1）比較邏輯（COMPARE） 當仿真運行到此比較邏輯節(jié)點時，系統(tǒng)對該節(jié)點各個輸入弧的時間、費用和性能進行加權(quán)綜合運算，根據(jù)計算的結(jié)果選出規(guī)定數(shù)量的輸入弧，然后將流量從這些輸入弧轉(zhuǎn)移到對應的輸出弧中去。這個邏輯根據(jù)輸入時間、費用和性能參數(shù)選擇佳輸出弧集合。使用正的權(quán)（0.0~1.0）時，佳輸出集合按照加權(quán)組合參數(shù)值。使用負的權(quán)(-1.0~0.0)時，則效果相反。在同一應用中，不能同時使用正權(quán)和負權(quán)。當時間是的決策依據(jù)時，節(jié)點時間值取為佳輸入弧集合中花費時間多那條弧的累計時間值。節(jié)點費用值取為所有被加工的輸入弧的累計時間之和，而節(jié)點性能值取為所有被成功地加工的輸入弧的累計效益的平均值。

　　2）優(yōu)先邏輯（PREFERED） 用戶可在優(yōu)先邏輯節(jié)點上對各輸入弧規(guī)定不同的優(yōu)先等級，并在仿真運行到本節(jié)點時自動選出指定數(shù)量的優(yōu)先級較高的輸入弧，然后將參數(shù)流由這些輸入弧轉(zhuǎn)移到對應的輸出弧去。這個邏輯賦予第一偶對輸入和輸出弧相對于第二偶對輸入和輸出弧的優(yōu)先地位，以及第二偶對相對于第三偶對的優(yōu)先地位，等等。所以，此邏輯選擇佳輸出弧的原則是“優(yōu)先”。對于優(yōu)先邏輯節(jié)點，在“期望”加工條件下，能夠阻止“1號”輸出弧被激發(fā)的因素，是它所對應的是輸入弧沒有成功完成。這個邏輯節(jié)點上C值、P值的計算辦法同比較邏輯節(jié)點一樣。節(jié)點上時間值取作輸入弧集合中消耗時間多那條弧的累計時間值。 以上兩種單個邏輯節(jié)點，都可以通過兩種方式來選擇輸入活動的數(shù)量。一種是“要求”方式，如果由于某些輸入活動被取消等原因而導致選不出足夠數(shù)量所要求的輸入活動，則所有輸出活動均被取消。另一種是“希望”方式，在選不出足夠數(shù)量的輸入活動時，允許將已成功完成的入選輸入活動上的參數(shù)流轉(zhuǎn)送到對應的輸出活動中去。對于以上兩種節(jié)點，輸出弧的累計C參數(shù)值和累計的P參數(shù)值，分別等于本弧自身C參數(shù)值+關(guān)聯(lián)輸入弧的累計C參數(shù)值和本弧自身的P參數(shù)值+關(guān)聯(lián)輸入弧的累計P參數(shù)值。在按“必需”條件加工的情
形下，被加工輸出弧的累計T參數(shù)值，取為節(jié)點的時間和本弧自身T參數(shù)值之和。對于按“期望”條件加工的情形，輸出弧的累計T參數(shù)值，取為相應的輸入弧的累計時間值和本弧自身T參數(shù)值之和。注意，上述T參數(shù)值計算規(guī)則有如下例外情形: 在使用COMPARE邏輯時，利用C參數(shù)值、P參數(shù)值的權(quán)； 在使用PREFERRED邏輯時，想在處置完初始侯選對象后，進一步按優(yōu)先表加工輸入弧。 對于上述情況，某些輸出弧的激發(fā)需要等待輸入弧的加工。排放弧的累計T參數(shù)值和累計的C參數(shù)值，分別等于輸入端點T值+本弧自身的T參數(shù)值和輸入端點C+值本弧自身C參數(shù)值。排放弧的累計P參數(shù)值則等于本弧自身P參數(shù)值。

