基于关系矩阵的工作流日志重复任务识别算法

针对传统工作流模型挖掘算法不考虑模型中重复任务的存在,导致挖掘出的模型精确度不高的问题,提出一种基于关系矩阵的重复任务识别方法。通过分析工作流执行日志得到所有事件的前驱后继关系,根据不同的模型结构进行事件重命名,再基于同类别重复事件之间的相似度对重复事件进行聚类得到最优识别结果。实验表明,该方法能正确有效地识别工作流日志中的重复任务,减少模型中的不可见任务,最终提高工作流模型挖掘方法的精确度和可理解性。     

基于统一建模语言和多色集合理论的工作流建模方法研究

在分析了统一建模语言和多色集合理论两种工作流建模方法优缺点的基础上，提出了基于统一建模语言和多色集合理论的工作流建模方法。将活动节点的两两组合作为多色集合的元素，将节点间的连接关系作为多色集合的围道，由此建立了从统一建模语言活动图到多色集合围道矩阵模型的转换机制，给出了工作流过程模型的路径求取算法。以企业备件采购申请过程为例，应用以上理论和方法，定量评价了工作流执行效率，从而重组和优化了该工作流过程。     

支持复杂结构的混成过程挖掘方法

为解决传统过程挖掘算法在处理蕴含复杂结构的海量日志时的低效低质问题,提出一种支持复杂结构的混成过程挖掘方法。该方法首先将事件日志转化为具有发生次数的直接后继图,以支持活动间基本关系的判定;通过过程树对已发现的两两活动间的基本关系进行抽象与合并,进而对日志进行更新,反复迭代直到整个日志中的所有具有基本关系的活动被全部发现。若待发现模型由基本块组成,则挖掘结果为基于块的过程模型;若待发现模型包含复杂结构,则通过混成使用基于区域的方法对复杂结构进行发现。最终利用活动重构操作对挖掘结果中已抽象为过程树的部分进行细化,从而获得最终结果。为了进一步提升挖掘效率,还提出并行化的发现与重构方法。大量基于真实数据的实验结果表明,该方法的挖掘效率和挖掘精确度达到了较好的水平。     

用CHS-tree基于集合势的方法计算极小碰集

在基于模型的故障诊断理论中,为了根据所有冲突部件集计算全体极小碰集,提出基于集合势的方法,每次选择当前集合簇中势最小的集合进行扩展,并借助集合簇中元素出现的频率作为辅助判断,不断将大问题逐渐分解成子问题,然后依次求出不包含该扩展集合中各元素的集合簇的所有极小碰集。实验结果表明,CHStree方法生成树的过程较简单,能产生较少的节点,比经典的碰集树方法、二分法和集合枚举法等具有更高的求解效率。在某些情况下,其效率也高于当前效率最高的Boolean方法。     

基于多源信息融合故障树与模糊Petri网的复杂系统故障诊断方法

针对复杂系统故障树模型构建困难且模型冗余节点多、计算复杂的问题,提出一种基于多源信息融合故障树与模糊Petri网的故障诊断方法。该方法先将多源信息进行标准化处理,从处理后的信息中提取维修元数据,同时利用数据挖掘方法得到故障关联项集。通过维修元数据、故障关联项集和系统结构关系的映射、融合,更加全面、准确地构建复杂系统故障树模型。采用模糊Petri网对多源信息融合故障树模型进行简化和改进,并利用基于模糊Petri网的动态故障推理方法和基于关联矩阵的最小割集求解方法建立复杂系统故障诊断方法,提高了故障的诊断速度与推理效率。以汽车发动机故障诊断过程为例,证明了所提方法的合理性和有效性。     

基于直接后继关系对齐的过程符合性检测

针对现有的符合性检测方法大都基于单个活动的对齐,且只给出模型与日志的快速匹配方法,存在非块结构模型不敏感的问题,提出一种基于直接后继关系对齐的过程符合性检测方法。首先,根据直接后继关系得到模型与日志相关属性,并以紧邻活动对的方式展现出来。其次,根据基于紧邻活动对的最优对齐算法(AAP),得到轨迹的最优匹配活动对序列,提出基于最小代价的单条迹与模型的拟合度函数,并给出拟合度算法(DFA),计算日志与模型的拟合度。最后使用实际案例对所提方法进行了评估,结果表明:该方法能够正确计算过程模型与日志之间的拟合度,且具有较好的时空复杂度。     

无损图像编码中基于SPIHT的一种改进算法

为了尽可能地增加图像无损压缩编码的效率,在嵌入零树小波(EZW)算法和分层树集合分割排序(SPIHT)算法的基础上,增加了一个对A类型直接后继子孙的检测,使得重要父系数的产生依赖于非直接后继节点,并增加一C类型集来对不重要直接子孙集进行单独的分类。当检测到重要集合的数目明显大于不重要集合的数目时,对A,B或C类型的检测就可以省去。实验结果证明,无论是灰度图像或者是彩色图像,改进的算法都比传统的SPIHT算法有明显的优越性。     

