28、分布式遗传过程挖掘与故障检测服务

分布式遗传过程挖掘与故障检测服务

1. 分布式遗传过程挖掘

1.1 SGMA算法原理

SGMA（抽样遗传挖掘算法）利用了大多数事件日志中存在的冗余性。冗余性指的是许多轨迹包含的信息可以从其他轨迹中推导出来。例如，对于表1中的事件日志，如果日志只包含轨迹1 - 5，也能得到相同的过程模型。冗余的来源包括独立选择、循环、各种交织等。在比较确保SGMA一次迭代后收敛的样本大小和日志轨迹数量时，事件日志的冗余性就会显现出来。显然，日志的冗余性越高，与GMA（遗传挖掘算法）相比，SGMA就越高效。

SGMA的效率还受到其他因素的影响：
- 种群多样性 ：遗传算法中，种群多样性越高，算法效率越高。在SGMA中，如果样本包含的大多是事件日志中的非典型轨迹，或者过于偏向某些轨迹子集，那么总体种群可能会专门针对该样本进行进化。低种群规模更容易出现这种情况，从而降低SGMA的效率。
- 日志复杂度 ：每个日志都存在一个平均适应度计算次数（MTFC）的阈值，达到该阈值时（D）GMA收敛。MTFC取决于从挖掘角度看事件日志的复杂度，即生成日志的过程模型中包含的复杂模式（如循环和并行分支）的数量。日志越复杂，MTFC越高。由于SGMA通过使用事件日志的轨迹样本减少了适应度计算时间，所以日志越复杂，SGMA越高效。

1.2 DSGMA架构

DSGMA（分布式抽样遗传挖掘算法）采用粗粒度方法来分配工作，其架构由一个协调器和多个岛屿组成。
- 协调器 ：初始化岛屿，设置初始参数并协调岛屿之间个体的迁移。在初始化阶段，协调器