一种基于规则集的工作流执行方法与流程

本发明属于工作流管理领域，具体涉及一种基于规则集的工作流执行方法。

背景技术：

工作流运行控制过程中的活动信息转移是工作流管理系统中的一个重要问题。研究工作流活动信息，不仅可以促进业务数据交换的顺畅度，提高工作流的自适应效率和工作流各活动节点之间协调度，而且可以减少由复杂的活动信息转移判断引发的延时和资源消耗问题。但是目前的工作流运行过程存在比较复杂和资源消耗较多的问题，且对于活动之间的有效衔接及信息传递强度的研究则较少。

技术实现要素：

针对现有技术中的上述不足，本发明提供的一种基于规则集的工作流执行方法解决了现有技术存在的比较复杂和资源消耗较多的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于规则集的工作流执行方法，包括以下步骤：

s1、采集工作流数据，构建活动规则库，并对规则库参数进行训练；

s2、采集输入活动节点x，在活动规则库中搜索输入活动节点x的相关活动规则，并计算输入活动节点x与其相关活动规则rk的相似度sk；

s3、根据相似度sk，扫描相关活动节点规则rk的后件部分活动节点的执行状态，获取激活规则集r^*；

s4、通过相似度sk获取激活规则集r^*中活动规则的激活度wk(x)；

s5、通过激活度wk(x)计算输出活动节点yi的综合置信度γi，获取综合规则r^r，实现工作流活动信息转移。

进一步地，所述步骤s1中活动规则库中活动规则为rk：如果输入活动节点x为则输出活动节点yi为

其中，as表示输入活动节点x的第s属性，bsj表示输入活动节点x的第s属性的第j个参考等级取值，表示第k条规则中输入活动节点x关于第s个属性的第j个参考等级的置信度，dih表示输出活动节点yi的第h个属性，表示输出活动节点yi在第h个属性下的第m个参考取值等级，表示第k条规则中输出活动节点yi的第h个属性的第m个参考取值等级的结果置信度，s＝1,2,...,t，j＝1,2,...,js，t表示输入活动节点x的属性总数，js表示第k条规则中输入活动节点x中属性as下的参考取值等级总数。

进一步地，所述步骤s1中对活动规则库参数进行训练的具体步骤为：

a1、设置训练参数向量

a2、建立训练目标函数为：

a3、设置初始迭代点并令t＝0；

a4、对活动规则库参数结果置信度进行降维，其降维计算公式为：

a5、获取降维的最大步长其计算公式为：

且新迭代点满足以下要求：

a6、在新迭代点处训练出的活动规则库的参数值与实际观测数据之间的误差最小时，训练结束，训练结束的约束条件为：

其中，表示活动规则库中第k条规则的输出活动节点yi的第h属性下的第m参考取值等级的结果置信度，θk表示活动节点规则的规则权重，θk∈[0,1]，表示实际观测数据中第k条规则的活动节点yi的第h属性下第m参考取值等级的结果置信度，m＝1,2,...,mg，mg为第g个属性的参考取值等级总数，t表示迭代次数，表示新迭代点，表示低维空间迭代点处的导数，τih表示降维的步长，ε＝1×10^-6，f表示二分法执行的次数；表示在迭代点处时，结果置信度的值，表示在迭代点处的导数，表示在迭代点处的函数值，表示在迭代点处的函数值，表示在迭代点处的函数值。

进一步地，所述第k条规则中输入活动节点x关于第s属性的第j个参考等级的置信度采用以下公式计算：

其中，x(b^*)表示输入活动节点x中属性as的输入值，bsj表示属性等级bsj的效用值，bs(j+1)表示属性等级bs(j+1)的效用值，表示输入活动节点x关于第s属性的第q个参考等级的置信度。

进一步地，所述步骤s2中相似度sk通过以下公式计算：

sk＝1-dksk∈[0，1]；

其中，dk表示输入活动节点x与第k条规则之间的距离，asj表示输入活动节点x关于第s属性的第j个参考等级的置信度，表示与活动规则库的规则对应的置信度。

进一步地，所述步骤s3包括以下分步骤：

s3.1、根据相似度sk，扫描与输入活动节点x相关活动规则rk的输出活动节点yi，并依次判断相关活动规则rk的活动节点状态si；

s3.2、若活动节点状态si为：准备执行，则将该条活动规则rk存入激活规则集r^*；若活动节点状态si为：等待执行，则判断该条活动规则rk是否满足执行条件，若是则将该条活动规则rk存入激活规则集r^*，否则舍弃该条活动规则rk，得到激活规则集r^*。

