CN118113268A - 一种并行语义增强的优化设计工作流协同建模及仿真方法 - Google Patents

Abstract

本发明涉及一种并行语义增强的优化设计工作流协同建模及仿真方法，属于系统建模仿真领域。该方法包括以下步骤：对计算无关模型建模语言进行扩展，基于扩展后的计算无关模型建模语言构建初始工作流模型；对平台无关模型建模语言进行扩展，建立语义映射规则，基于扩展后的平台无关模型建模语言与所述语义映射规则对所述初始工作流模型进行自动优化得到优化的工作流模型；对所述优化的工作流模型进行自动部署实现仿真。该方法通过对建模语言增加并行语义支持构建复杂的并行工作流模型，通过语义映射规则支持对工作流模型的自动优化，通过BPMN映射规则对工作流模型进行自动部署实现仿真，提高了建模效率及模型的计算性能。

Description

一种并行语义增强的优化设计工作流协同建模及仿真方法

技术领域

本发明涉及系统建模仿真领域，尤其涉及一种并行语义增强的优化设计工作流协同建模及仿真方法。

背景技术

航空、航天、风电等领域的关键复杂设备通常需要通过系统建模仿真的方式完成设计及优化，所述设计通常涉及力学、热力学、材料学等多学科知识，完成跨学科联合的设计建模。在这种复杂的模型中，其计算流程往往具有并行、循环、判断等控制逻辑。

目前现有的建模工具如SIMULIA iSight、Neosis Optimus、Ansys ModelCenter等不支持并行语义或对并行语义支持不完善，难以构建出具有并行语义的复杂工作流模型。因此，如何对建模语言增加完善的并行语义从而支持构建复杂的并行工作流模型成为亟待解决的问题。

发明内容

鉴于上述的分析，本发明旨在提供一种并行语义增强的优化设计工作流协同建模及仿真方法，用以解决现有建模语言不支持构建复杂的并行工作流模型，不支持对工作流模型自动优化的问题。

本发明提供了一种并行语义增强的优化设计工作流协同建模及仿真方法，所述方法包括以下步骤：

对计算无关模型建模语言进行扩展，基于扩展后的计算无关模型建模语言构建初始工作流模型；

对平台无关模型建模语言进行扩展，建立语义映射规则，基于扩展后的平台无关模型建模语言与所述语义映射规则对所述初始工作流模型进行自动优化得到优化的工作流模型；

对所述优化的工作流模型进行自动部署实现仿真。

进一步地，所述对计算无关模型建模语言进行扩展包括增加并行计算任务、复合并行计算任务、并行规约任务和互斥控制节点；

所述并行计算任务用于将相同输入数据分配给同一计算任务的多个实例，每个实例分别承担相同输入数据的计算量；

所述复合并行计算任务用于将输入数据按照计算任务的并行实例的数量平均划分为多份并行数据，每个实例分别承担一份并行数据的计算量；

所述并行规约任务用于将复合并行计算任务的多个并行实例的输出数据规约为一份输出数据；

所述互斥控制节点用于控制对资源的互斥访问。

进一步地，所述基于扩展后的计算无关模型建模语言构建初始工作流模型包括：

根据领域特点提取该领域业务处理工作流中各任务的关联关系，根据所述关联关系中顺序执行的任务及其输入输出数据构建工作流模型的基本框架；

根据所述关联关系中并行执行的任务及其输入输出数据以及所述工作流模型的基本框架构建包含并行任务的工作流模型；

根据所述关联关系中互斥执行的任务及其输入数据以及所述包含并行任务的工作流模型构建包含互斥控制节点的工作流模型；

配置所述包含互斥控制节点的工作流模型中各个任务的属性得到初始工作流模型；所述属性包括循环任务的开始计数和结束计数、并行计算任务的实例数和其输入数据、各自动任务的执行命令和参数。

