一種基于知識樹和約束的柔性活動動態細化方法

蔣艷榮,李衛華,楊勁濤

(廣東工業大學 計算機學院, 廣東 廣州 510006)

一種基于知識樹和約束的柔性活動動態細化方法

蔣艷榮,李衛華,楊勁濤

(廣東工業大學 計算機學院, 廣東 廣州 510006)

柔性工作流在應對業務建模過程中的動態不確定因素、提高工作流系統的柔性具有巨大的優勢,然而,柔性活動的動態細化一直是柔性工作流建模和應用的一個難點。因此,提出一種基于知識樹和約束的柔性活動動態細化方法。該方法以知識樹的包含和泛化關系作為啟發信息,以活動選取約束和時序約束作為指導和校驗,實現柔性活動的動態細化。在介紹了知識樹及其蘊含關系以及活動選取約束和時序約束規則的基礎上,給出了柔性活動的動態細化算法,描述了活動選取校驗和時序約束校驗算法。最后給出了算法的實現和實例分析,其結果表明了所提方法的有效性,能夠很好地解決柔性活動的細化問題。

柔性工作流; 動態細化; 時序約束; 工作流生成; 過程建模

近年來,隨著人工智能、自動控制等技術的發展,工作流在很多領域獲得了廣泛的應用。然而,傳統工作流建模和實施的剛硬性限制了工作流應用的成功,其靜態、無柔性的流程描述無法適應動態、復雜的業務過程。隨著工作流應用領域的不斷拓寬,這種復雜性不斷加大,表現在業務過程中存在大量的不確定、模糊和不完整的流程信息,但是在工作流的建模階段,卻無法涵蓋所有的不確定因素。這對工作流的建模和應用帶來巨大的困難。因此,如何針對業務過程具有的動態性和模糊性,提高工作流的柔性,成為工作流研究領域的一個熱點問題[1-2]。

動態細化是提高工作流柔性、應對不確定性的一種有效方法[1]。其基本思想是: 在流程實例運行之前,先對業務流程的已知部分進行建模,建立流程模型的整體框架,而不需要精確、完整地定義流程模型的每一個細節。對不清楚的局部細節可以用“黑箱”活動來描述[3-5],然后隨著業務工作的展開和對具體問題認識的不斷深入,在過程運行中動態細化流程模型,以提高流程模型的柔性。因此,動態細化成為提高業務過程柔性的關鍵,其本質是將過程中不確定的、模糊的區域進行逐步細化,用一種更明確、更細尺度的活動或子流程去進行代替。該不確定的區域在很多文獻中被封裝為柔性活動或占位符等。例如,S. Sadiq(2001)等[3]采用柔性區(pocket of flexiblity)來提高工作流的柔性,并為柔性區提供實例模版,支持多種控制結構。鄧水光等[6]將過程中的不確定因素用“flexible activity”表示,用ECA規則表示活動之間的邏輯關系。

現有的研究工作在動態細化方面取得了較多的進展。文獻[7]采用柔性活動對不確定因素進行封裝,然后對柔性活動進行縱向分解,生成不同抽象水平的活動,從而提出一種支持柔性活動樹狀分解和增量細化的柔性工作流建模方法。Joonsoo Bae[8]提出了一種樹形的過程模型的表示,采用ECA規則表示活動關系,并用存儲過程實現了ECA規則。其缺點是,為每個ECA規則創建一個對應的存儲過程并管理活動的狀態,是一個耗時和成本高昂的事情。Y. Gil[9]采用工作流來實現計算實驗的設計過程,將其功能實現逐步細化為組件選擇、數據集選擇和參數選擇3個步驟,其缺點在于其建模過程的柔性不夠,其建模和細化方法難以借鑒到其他應用領域,同時需要提供完備的組件庫。S.A.Chun等[10]在實現跨組織的工作流子流程自動生成的過程中,采用政府組織的本體樹來幫助生成子流程,其缺點是生成的子流程控制結構比較簡單,難以適應復雜流程結構的生成。同時適應面較窄,本體的建立和合理利用也比較困難。Shepelev[11]針對計算機輔助VLSI的設計領域,提出一種基于任務計劃的圖形邏輯表達的工作流自動生成方法。