进一步地，所述步骤s4包括以下分步骤：

s4.1、将输入活动节点x的活动属性δs标准化；

s4.2、根据相似度sk和标准化后的活动属性δs，计算激活规则集r^*中的激活度wk(x)。

进一步地，所述活动属性δs标准化通过以下公式获取：

所述激活度wk(x)的计算公式为：

其中，_δs为第k条规则的标准化活动属性，θk为第k条规则的规则权重，θf为第f条规则的规则权重，l^*为活动规则库中规则总数，sf表示与输入活动节点xf相关规则rf的相似度，为第z条规则的标准化活动属性。

进一步地，所述步骤s5中综合置信度γi通过以下步骤获取：

b1、获取第k条规则中的输出活动节点yi对综合规则r^r的贡献程度函数mi,k，其计算公式为：

b2、获取综合规则r^r中为分配到任何节点的程度函数myk，其计算公式为：

b3、获取激活规则重要性剩余部分函数其计算公式为：

b4,、获取活动节点规则rk的不完整程度函数其计算公式为：

b5、根据贡献程度函数mi,k和程度函数my,k，获取激活规则集r^*中所有规则分配到输出活动节点的程度mi，其计算公式为：

b6、根据程度函数my,k和激活规则重要性剩余部分函数获取激活规则集r^*所有规则的激活权重其计算公式为：

b7、根据激活规则重要性剩余部分函数获取激活规则集r^*中所有规则的不完整程度其计算公式为：

b8、根据得到标准化常数λ为：

b9、根据得到综合置信度γi为：

其中，g为输出活动节点yi的属性总数，h＝1,2,...,g，mg为第g个属性的参考取值等级总数，m＝1,2,...,mg，n为输出活动节点yi的总数，i＝1,2,...,(n-1)，e为激活规则集r^*中激活规则总数，k＝1,2,...,e。

进一步地，所述综合规则表示为r^r：如果输入活动节点x为则综合目标z为{yi,γi}。

本发明的有益效果为：

(1)本发明提出将置信规则放入工作流的活动转移过程，以一个数学模型框架来刻画工作流信息传递。促进业务数据交换的顺畅度，提高工作流的自适应效率和工作流各活动节点之间协调度。

(2)本发明可以减少由复杂的活动信息转移判断引发的延时和资源消耗问题，不仅避免了多层嵌套循环复杂度，而且能够为活动节点找出最优的转移方式。

附图说明

图1为本发明提出的一种基于规则集的工作流执行方法。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

下面结合附图详细说明本发明的实施例。

如图1所示，一种基于规则集的工作流执行方法，包括以下步骤：

s1、采集工作流数据，构建活动规则库，并对规则库参数进行训练；

s2、采集输入活动节点x，在活动规则库中搜索输入活动节点x的相关活动规则，并计算输入活动节点x与其相关活动规则rk的相似度sk；

s3、根据相似度sk，扫描相关活动节点规则rk的后件部分活动节点的执行状态，获取激活规则集r^*；

s4、通过相似度sk获取激活规则集r^*中活动规则的激活度wk(x)；

s5、通过激活度wk(x)计算输出活动节点yi的综合置信度γi，获取综合规则r^r，实现工作流活动信息转移。

步骤s1中活动规则库中活动规则为rk：如果输入活动节点x为则输出活动节点yi为

其中，as表示输入活动节点x的第s属性，bsj表示输入活动节点x的第s属性的第j个参考等级取值，表示第k条规则中输入活动节点x关于第s个属性的第j个参考等级的置信度，dih表示输出活动节点yi的第h个属性，表示输出活动节点yi在第h个属性下的第m个参考取值等级，表示第k条规则中输出活动节点yi的第h个属性的第m个参考取值等级的结果置信度，s＝1,2,...,t，j＝1,2,...,js，t表示输入活动节点x的属性总数，js表示第k条规则中输入活动节点x中属性as下的参考取值等级总数。

所述步骤s1中对活动规则库参数进行训练的具体步骤为：

a1、设置训练参数向量

a2、建立训练目标函数为：

a3、设置初始迭代点并令t＝0；

a4、对活动规则库参数结果置信度进行降维，其降维计算公式为：

a5、获取降维的最大步长其计算公式为：

且新迭代点满足以下要求：

a6、在新迭代点处训练出的活动规则库的参数值与实际观测数据之间的误差最小时，训练结束，训练结束的约束条件为：

其中，表示活动规则库中第k条规则的输出活动节点yi的第h属性下的第m参考取值等级的结果置信度，θk表示活动节点规则的规则权重，θk∈[0,1]，表示实际观测数据中第k条规则的活动节点yi的第h属性下第m参考取值等级的结果置信度，m＝1,2,...,mg，mg为第g个属性的参考取值等级总数，t表示迭代次数，表示新迭代点，表示低维空间迭代点处的导数，τih表示降维的步长，ε＝1×10^-6，f表示二分法执行的次数；表示在迭代点处时，结果置信度的值，表示在迭代点处的导数，表示在迭代点处的函数值，表示在迭代点处的函数值，表示在迭代点处的函数值。