　　3）排隊邏輯（QUEUE） 本節(jié)點提供一個隊列條件，各輸入活動傳來的參數(shù)流，按先進先出的排隊規(guī)則在隊列中等待服務。本節(jié)點可安排規(guī)定數(shù)量并行服務臺進行服務，并將參數(shù)流按排隊順序傳送到對應的輸出活動中去。 如同比較邏輯和優(yōu)先邏輯節(jié)點一樣，這個邏輯節(jié)點有N條輸入弧和與之配對的N條輸出弧，還有一條無配偶的輸出弧，即排放弧，此弧僅當所被激發(fā)的輸入弧都失敗時始被啟動。排隊邏輯的主要作用，是通過排隊的方法，將網(wǎng)流從輸入弧傳送給它的配偶輸出弧。當網(wǎng)流從激發(fā)輸入弧到達節(jié)點時，它們按照到達的先后次序排隊，等待“侍者”的加工，“侍者”的數(shù)目在網(wǎng)絡圖中以跟在節(jié)點名稱后面的數(shù)碼表示（例如QUEUE2）。本邏輯假定輸出弧攜帶有“侍者”給予的在加工配偶輸入弧時所消耗的時間、所花費的代價和得到的效益。一給定輸出弧的累計T參數(shù)值取作以下數(shù)值之和:配偶輸入弧的累計時間；網(wǎng)流排隊等待時間；侍者加工此網(wǎng)流所花費的時間。 輸出弧的累計C參數(shù)值和累計的P參數(shù)值，可按同一方法計算，但排隊等待不增加費用和效益。這種節(jié)點上的T值，取為所有輸出弧的累計費用之和，除以激發(fā)輸出弧的數(shù)目，因而是平均效益值。因為排放弧僅在失敗情形下使用，所以，其上生成的自身的T，C，P參數(shù)值與加工內(nèi)部網(wǎng)流的侍者是無關(guān)的（已知，對于其它輸出弧，這的確是有關(guān)的）。也許，此弧應當視為一個節(jié)點，通過它將進入一個新的網(wǎng)絡。下述計算排放弧上累計T，C，P參數(shù)值的公式反映了這一看法。 累計T值=所有激發(fā)輸入弧的大時間值+本弧上生成的自身的T參數(shù)值， 累計C值=所有激發(fā)輸入弧的累計C值之和+本弧上生成的自身的C參數(shù)值， 累計P值=本弧上生成的自身的P參數(shù)值 比較邏輯、優(yōu)先邏輯和排隊邏輯的輸入活動和輸出活動之間都有一一對應的關(guān)系。

　　4）選序邏輯 選序邏輯節(jié)點預先對該節(jié)點的輸出活動按照其時間、費用、性能參數(shù)作加權(quán)綜合計算，據(jù)此將輸入活動按高低等級排列。然后，將各輸入活動上的參數(shù)流送到對應等級的輸出活動中去。 和前面三種組合邏輯節(jié)點一樣，有N條輸入弧和N條輸出弧一一對應。另外還有一條排放弧，此備用輸出弧僅當所有輸入弧都失敗時才被啟動。這個邏輯的作用，是通過由T，C，P的權(quán)所確定的分類，將網(wǎng)流從輸入弧傳送到輸出弧。如果T的權(quán)為1.0而C，P的權(quán)為0.0，此時從輸入弧首先到達節(jié)點的網(wǎng)流，將從“1號”輸出弧輸出，第二到達的網(wǎng)流從“2號”輸出弧輸出，等等。當C的權(quán)1.0而T，P的權(quán)為0.0時，那樣從小的C值輸入弧傳來的網(wǎng)流將從“1號”輸出弧輸出，等等。在P的權(quán)等于1.0而T，C的權(quán)為0.0的情形下，從具有大P只的輸入弧傳來的網(wǎng)流從“1號”輸出弧輸出，…。當在節(jié)點上指定的是一組混合的T，C，P權(quán)值（例如，T的權(quán)=0.4，C的權(quán)=0.3和P的權(quán)=0.3）時，從具有大加權(quán)組合參數(shù)值的輸入弧傳至節(jié)點的網(wǎng)流，將從“1號”輸出弧輸出，有次大加權(quán)組合參數(shù)值輸入弧送來的網(wǎng)流從“2號”輸出弧輸出，等等。當指定負權(quán)時，作用恰恰相反。在同一應用中，不能同時使用正權(quán)和負權(quán)。

