论文部分内容阅读
为了满足高效率的自动化生产的需要,支持流程控制的工作流管理系统被越来越广泛的应用。流程挖掘可以使用事件日志等历史数据生成抽象流程模型,为工作流系统的部署和企业流程优化提供有利条件。过程挖掘的重要任务之一是描述流程中事件间的关系,也被称为过程发现。本文首先通过广泛的调研和研究,了解过程挖掘研究领域的国内外研究现状,深刻理解过程挖掘的一般过程,梳理了过程挖掘算法的不同类别,发现传统过程挖掘算法在挖掘流程结构的能力和抗噪声能力上有缺陷,并且一些基于智能计算的方法耗时过长。为了解决这些问题,本文以Petri网和Workflow网为基础,引申出本文中使用的因果关系矩阵概念表示过程模型,克服了原始算法对流程结构支持不完整的缺陷。接着总结提出了一种较通用的基于启发式优化算法的流程挖掘框架,接着依照该流程挖掘框架将禁忌搜索算法用于流程挖掘领域,针对禁忌搜索中程序初始化、邻域构建方法和禁忌表构造等几个关键问题进行了详细阐述和论证;然后为了在全局寻优和局部寻优中取得良好平衡获得更高挖掘效率,将蝙蝠算法改造应用于流程挖掘领域,对蝙蝠算法的实现和参数选择做了论证。最后将上述两种算法实现为ProM流程挖掘框架的插件,与遗传算法进行了对比实验。通过实验验证了这两种流程挖掘方法的正确性,证实这两种方法能够支持各种流程结构,对流程日志数据中的噪声数据具有较强的鲁棒性并且较现有智能计算方法消耗更少的时间。