进一步地，所述对平台无关模型建模语言进行扩展包括增加克隆控制节点和互斥控制节点；

所述克隆控制节点对应于计算无关模型建模语言中的并行计算任务和复合并行计算任务；

所述互斥控制节点对应于计算无关模型建模语言中的互斥控制节点。

进一步地，所述语义映射规则包括非并行语义映射规则、并行语义映射规则和自动优化映射规则。

进一步地，所述自动优化映射规则包括：

将计算无关模型建模语言中的串行计算任务映射为平台无关模型建模语言中单一的计算段；

将计算无关模型建模语言中相同的计算任务映射为平台无关模型建模语言中相同的计算段；

对于计算无关模型建模语言中的循环计算任务，若将其移到循环结构外部不影响计算语义，则在平台无关模型建模语言中将其移到循环结构外部。

进一步地，所述基于扩展后的平台无关模型建模语言与所述语义映射规则对所述初始工作流模型进行自动优化得到优化的工作流模型包括：

将自动任务映射为计算节点；

将循环任务映射为计算段和循环控制节点；

将并行自动任务映射为单个计算段，所述计算段包含单个计算节点并与克隆节点相关联；所述并行自动任务中的并行相关语义映射为克隆节点的属性；

将复合并行计算任务映射为一个或多个计算段和一个克隆节点，其中克隆节点的起始标记和结束标记分别与对应计算段的首尾相连接；

将归约任务映射为单个计算段，所述计算段包含单个计算节点并配置其活动类型为归约活动；

根据所述自动优化映射规则对所述初始工作流模型进行自动优化得到优化的工作流模型。

进一步地，所述对所述优化的工作流模型进行自动部署实现仿真包括：

基于BPMN映射规则和所述优化的工作流模型得到最终的工作流模型；

通过支持BPMN的执行引擎自动部署所述最终的工作流模型实现仿真。

进一步地，所述并行计算任务的CSP形式语义为P|[D]|Q，其中，P和Q为自动计算任务，D为P和Q的共享输入数据，P和Q并发执行；所述复合并行计算任务的CSP形式语义为|||i:N·P(Di)，其中，N为将输入数据拆分为N份并行数据，Di为第i份并行数据，P(Di)为计算第i份并行数据的并行计算任务；所述并行规约任务的CSP形式语义为|||i:N·P(Di)→{Oi}→R(O)，其中，R为规约活动，Oi为P产生的第i份输出数据；所述互斥控制节点的CSP形式语义为D→P(D)；Q(D)|D→Q(D)；P(D)，其中，D→P(D)；Q(D)为先执行计算任务P再执行计算任务Q，D→Q(D)；P(D)为先执行计算任务Q再执行计算任务P，两者为“或”的关系。

进一步地，将计算任务的多个并行实例的输出数据规约为一份输出数据遵循两两合并，直至最终得到一份输出数据。

与现有技术相比，本发明至少可实现如下有益效果之一：

1、本发明通过对建模语言增加并行语义支持构建复杂的并行工作流模型，提高了所构建模型的表达能力及建模效率。

2、本发明通过语义映射规则支持对工作流模型的自动优化，提高了所构建模型的计算性能。

3、本发明通过BPMN映射规则对工作流模型进行自动部署实现仿真，提高了模型部署和仿真效率，从而提高了建模效率。

本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明实施例并行语义增强的优化设计工作流协同建模及仿真方法的流程图；

图2为本发明实施例对计算无关模型建模语言进行扩展后的元模型示意图；

图3为本发明实施例工作流模型的基本框架的示意图；

图4为本发明实施例包含并行任务的工作流模型的示意图；

图5为本发明实施例包含互斥控制节点的工作流模型的示意图；

图6为本发明实施例对平台无关模型建模语言进行扩展后的元模型示意图；

图7为本发明实施例优化的工作流模型的示意图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。

本发明的一个具体实施例，公开了一种并行语义增强的优化设计工作流协同建模及仿真方法。如图1所示，该方法包括以下步骤：

步骤S1、对计算无关模型建模语言进行扩展，基于扩展后的计算无关模型建模语言构建初始工作流模型；

步骤S2、对平台无关模型建模语言进行扩展，建立语义映射规则，基于扩展后的平台无关模型建模语言与所述语义映射规则对所述初始工作流模型进行自动优化得到优化的工作流模型；

