够通过正式的验证方法对这两个部分进行推理。

著录项

  • 来源
    《Fundamenta Informaticae》 |2006年第3期|p.123-137|共15页
  • 作者

    Berndt Farwer; Mauricio Varea;

  • 作者单位

    University of Hamburg, Faculty of Mathematics, Informatics, and Natural Sciences, Department of Informatics, Vogt-Koelln-Str. 30, D-22527 Hamburg;

  • 收录信息 美国《科学引文索引》(SCI);美国《工程索引》(EI);
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 计算技术、计算机技术;
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号