上述研究工作,雖然在提高工作流建模的柔性和柔性活動細化上取得了較多的進展,但是存在如下不足:1) 在工作流建模和細化時,未能充分考慮到工作流的應用背景,如動態因素和不確定因素多,需要滿足一定的約束條件等特點,而這對于柔性建模和活動細化非常重要;2) 一些工作側重于某個特定領域的工作流自動生成,在通用性方面存在不足;或者過于強調靈活性,試圖從頭開始創建工作流,這非常依賴于模型設計者的技能和特殊知識,而沒有充分利用領域知識來指導實現動態細化;3)現有的柔性活動細化的研究還不夠,特別是考慮到約束條件等因素影響的細化研究還比較缺乏。

因此,本文提出一種基于知識樹和約束的柔性活動細化方法,知識樹可以為柔性活動的細化過程提供指導,而相關的約束規則可以為細化過程提供活動選擇、活動時序關系的校驗。

1 柔性工作流的建模

定義1 柔性活動是一種特殊的活動類型,在建模階段由于存在模糊和不確定的因素,而無法事先給出完整和明確的活動定義,需要獲取更多和更完全的信息以將柔性元素逐步明確化。柔性活動可用一個多元組表示:FA=(Id, name, Ctx, FAP, FAR, FAC, Role, Rdata, Attr),其中Id為柔性活動的唯一標識;name為柔性活動的名稱;Ctx為柔性活動的應用上下文,包括該柔性活動需要達成的目標和完成的功能,以及應用場景等; FAP=Aatom∪Acomp∪Aflex為柔性活動的活動池,分別由原子活動集、復合活動集合柔性活動集組成。也就是說,柔性活動可以由原子活動、復合活動和其他柔性活動構成。Role是活動執行者對應的角色; Rdata是與此活動相關的工作流相關數據,包括輸入數據和輸出數據。Attr為活動具有的屬性集。

FAR=FR∪CR為描述活動池中活動關系的規則集,可以為空。其中FR為柔性規則集,CR為普通規則集,采用ECA規則形式表示。FAC=C∪M為柔性活動的約束規則集,其目的是用于柔性活動細化過程中的活動選擇、活動時序關系的校驗和生成子流圖的正確性驗證,以保證細化結果的正確。采用一元或二元謂詞、預設的操作集和規則進行表達,在柔性活動的細化過程中,生成的子流程必須滿足該約束條件的規定。其中,C為約束規則集,用于約束活動的選取、活動的組合、活動之間的時序關系、活動的屬性等;M為修正規則集,用于對生成的流程進行修改。

定義2 柔性工作流。柔性工作流是一個四元組,FWF = (ID,D,A,E),其中ID為柔性工作流的唯一標識符,D為柔性工作流的一般描述信息,如工作流的版本號,流程的創建日期等,D=(Version, Date, Desciption, …);A為流程中的活動集合,A=Aatom∪Acomp∪Aflex;E表示工作流中規則的集合,用ECA規則表示,用來描述活動之間的時序關系。

該模型采用柔性活動封裝流程中的不確定的、模糊的因素,采用原子活動和復合活動描述具有不同抽象度的流程元素,可以快速建立流程模型,并隨著領域知識的后續獲取和分析的逐步深入,對柔性活動進行明確化和細化,以減低復雜領域的工作流建模難度,提高模型的穩健性和易用性。

2 細化算法

2.1 知識樹及與流程模板的影射

在領域知識表示中,可以用不同粒度大小的知識點來表示不同的知識單元。而知識點不是孤立存在的,它們之間存在著各種關系,考察這些關系對于工作流的生成具有促進作用。

定義3 知識點。知識點可以表示為一個多元組:K=(ID, name, des, KWS), 其中ID為知識點的唯一編號,name為知識點的名稱,des為知識點的描述,包括該知識點的定義、闡述等,來源于領域知識;KWS為知識的關鍵詞集,是對該知識點的高度概括。

定義4 包含關系。表示知識點Kj與Ki之間存在整體與部分的關系,記為a(Ki,Kj),表示Kj包含Ki。知識點可以被分解為幾個滿足包含關系的知識點,依次類推,一直到不能分解為此。

定義5 泛化關系。泛化關系可以定義為一般與特殊的關系,記為g(Ki,Kj), 表示知識點Ki是Kj的特殊情況,Kj與Ki滿足一般與特殊的關系。例如,面向對象設計、基于結構化的設計和面向過程的設計等是軟件設計的特殊情況,是軟件設計在面對不同領域的具體應用。

