معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Evolutionary Petri Nets.

ویژگی	مقدار
سیستم عامل	-
نام فایل	EPN-0.1.1
نام	EPN
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Marco S. Nobile
ایمیل نویسنده	nobile@disco.unimib.it
آدرس صفحه اصلی	http://pypi.python.org/pypi/EPN/
آدرس اینترنتی	https://pypi.org/project/EPN/
مجوز	LICENSE.txt

====================== Evolutionary Petri Net ====================== *Evolutionary Petri Nets* (EPN) is a convenient tool for the automatic inference, optimization, and reverse engineering of Petri Nets (PNs). The library exploits the evolutionary computation methodology described in [1]. WARNING: this is a preliminary alpha release. EPN can be used as follows: #!/usr/bin/env python from epn.hpn import * from epn.evolpn import * from epn.basic import * POPULATION = 10 E = EvolutionaryPetriNet() E.setPopulationSize(POPULATION) E.useTournament(size=2) E.setIterations(100) for p in range(POPULATION): p = ResizablePetriNet("H"+str(p)) E.addHPN(p) E.mutate() E.setFitnessFunction( ... ) E.Optimize() EPN can produce output figures of the PNs by using the dot/graphviz library. For this reason, EPN relies on the external library pydot. The current state of the whole EPN can be outputted with the following command: E.dumpToFile("output.png") Basics ====== EPNs does not directly handle PNs, but it exploits an extended class named *Resizable Petri Net* (RPN). A population of RPNs undergoes an evolutionary process, in which the best individuals are iteratively modified and improved by means of crossover and mutation operators. The evolutive pressure is driven by a user-defined fitness function. The programmer is given the freedom of choosing * the population size; * one of the selection mechanism (roulette wheel, ranking, tournament); * the maximum number of iterations; * the pre- and post-order of transitions (see [1] for further information). Thanks also to -------------- EPNs have been developed by a joint effort of M.S. Nobile and G. Mauri (University of Milan-Bicocca, Italy), D. Besozzi (University of Milan, Italy) and P. Cazzaniga (University of Bergamo, Italy). Further information: [1] Nobile, Besozzi, Cazzaniga and Mauri, "The Foundations of Evolutionary Petri Nets", Proceedings of the 4th International Workshop on Biological Processes & Petri Nets (BioPPN 2013), a satellite event of PETRI NETS 2013 (G. Balbo and M. Heiner, eds.), CEUR Workshop Proceedings Vol. 988, 60-74, 2013 <http://www.disco.unimib.it/go/45712>

نحوه نصب

نصب پکیج whl EPN-0.1.1:

pip install EPN-0.1.1.whl

نصب پکیج tar.gz EPN-0.1.1:

pip install EPN-0.1.1.tar.gz