3， 網(wǎng)絡模型

3.1模型概念

　　VERT網(wǎng)絡模型是通過帶有時間、費用和性能等變量值的弧和節(jié)點，按照它們的相互關(guān)系連接起來的網(wǎng)狀圖，是一種隨機網(wǎng)絡，因此它屬于數(shù)學模型。 一個數(shù)學模型是一個真實系統(tǒng)的抽象，一般說來，它可能而且應該比現(xiàn)實本身更簡單，更清晰，更概括。然而，數(shù)學模型并不是真實系統(tǒng)。它與真實系統(tǒng)的關(guān)系如圖1所示。 好的數(shù)學模型必須能夠反映出真實系統(tǒng)中所要研究方面的主要性質(zhì)和特征。這取決于簡化或抽象的合理性和科學性，取決于真實系統(tǒng)所能提供的各種信息的準確性和充分性。當然，也取決于進行這種簡化和抽象的人素質(zhì)和經(jīng)驗。因此，一般說來，數(shù)學模型的建立不可避免地要包括檢驗與修正模型的過程。 對真實決策系統(tǒng)，構(gòu)造符合實際的隨機網(wǎng)絡模型，是應用隨機網(wǎng)絡評審方法進行風險決策分析的關(guān)鍵步驟。其中重要的一環(huán)是繪制網(wǎng)絡圖，即構(gòu)造網(wǎng)絡模型。 構(gòu)造網(wǎng)絡模型的方法，它依賴于所決策問題（系統(tǒng)）的性質(zhì)、大小及復雜程度，也隨著不同決策者的習慣、經(jīng)驗和素質(zhì)而不同。VERT建模方法與PERT方法類似。 構(gòu)造網(wǎng)絡模型的過程大體可分為以下幾個步驟。第一步，確定決策的環(huán)境。這一步是在調(diào)查研究的基礎上，確定被分析系統(tǒng)的問題、決策目標、變量和約束條件以及可接受的風險水平。第二步，按工作進程與風險分析需要畫出流程圖。在調(diào)查研究的基礎上，畫出整個系統(tǒng)各個設計階段的流程和各個設計階段子流程。第三步，繪制VERT網(wǎng)絡圖。在第二步流程圖的基礎上，應用VERT的弧和節(jié)點功能，把流程圖改造成VERT隨機網(wǎng)絡圖。第四步，確定弧和節(jié)點的數(shù)據(jù)。確定弧上的時間、費用及性能參數(shù)和節(jié)點上參數(shù)及邏輯等，并在仿真運行中加以檢驗和修正，不斷去偽存真，構(gòu)造出反映真實系統(tǒng)的隨機網(wǎng)絡模型。

3.2數(shù)學描述

　　VERT隨機網(wǎng)絡模型是一個圖論模型，稱為圖G，記節(jié)點集合為N，弧集合為A，則有: G={N，A}；這里N={N1，N2，N3………Nn}，Ni表示第i個節(jié)點，n為節(jié)點總數(shù)；A={Aij|i，j=1，2，3……n，i VERT網(wǎng)絡中有兩種流。一種流是自身攜帶的網(wǎng)流；一種是網(wǎng)絡流到此處的累計網(wǎng)流。對于弧，一種是由自身的時間(Tij)、費用（Cij）和性能(Pij)組成的網(wǎng)流;另一種則是由弧的累計時間（）、累計費用（）和累計性能（）組成的網(wǎng)流。對于節(jié)點，由于它本身不消耗時間、費用和性能，所以它沒有自身網(wǎng)流，只有累計時間(NTi)、費用(NCi)和性能(NPi)組成的網(wǎng)流�；『凸�(jié)點的累計網(wǎng)流都是網(wǎng)絡模型的未知量，是模擬過程中要確定的模型基本解。有了它，可對節(jié)點和弧的機動時間、關(guān)鍵線路等進行分析。 網(wǎng)流形成原則要受節(jié)點、弧的狀態(tài)和邏輯限制�；∮谐晒Α⒉怀晒�和取消三種狀態(tài)，節(jié)點也有成功、不成功和取消三種狀態(tài)。節(jié)點邏輯比較復雜，它與弧的狀態(tài)密切相關(guān)，不同邏輯差別較大。例如，對AND邏輯，先根據(jù)輸入弧的狀態(tài)確定節(jié)點的狀態(tài)，然后確定成功節(jié)點的時間、費用和性能值，用數(shù)學表達式表示如下: 其中OPT表示對有相同開始節(jié)點和結(jié)束節(jié)點的弧求優(yōu)。 對于弧累計時間、費用和性能值，需根據(jù)弧的狀態(tài)，用它的開始節(jié)點的時間、費用和性能的累計值加上弧自身的時間、費用和性能。

4.小結(jié)

　　綜上所述，我們對VERT的發(fā)展歷程、建模要素、邏輯功能以及網(wǎng)絡模型進行了較為詳細地探討，這些都是VERT方法引入軟件領(lǐng)域的基礎理論。當然，由于VERT方法本身是一種定量分析技術(shù)，具有很強的理論性，僅僅通過本文是很難將其完全掌握的，作者只希望能起到拋磚引玉的作用。