定義6 父子關系。若對任意的兩個知識點x,y,滿足a(x,y)或g(x,y)成立,則稱知識點y和x滿足父子關系,x為y的子知識點,記為s(x,y)。 顯然,這種關系具有單反性、傳遞性。

定義7 知識樹。對一個知識點A自頂向下地進行逐步分解,則最終可得到一棵根節點為A的樹,我們稱其為知識樹,記為T(A)。樹中的孩子節點是雙親節點的子知識點,滿足包含或泛化關系。當樹中所有的知識點都不能分解時,則分解過程結束。

顯然,可以用知識樹表示不同的領域知識。這種知識表達具有直觀、易于理解和易于建立的特點,可以由領域專家進行構建,而不需要建模和開發的專業知識。圖1為一棵關于軟件開發過程的知識樹,其中包含了包含關系和泛化關系。

圖1 軟件開發的知識樹Fig.1 Knowledge tree for software development

針對某一個領域的知識樹數目比較多,則構成了一個知識樹森林。那么在建立了領域知識的知識樹之后,為了用于指導流程建模和柔性工作流細化,需要將流程模板與知識樹的知識點之間進行關聯,即為流程模板與知識樹的映射。流程模板庫的建立需要全體設計人員在設計過程中共同構建。需要注意的是,流程模板可以全部由定義完全的子活動或復合活動構成,也可以在流程中包含子柔性活動。

映射的步驟可描述為:1)根據知識點的名稱,在流程模板庫中進行搜索,得到屬性相同的流程模板集合;2) 考察集合中的每個流程模板的適用條件,得到各模板的適用性并進行排序;3) 若集合只有一個流程模板,則返回該模板,否則返回適用性最高的流程模板。

2.2 約束規則

柔性工作流的細化過程,其實質為柔性活動逐步細化和確定化的過程。在此過程中,需要將一些模糊的、抽象的需求進行具體化,將粗粒度的元素轉換為細粒度的元素。顯然,該細化過程需要遵循某些特定的約束和規則,滿足該活動定義的初始意圖。例如,在工作流的設計階段,用Ctx參數規定了柔性活動需要達成的目標和完成的功能,以及應用的條件等。那么在確定化該柔性活動時,需要滿足所設目標或功能的約束要求。在細節上,需要根據選取規則從系統提供的活動庫中選取合適的活動,并用時序規則約束活動之間的時序關系。具體討論如下。

1) 活動選取規則

用于約束活動的選取。用謂詞select()表示活動的選取, 可以用邏輯運算符進行連接,分如下情況: 1)select(a)表示選取活動a; 2)NOT select(a)表示不能選取活動a; 3) select(a) AND select(b) AND…表示同時選取活動a,b,…; 4) select(a) OR select(b) OR…表示選擇活動a,b,…中的任意活動。在這里,邏輯運算符的優先性滿足:NOT>AND>OR。

用產生式規則對活動選取的邏輯約束進行規定,形式如下:

IF〈context(1)〉AND〈context(2)〉 …

AND〈context(n)〉THEN〈selections〉

(1)

式中：context為與工作流相關的上下文環境,可以是當前的上下文事實,如“the calculus type is staghorn”,也可以是對某個活動的選取或未選取情況。selections為一個或多個活動的選取邏輯,如select(a) AND NOT select(b)。以上表達可以簡寫為C1∧C2∧…Cn→S, whereCimeans 〈context(i)〉 andSmeans selections。 規則的前題和結論可以為多個item的合取范式。對于多個context組成的析取范式,如(C11∧C12∧…)∨(C21∧C22∧…)∨…則拆分為由簡單的合取范式前提組成的多個規則如下:

(2)

2) 活動的時序約束規則

用于約束活動之間的時序關系。① 用Previous(x,y)表示活動x在活動y之前執行(中間可以插入其他活動); ② ImtPrevious(x,y)表示活動x在y之前執行,且x是y的直接前驅(中間沒有其他活動);③ AndSyn (x,y)表示活動x與y為并行執行關系(AND-split/AND-join),必須要在x與y兩者執行完之后才能執行下一活動;④ OrSyn(x,y) 表示活動x與y為選擇執行關系(OR-split/OR-join),在執行時,根據上下文在x與y兩者選擇其一執行,x與y任意一個執行完可以觸發后續活動的運行; ⑤ NotLimit(x,y) 表示活動x與y的執行次序隨意,活動x可以在y之前執行,也可以在y之后執行。