步骤S3、对所述优化的工作流模型进行自动部署实现仿真。

具体的，步骤S1中，所述对计算无关模型建模语言进行扩展包括增加并行计算任务、复合并行计算任务、并行规约任务和互斥控制节点；

所述并行计算任务用于将相同输入数据分配给同一计算任务的多个实例，每个实例分别承担相同输入数据的计算量；

所述复合并行计算任务用于将输入数据按照计算任务的并行实例的数量平均划分为多份并行数据，每个实例分别承担一份并行数据的计算量；

所述并行规约任务用于将复合并行计算任务的多个并行实例的输出数据规约为一份输出数据；

所述互斥控制节点用于控制对资源的互斥访问。

具体的，采用Model-DrivenArchitecture(MDA)方法论将复杂模型的构建、优化、部署的问题分配到计算无关模型(Computation Independent Model，CIM)、平台无关模型(Platform IndependentModel，PIM)和平台相关模型(Platform Specific Model，PSM)分别解决。其中，CIM支持工程领域专家构建复杂并行工作流模型，PIM支持对所述工作流模型自动优化，PSM支持对优化的工作流模型进行自动部署实现仿真。

进一步地，将计算任务的多个并行实例的输出数据规约为一份输出数据遵循两两合并，直至最终得到一份输出数据。

具体的，本发明对原有的POMES-CIM建模语言进行了扩展，扩展后的元模型如图2所示。其中，原POMES-CIM建模语言支持表达工作流CIM Workflow、计算任务Activity、计算任务的输入输出Product、计算任务的参数Parameter、工作流起始点Start、工作流终止点End、循环任务终止点Break。所述计算任务可以是组合任务CombinedActivity，所述组合任务内部可以构建复合自动任务Auto CompositeActivity和循环任务LoopActivity，所述计算任务也可以是叶子任务LeafActivity，所述叶子任务可以是自动任务AutoActivity。

示例性的，所述复杂工作流模型需要支持fork-join并行模式，即在某个时刻有多个不同后续任务的实例同时开始执行，在某个节点多个并行执行的任务汇合为一个；该模式通过允许节点包含多个前驱节点及多个后继节点实现，当前节点开始执行需要其所有前驱节点完成执行，当前节点执行完成后，其后继节点将同时开始执行。所述复杂工作流模型还需要支持单程序多数据流的并行模式，即相同任务的多实例并行执行；该模式通过并行计算任务ParallelActivity或复合并行计算任务Composite ParallelActivity表达，并行计算任务ParallelActivity代表在相同数据上并发执行多个计算实例，复合并行计算任务Composite ParallelActivity中，子流程由多个计算任务组成，创建子流程的n个实例，将输入数据均等划分为n份并行数据，每个实例仅能读取到对应的一份并行数据。所述复杂工作流模型还需要支持将多个并行实例的输出数据规约为一份输出数据的模式，该模式通过并行规约任务ReduceActivity表达；创建子流程的n个实例，通过复合并行计算任务得到n个输出数据P_1、P_2…P_n，对n个输出数据进行两两规约，即P_1+P_2、P_3+P_4…P_(n-1)+P_n，将产生的结果记为P'_1、P'_2…P'_(n/2)，不断重复上述规约操作直至最终得到一份输出数据。所述复杂工作流模型还需要支持互斥访问控制，即多个实例同时访问同一数据的情况，这会导致读取错误，因此需要引入互斥锁机制控制对共享资源的互斥访问；该模式通过互斥控制节点Mutex表达，保证同一时间只有单个实例能够访问共享数据，该访问结束后才允许其他实例进行访问，避免了并行计算任务同时访问同一份数据时导致数据错乱。