所述第k条规则中输入活动节点x关于第s属性的第j个参考等级的置信度采用以下公式计算：

其中，x(b^*)表示输入活动节点x中属性as的输入值，bsj表示属性等级bsj的效用值，bs(j+1)表示属性等级bs(j+1)的效用值，表示输入活动节点x关于第s属性的第q个参考等级的置信度。

所述步骤s2中相似度sk通过以下公式计算：

dk∈[0,1]；

sk＝1-dksk∈[0，1]；

其中，dk表示输入活动节点x与第k条规则之间的距离，asj表示输入活动节点x关于第s属性的第j个参考等级的置信度，表示与活动规则库的规则对应的置信度。

所述步骤s3包括以下分步骤：

s3.1、根据相似度sk，扫描与输入活动节点x相关活动规则rk的输出活动节点yi，并依次判断相关活动规则rk的活动节点状态si；

s3.2、若活动节点状态si为：准备执行，则将该条活动规则rk存入激活规则集r^*；若活动节点状态si为：等待执行，则判断该条活动规则rk是否满足执行条件，若是则将该条活动规则rk存入激活规则集r^*，否则舍弃该条活动规则rk，得到激活规则集r^*。

在本实施例中，若活动节点状态si为：已执行，则舍弃该条活动规则rk；若活动节点状态si为：正在执行、挂起或执行完毕提交，则将该条活动规则rk存入执行规则集r^#。

在本实施例中，输入活动节点x的执行需要使用a原料，则步骤s3.5具体为：若活动节点状态si为：等待执行，则判断a原料在仓库中的存储值是否大于或等于标准值，若是则该条活动规则rk满足执行条件，并将该条活动规则rk存入激活规则集r^*，否则舍弃该条活动规则rk。

所述步骤s4包括以下分步骤：

s4.1、将输入活动节点x的活动属性δs标准化；

s4.2、根据相似度sk和标准化后的活动属性δs，计算激活规则集r^*中的激活度wk(x)。

所述活动属性δs标准化通过以下公式获取：

所述激活度wk(x)的计算公式为：

其中，为第k条规则的标准化活动属性，θk为第k条规则的规则权重，θf为第f条规则的规则权重，l^*为活动规则库中规则总数，sf表示与输入活动节点xf相关规则rf的相似度，为第z条规则的标准化活动属性。

所述步骤s5中综合置信度γi通过以下步骤获取：

b1、获取第k条规则中的输出活动节点yi对综合规则r^r的贡献程度函数mi,k，其计算公式为：

b2、获取综合规则r^r中为分配到任何节点的程度函数my,k，其计算公式为：

b3、获取激活规则重要性剩余部分函数其计算公式为：

b4,、获取活动节点规则rk的不完整程度函数其计算公式为：

b5、根据贡献程度函数mi,k和程度函数my,k，获取激活规则集r^*中所有规则分配到输出活动节点的程度mi，其计算公式为：

b6、根据程度函数my,k和激活规则重要性剩余部分函数获取激活规则集r^*所有规则的激活权重其计算公式为：

b7、根据激活规则重要性剩余部分函数获取激活规则集r^*中所有规则的不完整程度其计算公式为：

b8、根据得到标准化常数λ为：

b9、根据得到综合置信度γi为：

其中，g为输出活动节点yi的属性总数，h＝1,2,...,g，mg为第g个属性的参考取值等级总数，m＝1,2,...,mg，n为输出活动节点yi的总数，i＝1,2,...,(n-1)，e为激活规则集r^*中激活规则总数，k＝1,2,...,e。

所述综合规则表示为r^r：如果输入活动节点x为则综合目标z为{yi,γi}。

本发明提出将置信规则放入工作流的活动转移过程，以一个数学模型框架来刻画工作流信息传递。促进业务数据交换的顺畅度，提高工作流的自适应效率和工作流各活动节点之间协调度。本发明可以减少由复杂的活动信息转移判断引发的延时和资源消耗问题，不仅避免了多层嵌套循环复杂度，而且能够为活动节点找出最优的转移方式。