基于遺傳算法的時(shí)態(tài)流程挖掘研究與應(yīng)用.pdf

1、目前，大多數(shù)的企業(yè)管理應(yīng)用軟件都會(huì)隨著系統(tǒng)運(yùn)行自動(dòng)產(chǎn)生大量的日志，這些日志記錄了系統(tǒng)的實(shí)際業(yè)務(wù)執(zhí)行情況等信息。如何合理地對(duì)這些日志進(jìn)行分析，提取有用的知識(shí)，成為近年來不少學(xué)者研究的熱點(diǎn)。
　　 本文首先介紹工作流挖掘的意義及其技術(shù)研究的現(xiàn)狀，并對(duì)流程挖掘技術(shù)面臨的挑戰(zhàn)進(jìn)行綜述，指出當(dāng)前大部分的研究忽略了日志中的時(shí)間因素，并且沒有考慮日志的流程增量問題，降低了對(duì)業(yè)務(wù)日志進(jìn)行流程挖掘的準(zhǔn)確性?；诋?dāng)前流程挖掘研究的不足，本文提出了日

2、志時(shí)態(tài)分析模型，利用該模型對(duì)日志進(jìn)行預(yù)處理，首先對(duì)日志中的流程實(shí)例和各個(gè)任務(wù)進(jìn)行時(shí)間分析，利用“時(shí)間區(qū)間劃分法”建立任務(wù)間的時(shí)態(tài)關(guān)系，然后提出“時(shí)間知識(shí)權(quán)值法”對(duì)日志進(jìn)行處理，刪除一些無效的任務(wù)，有效地解決流程增量問題，提高流程挖掘的準(zhǔn)確性和挖掘結(jié)果的參考價(jià)值。
　　 在此基礎(chǔ)上，我們提出改進(jìn)遺傳算法的時(shí)態(tài)流程挖掘框架，該算法在初始種群時(shí)引入啟發(fā)式規(guī)則，縮小搜索空間。一個(gè)種群包含若干個(gè)遺傳個(gè)體，每個(gè)遺傳個(gè)體對(duì)應(yīng)一個(gè)流程模型，遺傳

3、個(gè)體的適應(yīng)度函數(shù)衡量遺傳個(gè)體與任務(wù)日志的擬合程度。算法的適應(yīng)度函數(shù)加入了微調(diào)因子提高流程挖掘的準(zhǔn)確性，并且在變異算子中加入啟發(fā)式規(guī)則，加快算法運(yùn)算速度。在得到最優(yōu)化個(gè)體后，使用合并技術(shù)構(gòu)建時(shí)態(tài)流程模型。
　　 最后，我們基于上述的討論，在Java平臺(tái)上實(shí)現(xiàn)了基于改進(jìn)遺傳算法的時(shí)態(tài)流程挖掘框架，通過實(shí)驗(yàn)進(jìn)行檢驗(yàn)分析，并與其他算法進(jìn)行對(duì)比，證明算法的有效性，能克服α算法和α++算法在某些結(jié)構(gòu)的不足和限制，并有效地解決一些流程增量問題