Comparación de los algoritmos de reconocimiento de patrones de reglas RETE y TREAT para su aplicación a la interpretación de RdPAN

• J.A. Bañares Bañares ^[1] ; J.L. Villarroel Salcedo ^[1] ; F.J. Zarazaga Soria ^[1] ; P.R. Muro Medrano ^[1]
  1. [1] Universidad de Zaragoza

     Universidad de Zaragoza

     Zaragoza, España

     
• Localización: CAEPIA'97: actas / coord. por Asociación Española de Inteligencia Artificial, Vicente J. Botti Navarro , 1997, ISBN 84-8498-765-5, págs. 437-448
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    Las redes de Petri de Alto Nivel (RdPAN) son un formalismo que ha sido extensamente utilizado para el modelado y análisis de sistemas de eventos discretos (SED) complejos. Debido a sus apreciables peculiaridades para representación del comportamiento, han sido integradas en esquemas de representación del conocimiento especializados para aplicaciones de SED. Esta integración se ha visto facilitada por su paralelismo con los sistemas basados en reglas y, al igual que estos sistemas, la mayor fuente de ineficiencia de los intérpretes de RdPAN proviene de su proceso de reconocimiento de los patrones de precondición. En el ámbito de los lenguajes basados en reglas se han desarrollado algoritmos para este propósito que están absolutamente reconocidos en la literatura, entre los que destacan los algoritmos RETE y TREAT. Resulta natural que en un esquema de representación del conocimiento que integra RdPAN se trate de sacar provecho de estos algoritmos, si bien acondicionados a sus especiales particularidades. El objetivo del presente trabajo es comparar la aplicabilidad y prestaciones de los algoritmos RETE y TREAT para su utilización en la interpretación de RdPAN al contemplarse como reglas. El trabajo muestra como el contexto de aplicación es determinante para las prestaciones de los algoritmos de reconocimiento de patrones.

  • English

    High Level Petri Nets (HLPN) are a formalism extensively used for the modeling and analysis of complex discrete event systems (DES). Because their appreciable peculiarities for behavioural representation they have been integrated in knowledge representation schemata specialized in DES applications. This integration has been favoured by its paralelism with rule based systems and, as in these systems, the biggest ineficiency source fo HLPN interpreters comes from its precondition pattern matching proccess. Algorithms with this purpose have been developed in the context of rule based systems, which are absolutely recognized in the AI literature. Two algorithms stand out: RETE and TREAT. Becomes natural for a knowledge representation schema which integrates HLPN to try to take advantages of that algorithms, conditioned to their special peculiarities. The objective of the work presented here is to compare the applicability and performance of RETE and TREAT algorithms for its used in the interpretation of HLPN observed as rules. The work shows the importance of the application context in the performance of pattern matching algoritms.