可以理解的，上述四种模式可根据实际情况同时使用，即同一个工作流模型中可同时包含上述四种模式。

进一步地，所述并行计算任务的CSP形式语义为P|[D]|Q，其中，P和Q为自动计算任务，D为P和Q的共享输入数据，P和Q并发执行；所述复合并行计算任务的CSP形式语义为|||i:N·P(Di)，其中，N为将输入数据拆分为N份并行数据，Di为第i份并行数据，P(Di)为计算第i份并行数据的并行计算任务；所述并行规约任务的CSP形式语义为|||i:N·P(Di)→{Oi}→R(O)，其中，R为规约活动，Oi为P产生的第i份输出数据；所述互斥控制节点的CSP形式语义为D→P(D)；Q(D)|D→Q(D)；P(D)，其中，D→P(D)；Q(D)为先执行计算任务P再执行计算任务Q，D→Q(D)；P(D)为先执行计算任务Q再执行计算任务P，两者为“或”的关系。

可以理解的，常用通信顺序进程(Communication Sequential Process,CSP)语言来表达并发系统中的进程交互模式，该语言中定义了完整的并发语义，因此，本发明采用CSP来定义新增模块的执行语义。

进一步地，所述基于扩展后的计算无关模型建模语言构建初始工作流模型包括：

根据领域特点提取该领域业务处理工作流中各任务的关联关系，根据所述关联关系中顺序执行的任务及其输入输出数据构建工作流模型的基本框架；

根据所述关联关系中并行执行的任务及其输入输出数据以及所述工作流模型的基本框架构建包含并行任务的工作流模型；

根据所述关联关系中互斥执行的任务及其输入数据以及所述包含并行任务的工作流模型构建包含互斥控制节点的工作流模型；

配置所述包含互斥控制节点的工作流模型中各个任务的属性得到初始工作流模型；所述属性包括循环任务的开始计数和结束计数、并行计算任务的实例数和其输入数据、各自动任务的执行命令和参数。

示例性的，如图3所示，借助图形化建模工具，通过拖拽、连线的方式可快速完成工作流的构建，对各模块进行命名即可得到工作流模型的基本框架。该工作流最外层包含一个循环任务及其输入、输出文件，循环任务内部包含顺序执行的一系列自动任务以及一个内部循环任务。如图4所示，内部循环任务包含一系列自动任务以及一个并行组合任务Strength Calculation。如图5所示，并行组合任务包含一系列自动任务以及并行规约任务，其中，通过连接线的分支即可直观表达任务并行的逻辑，如Subspace A和Subspace B之间是并行关系；由于Subspace Acalculation 3和Subspace B calculation 3都有写入Strength Cal Log的需要，因此需要加入锁log mutex对其进行互斥访问，并将SubspaceAcalculation 3和Subspace B calculation 3连接起来表示这两个任务之间是互斥关系。

可以理解的，例如飞机汽车等载具的气动外形优化设计往往无法通过单一的计算程序实现复杂的优化过程，而是需要多个计算程序协同完成。这些计算程序有的相互依赖，有的相互独立，有的具有严格的先后顺序，工作流建模就是以工作流的形式描述这些计算程序之间的关系。本发明通过对建模语言增加并行语义支持构建复杂的并行工作流模型，提高了所构建模型的表达能力及建模效率。

具体的，步骤S2中，所述对平台无关模型建模语言进行扩展包括增加克隆控制节点和互斥控制节点；

所述克隆控制节点对应于计算无关模型建模语言中的并行计算任务和复合并行计算任务；

所述互斥控制节点对应于计算无关模型建模语言中的互斥控制节点。

具体的，本发明对原有的POMES-PIM建模语言进行了扩展，扩展后的元模型如图6所示。其中，原POMES-PIM建模语言支持表达工作流PIM Workflow、计算段Phase、计算节点Node、计算任务的参数Parameter、工作流起始点Start、工作流终止点End、循环控制节点Condition。