可以用規則描述活動之間復雜的時序約束,規則的形式如下: IF selectOp(x1) AND selectOp(x2) AND selectOp(xi) AND …。AND selectOp(xn) THEN temporalCons1 AND temporalCons2AND…temporalConsn。 這里,selectOp 表示select() 或NOT select(), temporalCons 表示這5個時序約束。

以下為一個時序約束的規則實例:

IF select(a) AND select(b) THEN Previous(a,b), 如果選擇了活動a和b,則活動a必須要在b之前執行。

一般情況下,規則的前件都是對涉及到的活動的選取情況進行判斷,即很少有NOT的情況,此時前件可以忽略,則規則可以轉換為時序約束集:{Previous(a,b), AndSyn(c,d), …}。

3)屬性約束規則

包括時間約束規則、地點約束規則等,用于對活動屬性的約束。如對活動的時間屬性進行約束:“活動a的持續時間不能大于3天”、“活動b在活動a結束后的3 hour內必須開始”等。

顯然,邏輯運算符的引入可以實現復雜的約束邏輯,以適應復雜多變的建模需求。那么通過對模糊信息的封裝,在較大粒度的層面快速建立起流程模型之后,通過對柔性活動約束條件的設定,可以作為啟發信息用于柔性活動的細化和確保創建的工作流的正確性。

2.3 柔性活動的動態細化算法

柔性活動的細化算法FlexActRefining()如圖2所示。

圖2 柔性活動細化算法FlexActRefiningFig.2 Refinement algorithm for flexible activity

在細化過程中,利用知識樹中知識點之間的關系作為啟發信息用于輔助生成子流圖,用柔性活動的約束規則(包括活動選取約束、時序關系約束等)對細化后的子流程進行驗證,其主要步驟如下:

1) 根據柔性活動的目標,在知識樹中查找匹配的節點。對該節點映射的流程模板進行分析:若存在完善的流程模板,則選擇匹配最佳的流程模板返回;否則轉2)。

2)分析該節點與子節點的關系。若不存在子節點,則如果存在對應的約束關系,用約束關系生成流程并返回,否則出錯返回。如果存在子節點,則根據如下規則將父節點的實現轉換為子節點的實現,生成細化的子流圖。①若存在明確的時序關系規定,則按照時序關系的要求去生成細化的子流圖;② 若該節點與子節點的關系為包含關系,則按照AND或順序結構生成子流圖;③ 若該節點與子節點的關系為泛化關系,則按照OR結構生成子流圖;④ 其他情況則按照順序結構生成子流圖。

3)依據約束規則,對生成的子流圖進行校驗。分別調用函數ActSelValid()對活動選取進行校驗,調用TemporalCons( )對活動的時序約束進行校驗。若沒有通過校驗,則出錯返回。

4) 檢查生成的子流圖是否存在子柔性活動。若不存在,則返回生成的子流圖,算法結束。否則,對每一個子柔性活動,轉算法的步驟1)。

3 校驗算法

對生成的子流程通常存在著合法性檢驗問題。一個子流圖只有符合柔性活動的設計目標和功能,滿足其預先定義的約束條件,才能被認為是合法的和有效的。另外,子流圖在流程結構上必須要定義良好,例如不存在孤立不可到達的活動、不存在死循環等,對此可以采用拓撲排序進行檢查。下面從以上幾個方面對柔性活動細化后生成的子流圖的合法性進行檢驗,其中, ActSelValid ()是活動選取規則檢驗算法, TemporalCons( )是活動時序約束檢驗算法。

設選取的活動組成的集合為A,A={a1,a2, …,an}, 選擇約束sc可以分解為左部Lpart和右部Rpart, Lpart由上下文事實和活動選擇的操作組成,Rpart為操作的邏輯表達式。如Lpart=con1AND con2OR…AND conn, coni=ctxi| opi, ctx為上下文事實,如“calculus。diameter≤20 mm”,op = select() | NOT select()。 在算法ActSelValid()中,Ei代表true or false。 算法 1 ActSelValid ( )

輸入 activity setA, activity selection constraintsSC.

