在CPS的应用背景下,对传感器和控制设备产生的不确定性事件流进行分析和处理得出高层事件,然后在此基础上引入适应性动态贝叶斯网络和并行马尔可夫决策过程模型来支持主动式的复杂事件处理。针对大型CPS中马尔可夫决策过程存在的状态数量巨大的问题,引入状态划分和报酬分解的方法来进行并行优化。在模拟交通网络的环境中,实验结果显示所提方法能有效地处理事件流,并具有良好的可扩展性。

在CPS的应用背景下，对传感器和控制设备产生的不确定性事件流进行分析和处理得出高层事件，然后在此基础上引入适应性动态贝叶斯网络和并行马尔可夫决策过程模型来支持主动式的复杂事件处理。针对大型CPS中马尔可夫决策过程存在的状态数量巨大的问题，引入状态划分和报酬分解的方法来进行并行优化。在模拟交通网络的环境中，实验结果显示所提方法能有效地处理事件流，并具有良好的可扩展性。