基于数据生成—消耗依赖的语义工作流并行化重构方法

业务过程模型的并行度是其质量的重要指标,并行度高的业务过程模型质量更好,运行效率更高。针对提高语义工作流质量的需求,以及现有业务过程模型并行化方法不能处理语义工作流中数据生成—消耗依赖、资源约束等问题,提出一种基于数据生成—消耗依赖的语义工作流并行化重构方法。首先,使用节点编号法和最近公共前驱法获取语义工作流的任务执行关系矩阵;然后,分析了任务节点间的数据生成—消耗依赖,获得数据依赖矩阵;接着,提出任务执行关系更新规则,结合数据依赖矩阵更新任务执行关系矩阵,得到基于数据依赖的任务执行关系矩阵;进一步,设计了兼顾资源约束的语义工作流重构算法以生成并行化后语义工作流;最后,提出一种语义工作流的并行度计算方法以评估并行化后语义工作流的并行程度,并开发了一个交互式的语义工作流并行化重构软件。仿真实验结果表明,所提算法提高了语义工作流的并行度,改善了语义工作流的质量,为提高基于语义工作流的业务过程运行效率提供了有效支持。     

基于流程规整矩阵的流程推荐技术

为了解决企业流程建模智能领域中现有流程推荐技术在模糊推荐方面的不足,提出一种基于流程规整矩阵的流程推荐技术.首先对流程图的广度优先搜索序列(BFS序列)进行标准化;然后利用推荐流程片断BFS序列和流程资源库流程BFS序列形成流程匹配规整矩阵,计算流程相似度,确立候选流程,最终形成推荐路径集.通过对比现有相关研究结果表明,所提方法能够支持实际应用中的复杂流程结构和模糊推荐需求,其效率也能够满足实际应用.     

基于蚁群算法的异步并行装配序列规划方法

为了提高复杂产品的装配序列规划效率,利用蚁群算法的并行性及其搜索过程的独立性,对装配序列进行异步并行求解。首先,调整产品结构树的装配层次关系,并基于多色集合理论(PST)对装配层次结构进行形式化表达,建立PS层次结构树;其次,基于"分治"原则,建立"全局并行、区域线性"的蚂蚁搜索策略,对PS层次结构树进行逐层规划和整合计算,实现装配序列的异步并行求解,并提高求解效率;然后,为了解决非线性装配序列表达方式问题,建立装配序列树模型及其自相关矩阵。最后,通过实例验证了异步并行装配序列方法的可行性与有效性。     

复杂产品并行拆解建模及规划方法研究

为提高复杂产品并行拆解的效率,提出了一种针对复杂产品的并行拆解建模及规划方法。通过构建拆解约束图确定零件之间的连接关系,利用传递闭包算法进行聚类分析,将产品分解为若干个组件的集合。提取组件与组件之间的连接零件集合,利用人工蜂群算法对连接零件集合以及每个组件分别进行拆解规划,从而得到复杂产品的并行拆解模型及规划序列。以摩托车发动机的并行拆解为例,对该方法进行了验证,结果表明该方法能有效地实现复杂产品的并行拆解,提高复杂产品的拆解并行度和拆解效率。     

基于改进免疫克隆选择的对等网络任务调度机制

由于对等网络的动态不确定性和任务调度本身的复杂性,使得任务调度过程中的节点搜索与负载平衡等问题很难得到有效解决。为此,应用统计的不确定性推理,从大量的节点空闲时间统计数据中寻找满足调度时间需求的空闲节点集合;同时,利用数学模型对空闲节点的动态性能参数进行拟合,再按性能高低求解出空闲节点的有序集合。在此基础上,通过改进的免疫克隆选择算法,将任务集合与空闲节点集合进行匹配来完成任务调度过程。实验结果表明,所提出的节点搜索策略能够比较准确地选择出符合任务调度要求的节点集合,同时根据所提出的节点与任务的匹配机制来处理关联任务的调度,能够有效地节省网络开销并缩短任务的完成时间。     

面向序列规划的装配工艺APS树模型生成的研究

分析了现有装配序列规划方法和装配序列表达模型的缺陷，提出了一种合理的装配工艺APS树模型，并用这种模型表达非线性的装配序列。利用产品功能结构树和零部件的信息，采用基于装配关系图分割的几何推理和基于规则的知识推理的方法来简化工艺子装配体的识别，以此生成装配结构树。然后，利用装配知识判定子装配体的装配优先约束关系，提高由装配结构树生成装配工艺APS树的效率。最后，基于装配结构树，通过不断添加数据节点和关系节点，自上而下分层规划，从而生成产品的装配工艺APS树。     

JTangWFR:一个高效可靠的流程推荐系统

传统的流程推荐技术无法支持包含循环结构的流程,其实用性受到极大限制,为此提出一种支持循环结构的流程推荐方法.该方法基于最大公共子图和最小公共超图的图匹配策略,对参考流程和流程模式的距离进行计算,根据计算结果选取候选节点集作为推荐结果.基于该方法,结合传统流程推荐技术,实现了JTangWFR原型系统.基于合成与真实数据集的系列试验结果表明,该系统不仅能够有效支持循环结构,还在推荐效率和准确度方面比以往方法有较大提升.     

