工作流挖掘與調(diào)度算法研究.pdf

1、企業(yè)為了在日趨激烈的市場(chǎng)競(jìng)爭(zhēng)中立于不敗之地，需要不斷優(yōu)化其生產(chǎn)、經(jīng)營(yíng)過程，因而對(duì)業(yè)務(wù)過程的高效組織和管理成為提高企業(yè)效益、增強(qiáng)企業(yè)競(jìng)爭(zhēng)力的重要手段。工作流建模作為一種業(yè)務(wù)過程的管理技術(shù)，為企業(yè)業(yè)務(wù)過程的高效組織和管理提供了解決方案。 工作流挖掘作為一種重要的工作流建模方法，旨在從信息系統(tǒng)的事件日志中發(fā)現(xiàn)關(guān)于業(yè)務(wù)流程的結(jié)構(gòu)化過程，從而避免從空白開始進(jìn)行既費(fèi)時(shí)又容易出錯(cuò)的工作流模型的設(shè)計(jì)，其研究對(duì)于企業(yè)實(shí)現(xiàn)業(yè)務(wù)流程的建模和再造具有重

2、要的意義。目前國(guó)內(nèi)外，特別是國(guó)內(nèi)，對(duì)工作流建模的研究主要集中在模型設(shè)計(jì)方面，而利用事件日志進(jìn)行工作流挖掘的研究所見不多。此外工作流時(shí)間性能分析和調(diào)度優(yōu)化也是工作流管理方面的研究熱點(diǎn)。 本論文從啟發(fā)式工作流挖掘算法、智能化工作流挖掘算法兩個(gè)方面對(duì)工作流挖掘進(jìn)行了深入地研究與分析；對(duì)工作流時(shí)間性能以及工作流調(diào)度優(yōu)化進(jìn)行了深入地研究與分析，具體的研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下： （1）能解決多種復(fù)雜任務(wù)的工作流挖掘。為了有效挖掘含有多種

3、復(fù)雜任務(wù)的過程模型，對(duì)含有循環(huán)任務(wù)和重復(fù)任務(wù)的事件日志進(jìn)行了研究，提出發(fā)現(xiàn)循環(huán)、重復(fù)和同一任務(wù)的啟發(fā)式規(guī)則，并且給出證明；改進(jìn)了α算法的關(guān)聯(lián)關(guān)系定義，在此基礎(chǔ)上提出了τ算法。實(shí)例驗(yàn)證該算法是有效的，對(duì)循環(huán)、重復(fù)和同一任務(wù)的判定是正確的。對(duì)挖掘出的模型進(jìn)行仿真分析，仿真結(jié)果表明使用τ算法挖掘出的模型所產(chǎn)生的日志和原始日志具有邏輯等價(jià)性。 （2）基于混合自適應(yīng)遺傳算法的工作流挖掘。為了解決目前工作流挖掘算法大都采用局部策略因而無法保

4、證最優(yōu)挖掘以及算法對(duì)噪聲敏感的問題，提出基于混合自適應(yīng)遺傳算法的工作流挖掘算法。該算法與啟發(fā)式算法相比具有更高的魯棒性和對(duì)噪聲的抗干擾性；與基本遺傳算法相比，該算法能顯著提高解的質(zhì)量和收斂速度。 （3）工作流時(shí)間性能分析。工作流性能分析是對(duì)工作流進(jìn)行評(píng)價(jià)和優(yōu)化的基礎(chǔ)，時(shí)間性能則是衡量工作流性能的一個(gè)重要指標(biāo)。利用概率論中關(guān)于服從指數(shù)分布的隨機(jī)變量的分布函數(shù)、密度函數(shù)及數(shù)學(xué)期望的基本性質(zhì)，詳細(xì)地分析了組成SPN模型的串行、并行、選

5、擇和循環(huán)四種基本結(jié)構(gòu)的平均延遲時(shí)間，設(shè)計(jì)了通用的SPN模型平均延遲時(shí)間公式。通過對(duì)復(fù)雜SPN模型的等效化簡(jiǎn)，實(shí)現(xiàn)對(duì)工作流時(shí)間性能的分析。最后，通過實(shí)例驗(yàn)證了該方法的可行性和有效性。 （4）工作流調(diào)度優(yōu)化。為了解決工作流調(diào)度優(yōu)化問題，以QoS為優(yōu)化目標(biāo)，提出了克隆選擇離散粒子群算法，運(yùn)用該算法進(jìn)行工作流調(diào)度優(yōu)化研究。該算法增加了種群的多樣性，提高了算法精確度，加快了算法的收斂速度，克服了離散粒子群算法早熟收斂和局部極值等問題，在工