进一步地，所述语义映射规则包括非并行语义映射规则、并行语义映射规则和自动优化映射规则。

具体的，所述自动优化映射规则包括：

将计算无关模型建模语言中的串行计算任务映射为平台无关模型建模语言中单一的计算段；

将计算无关模型建模语言中相同的计算任务映射为平台无关模型建模语言中相同的计算段；

对于计算无关模型建模语言中的循环计算任务，若将其移到循环结构外部不影响计算语义，则在平台无关模型建模语言中将其移到循环结构外部。

进一步地，所述基于扩展后的平台无关模型建模语言与所述语义映射规则对所述初始工作流模型进行自动优化得到优化的工作流模型包括：

将自动任务映射为计算节点；

将循环任务映射为计算段和循环控制节点；

将并行自动任务映射为单个计算段，所述计算段包含单个计算节点并与克隆节点相关联；所述并行自动任务中的并行相关语义映射为克隆节点的属性；

将复合并行计算任务映射为一个或多个计算段和一个克隆节点，其中克隆节点的起始标记和结束标记分别与对应计算段的首尾相连接；

将归约任务映射为单个计算段，所述计算段包含单个计算节点并配置其活动类型为归约活动；

根据所述自动优化映射规则对所述初始工作流模型进行自动优化得到优化的工作流模型。

具体的，对于自动组合任务活动CompositeAutoActivity，其children属性包含一个子工作流，先将其children属性包含的子工作流映射为对应的PIM工作流，再根据所述自动组合任务与其他任务的关系将该PIM工作流与其他对应的PIM工作流连接。

示例性的，对图5的工作流模型进行自动优化可得到如图7所示的优化的工作流模型。其中，将顺序执行的任务合并为单一的Phase；将并行组合活动Strength Calculation映射为Phase5-Phase8，采用克隆控制节点表示其具体的并行实例数，并通过连接线指明并行的范围；将循环任务映射为循环控制节点Condition。

可以理解的，本发明通过语义映射规则将CIM模型自动映射为PIM模型，并通过自动优化规则去除CIM模型中冗余的语义，从而实现了对工作流模型的自动优化，提高了所构建模型的计算性能。

具体的，步骤S3中，所述对所述优化的工作流模型进行自动部署实现仿真包括：

基于BPMN映射规则和所述优化的工作流模型得到最终的工作流模型；

通过支持BPMN的执行引擎自动部署所述最终的工作流模型实现仿真。

具体的，所述BPMN映射规则包括：

将PIM工作流映射为PSM Process；

将计算节点映射为具体的Service Task；

将计算段Phase映射为PSM Sub Process；

将循环控制节点映射为Exclusive Gateway；

将工作流起始点映射为Start Event；

将工作流终止点映射为End Event；

将循环任务封装在一个Sub Process中，并在该Sub Process上配置listeners属性，用于设置循环开始值和结束值；

对于通过多个分支表达的并行任务，以每个分支起始和合并的位置处为界，将每个分支上的任务划分为不同的Sub Process，并在每个分支起始和合并的位置处加上Parallel Gateway；

对于并行计算任务及复合并行计算任务对应的计算段和克隆节点，将其使用SubProcess封装，并在该Sub Process上配置Parallel Multi Instance属性，用于设置并行实例数；

对于互斥控制节点，将与该互斥控制节点连接的任务分别使用Sub Process封装，并在该Sub Process的开始加上属性为AquireLock的Service Task，在其结尾加上属性为ReleaseLock的Service Task，用于在执行互斥任务前获取互斥锁以及在执行互斥任务后释放互斥锁。

