面向工业应用中 Petri 网可达性问题求解的基于 LLM 的两阶段反思与重新提示框架

制造系统表现出强烈的并发性、同步性和对共享可重用资源的争用，这使得快速可靠的调度与验证极具挑战性。Petri 网为建模此类离散事件制造系统提供了严格的形式化方法，但对于传统的图搜索或基于优化的求解器而言，可达性分析与求解仍然困难，特别是在状态空间爆炸和不断演变的生产需求下。最近，大型语言模型（LLM）作为一种灵活的规划器展现出了潜力，能够从文本规范中生成候选动作序列。然而，直接将 LLM 用于 Petri 网可达性仍然不可靠。本文提出了一种基于 LLM 的求解框架，并辅以两阶段反思与重新提示机制。反思与重新澄清的综合作用提高了可行序列生成的准确性。所提出的方法在一个建模为 Petri 网的工业案例上进行了评估。在固定的 Petri 网结构下，所提出的策略在六个可解的可达性配置上进行了评估。结果表明，在求解 Petri 网可达性问题时的可靠性和稳定性得到了提升。所提出的框架进一步在多个 LLM 上进行了评估，表明该框架不依赖于任何特定模型。