面向竞争式众包的产品设计任务推荐方法

为了提高竞争式众包中任务匹配的准确率和效率，通过分析产品设计流程，提出一种考虑问题解决者能力和参与动机的双向推荐方法。该方法在基于内容推荐算法的基础上，首先构建了任务模型、问题解决者的能力模型和参与意愿模型；然后通过任务类别和问题解决者的技能标签匹配到对应的任务原始集和问题解决者原始集。在此基础上，对于匹配到的任务原始集，基于参与意愿模型将任务推荐给问题解决者，对于问题解决者原始集，基于能力模型和熵权法完成能力评价，按量化结果排序向问题提出者推荐问题解决者，从而完成设计任务与资源的精准匹配与双向推荐。通过实验表明，所提方法优于仅基于标签的推荐方法和基于标签的计算匹配分数的推荐算法，对解决众包设计中海量个性化需求的资源匹配问题有一定意义。     

基于故障行为的模型诊断方法

提出一种利用故障行为求解所有极小诊断的新方法,并结合带有终止节点的集合枚举树形式化地表达计算过程,逐步生成所有的极小诊断.该方法不用求解冲突集及冲突集的碰集,一次直接求出所有的极小诊断,避免了由于调用基于假设的真值维护系统时的组合爆炸而引起的NP-完全问题.在集合枚举树中添加了终止节点,从而避免了非极小诊断的产生,且不会因剪枝而丢失正确的解.实验结果表明,该算法程序容易编制,且效率较好,可以满足复杂的被诊断对象的实时性要求.     

基于几何推理有向图的装配序列规划

有向图是表示机械产品装配关系的有力结构,为减少有向图构造时的工作量,从拆装路径的空间可行性出发,提出了一种新的构造方法,从产品模型中提取装配关系矩阵并初始化有向图,建立层次化的结构,对产品中的零件进行路径规划,结合路径查找结果逐层填充节点,根据不同层次中节点的关系补充零件间的优先约束,从而生成相对完善的有向图。该方法基于CATIA二次开发自动进行几何推理,可用于存在复杂拆装路径的机械产品,具有良好的通用性。有向图拓扑排序生成的序列质量较高,运用粒子群算法对这些序列进行启发式搜索,相比传统方式缩小了搜索空间,能够更快找出较优的装配序列。     

面向复杂结构零件的逆向测量规划技术

提出了一种复杂结构零件的逆向测量规划技术.基于功能-结构的层次映射,研究了复杂结构零件的元特征解耦机理,提取基本测量单元.构建包含精度特性、特征复杂度等元特征属性的信息模型及包含测量精度等的测量方法信息模型.建立元特征和测量方法匹配评价影响因素集,研究特征属性的关系模型.在此基础上,通过定性评价和模糊定量评价两个步骤得到匹配优度量化值,实现了测量方法的定量化最优选择.然后,对分散的元特征进行组合,优化整个测量过程.最后,采用此方法对汽车发动机气缸盖进行了快速逆向测量,并重构了计算机辅助设计模型.实验结果表明,该方法可以提高复杂结构零件的逆向设计效率与质量.     

基于嵌套粒子群结构的复杂系统维修决策优化方法

针对复杂系统的多维修人员定期检修策略，考虑维修人员数量对系统维修成本及停机时间的影响，提出一种两层嵌套粒子群结构的复杂系统多目标维修决策优化方法。该方法利用底层粒子群算法求解维修任务排序的并行调度问题，得出检修节点的最小化最大维修时间，再通过顶层多目标粒子群算法，对系统可靠度、可用度及维修成本模型进行搜索优化，得到该三目标模型的Pareto前沿解集，并分析前沿粒子在三个目标的平衡关系，推荐出最优的维修方案，通过算例验证了该方法的可行性。所提方法在有效地提高系统可靠度和可用度、降低维修成本的同时，还可以为决策者对组件维修等级的确定、维修人员任务的分配等问题提供决策支持。     

生产过程质量评价模型的研究

应用经典的基于不可分辨关系的粗集理论对实际生产过程的监测数据进行处理、分析 ,并以此对生产过程质量进行评价时 ,无法解决待处理数据中某些属性定义域存在的优先关系和系统数据某种程度的缺失。针对该问题 ,提出了基于相似—优先关系的粗集扩展模型 ,通过相似—优先关系综合处理数据的不完整性和属性数据间的优先关系 ,改进的粗集模型不仅允许从原始的不完整数据表中直接进行数据处理和规则挖掘 ,而且规则的获取具有更大的灵活性 ,同时规则更易理解、更具归纳性。