可以理解的，BPMN是公开的流程建模语言，并且具有开源的执行引擎Camunda。本发明使用BPMN作为PSM层语言，通过BPMN映射规则自动生成符合标准的BPMN流程模型，并将模型提交至部署好的Camunda引擎，即可自动执行工作流实现仿真，提高了模型部署和仿真效率，从而提高了建模效率。

示例性的，为了评估并行语义增强的优化设计工作流协同建模方法对建模效率和计算效率的提升效果，本发明设计了三个不同规模的模型实例(M1、M2、M3)，选取iSight建模工具作为基线工具，对所述三个模型实例分别用iSight建模仿真及本发明提供的方法建模仿真，将仿真时间进行了对比。其中，M1包含17个计算任务不包含并行语义；M2包含5组计算任务，每组计算任务包含两个并行计算任务；M3包含并行计算任务和互斥控制节点。三个模型实例的数据如下表1所示。

表1M1、M2、M3模型实例的数据

各个模型实例的仿真时间结果如下表2所示：

表2各个模型实例的仿真时间结果

由表2可知，与iSight相比，本发明提供的方法在三个模型实例的构建方面分别节省了19.98％、17.93％和46.65％的工作量；在三个模型实例的计算效率方面分别提高了6.39％、15.32％、0.9％。模型构建效率提升的主要原因在于本方法提供了并行语义模式，并能够自动将CIM模型映射为PIM模型以及PSM模型，从而减少了并行设计所花费的时间。

可以理解的，iSight不支持数据并行，因此需要手动构建所有并行数据流以表示数据并行；并且iSight也不支持数据互斥，表达互斥语义需要在iSight中以顺序形式反复构建大量相同的节点；而本发明提供的方法只需要通过并行计算任务支持数据并行，通过互斥控制节点支持互斥语义。

与现有技术相比，本发明提供的并行语义增强的优化设计工作流协同建模及仿真方法的有益效果如下：

1、本发明通过对建模语言增加并行语义支持构建复杂的并行工作流模型，提高了所构建模型的表达能力及建模效率。

2、本发明通过语义映射规则支持对工作流模型的自动优化，提高了所构建模型的计算性能。

3、本发明通过BPMN映射规则对工作流模型进行自动部署实现仿真，提高了模型部署和仿真效率，从而提高了建模效率。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种并行语义增强的优化设计工作流协同建模及仿真方法，其特征在于，所述方法包括以下步骤：

对计算无关模型建模语言进行扩展，基于扩展后的计算无关模型建模语言构建初始工作流模型；

对平台无关模型建模语言进行扩展，建立语义映射规则，基于扩展后的平台无关模型建模语言与所述语义映射规则对所述初始工作流模型进行自动优化得到优化的工作流模型；

对所述优化的工作流模型进行自动部署实现仿真。

2.根据权利要求1所述的并行语义增强的优化设计工作流协同建模及仿真方法，其特征在于，所述对计算无关模型建模语言进行扩展包括增加并行计算任务、复合并行计算任务、并行规约任务和互斥控制节点；

所述并行计算任务用于将相同输入数据分配给同一计算任务的多个实例，每个实例分别承担相同输入数据的计算量；

所述复合并行计算任务用于将输入数据按照计算任务的并行实例的数量平均划分为多份并行数据，每个实例分别承担一份并行数据的计算量；

所述并行规约任务用于将复合并行计算任务的多个并行实例的输出数据规约为一份输出数据；

所述互斥控制节点用于控制对资源的互斥访问。

3.根据权利要求1所述的并行语义增强的优化设计工作流协同建模及仿真方法，其特征在于，所述基于扩展后的计算无关模型建模语言构建初始工作流模型包括：

根据领域特点提取该领域业务处理工作流中各任务的关联关系，根据所述关联关系中顺序执行的任务及其输入输出数据构建工作流模型的基本框架；

根据所述关联关系中并行执行的任务及其输入输出数据以及所述工作流模型的基本框架构建包含并行任务的工作流模型；

根据所述关联关系中互斥执行的任务及其输入数据以及所述包含并行任务的工作流模型构建包含互斥控制节点的工作流模型；

配置所述包含互斥控制节点的工作流模型中各个任务的属性得到初始工作流模型；所述属性包括循环任务的开始计数和结束计数、并行计算任务的实例数和其输入数据、各自动任务的执行命令和参数。

