16、基于完整性、精确性和简单性引导的流程发现遗传算法

基于完整性、精确性和简单性引导的流程发现遗传算法

在过去十年中，不同应用领域都在大力发展流程自动化执行技术。然而，实际执行的流程和预先设计的流程可能存在差异，因此需要流程挖掘（PM）技术来获取流程执行的真实信息。流程挖掘技术通常利用日志文件，可分为流程发现、一致性检查和增强等不同类别，本文重点关注流程发现问题，即控制流发现，旨在从事件日志中检索出能代表实际行为的流程模型。

目前已有许多流程发现的相关工作，大多数算法基于Petri网，可根据应用的技术类型进行分类：
- 抽象算法 ：通常能得到简单模型，但完整性较差。
- 启发式算法 ：对噪声有较强的鲁棒性，但不能保证完整性的最优结果，且无法同时处理所有常见结构。
- 搜索算法 ：部分技术能保证模型的合理性，但不一定能得到完整模型；部分能处理所有不同的主要行为，但忽略了简单性。
- 基于区域理论的算法 ：虽能保证模型的完整性，但无法处理噪声和所有不同的模式结构。

为了克服现有算法的不足，本文提出了ProDiGen算法，它是一种流程发现算法，使用了考虑完整性、精确性和简单性的分层适应度函数，并采用启发式方法优化遗传算子。该算法已通过21个不平衡日志进行测试，并与两种最先进的流程挖掘技术进行了比较。

ProDiGen算法

ProDiGen算法受Genetic Miner启发，但与之存在一些差异，如下表所示：
| 比较项 | ProDiGen | Genetic Miner |
| ---- | ---- | -