4.根据权利要求1所述的并行语义增强的优化设计工作流协同建模及仿真方法，其特征在于，所述对平台无关模型建模语言进行扩展包括增加克隆控制节点和互斥控制节点；

所述克隆控制节点对应于计算无关模型建模语言中的并行计算任务和复合并行计算任务；

所述互斥控制节点对应于计算无关模型建模语言中的互斥控制节点。

5.根据权利要求1所述的并行语义增强的优化设计工作流协同建模及仿真方法，其特征在于，所述语义映射规则包括非并行语义映射规则、并行语义映射规则和自动优化映射规则。

6.根据权利要求5所述的并行语义增强的优化设计工作流协同建模及仿真方法，其特征在于，所述自动优化映射规则包括：

将计算无关模型建模语言中的串行计算任务映射为平台无关模型建模语言中单一的计算段；

将计算无关模型建模语言中相同的计算任务映射为平台无关模型建模语言中相同的计算段；

对于计算无关模型建模语言中的循环计算任务，若将其移到循环结构外部不影响计算语义，则在平台无关模型建模语言中将其移到循环结构外部。

7.根据权利要求6所述的并行语义增强的优化设计工作流协同建模及仿真方法，其特征在于，所述基于扩展后的平台无关模型建模语言与所述语义映射规则对所述初始工作流模型进行自动优化得到优化的工作流模型包括：

将自动任务映射为计算节点；

将循环任务映射为计算段和循环控制节点；

将并行自动任务映射为单个计算段，所述计算段包含单个计算节点并与克隆节点相关联；所述并行自动任务中的并行相关语义映射为克隆节点的属性；

将复合并行计算任务映射为一个或多个计算段和一个克隆节点，其中克隆节点的起始标记和结束标记分别与对应计算段的首尾相连接；

将归约任务映射为单个计算段，所述计算段包含单个计算节点并配置其活动类型为归约活动；

根据所述自动优化映射规则对所述初始工作流模型进行自动优化得到优化的工作流模型。

8.根据权利要求1所述的并行语义增强的优化设计工作流协同建模及仿真方法，其特征在于，所述对所述优化的工作流模型进行自动部署实现仿真包括：

基于BPMN映射规则和所述优化的工作流模型得到最终的工作流模型；

通过支持BPMN的执行引擎自动部署所述最终的工作流模型实现仿真。

9.根据权利要求2所述的并行语义增强的优化设计工作流协同建模及仿真方法，其特征在于，所述并行计算任务的CSP形式语义为P|[D]|Q，其中，P和Q为自动计算任务，D为P和Q的共享输入数据，P和Q并发执行；所述复合并行计算任务的CSP形式语义为|||i:N·P(Di)，其中，N为将输入数据拆分为N份并行数据，Di为第i份并行数据，P(Di)为计算第i份并行数据的并行计算任务；所述并行规约任务的CSP形式语义为|||i:N·P(Di)→{Oi}→R(O)，其中，R为规约活动，Oi为P产生的第i份输出数据；所述互斥控制节点的CSP形式语义为D→P(D)；Q(D)|D→Q(D)；P(D)，其中，D→P(D)；Q(D)为先执行计算任务P再执行计算任务Q，D→Q(D)；P(D)为先执行计算任务Q再执行计算任务P，两者为“或”的关系。

10.根据权利要求2所述的并行语义增强的优化设计工作流协同建模及仿真方法，其特征在于，将计算任务的多个并行实例的输出数据规约为一份输出数据遵循两两合并，直至最终得到一份输出数据。