輸出 return true if valid, false if not valid

{

for each selection constraintsciinSC{

decomposesciinto Lpart and Rpart;

for each coniin Lpart {

if coniis “NOT select(a)”

ifaAthen coni= false;

else coni= true;

if coniis “select(a)”

ifaAthen coni= true;

else coni= false;

if coniisctx

check if there exist factfaciand coni=faci

coni= true;

else coni= false;

}

while Lpart is not a single “true” or “false”{

if there exist “E1 AND…AND En” in Lpart{

if there exist a “false” in sub-expression

replace sub-expression with “false”;

else replace it with “true”;

}

if there exist “E1 OR…OR En” in Lpart{

if there exist a “true” in sub-expression

replace the sub-expression with “true”;

else replace it with “false”;

}

} // end while

if Lpart is true then{// rulesciis triggered.

for each opiin Rpart {

if opiis “NOT select(a)”

ifaAthen opi= false;

else opi= true;

if opiis “select(a)”

ifaAthen opi= true;

else opi= false;

}//end for

while Rpart is not a single “true” or “false”{

if there exist “E1AND…En” in Rpart{

if there exist a “false” in sub-expression

replace sub-expression with “false”;

else replace it with “true”;

}

if there exist “E1OR…En” in Rpart{

if there exist a “true” in sub-expression

replace sub-expression with “true”;

else replace it with “false”;

}

} // end while

if Rpart is “false” then{

report the information of error to user;

return false; //quit

}

} // end of the deal of Rpart

}// end of the deal ofsci

return true;

TemporalCons( )是活動時序約束檢驗算法,其中A為活動集,TC為時序約束集。算法首先檢查時序約束tc涉及的活動是否存在于活動集A中,如果不存在,則返回false. 時序約束規則tc可以分解出由時序約束組成的操作集Rpart,然后對其中每個約束進行檢查,對不滿足約束的情況進行出錯報告,并返回false.

算法二 TemporalCons( )

輸入 activity setA, activity temporal constraints TC.

輸出 return true if valid, false if not valid

{

for each temporal constraint tciin TC {

decompose tciinto Lpart and Rpart;

if activities referred by Lpart are all in setA{

for each opiin Rpart{

if opiis “Previous(a,b)”{

if there is no path fromatob{

mark the error place;

return false;

}

}

if opiis “ImtPrevious (a,b)”{

if there is not any edge 〈a,b〉 then{

mark the error place;

return false;

}

}

if opiis “AndSyn (a,b)”{

if there exists a common predecessorAs

and successorAeforaandbthen{

if satisfy Previous(As,a) and

Previous(As,b) and Previous(a,Ae)

and Previous(b,Ae) and there exist no

path fromatoborbtoathen{

return true;

}

}

return false;

}

if opiis “OrSyn(a,b)”{

if there exists a common predecessorAs

and successorAeforaandbthen{

if satisfy either (Previous(As,a) and

Previous(a,Ae)) or (Previous(As,b)

andPrevious(b,Ae)) andaandb

can not run at the same time then{

return true;

}

}

return false;

}

if opiis NotLimit (a,b){

if there is no path fromatobor frombtoa{

mark the error place;

return false;

}

} //end of the deal for each opi

} //end if

} //end of the deal of each tci

return true;

4 實現及實例分析

為了驗證所提方法的有效性,我們在一臺高性能PC機上實現以上算法.開發的硬件環境:Intel E5200 CPU, 2G DDR, 250G HD,開發平臺:JDK1.7+MyEclipse2014, 工作流引擎采用Activiti 5.18.0,數據庫采用MySQL 5.1.37。采用Hibernate實現領域知識樹的知識查詢與管理。

下面我們以圖1所示的知識樹為例,來驗證本文所提方法的有效性和正確性。某軟件開發過程的主流程如圖3所示,其中的“需求分析”和“測試”為未定義的柔性活動,用Activiti的call activity類型的活動來表示。當工作流執行到活動“項目人員確定”時,由于后續的柔性活動“需求分析”未定義,因此柔性活動細化算法FlexActRefining()被激活。該算法首先在領域知識樹中進行查找,通過對活動目標的匹配,找到對應的知識點“需求分析”,獲取其3個滿足泛化關系的子知識點,即“面向對象需求分析”、“結構化需求分析”和“模塊化需求分析”,并生成一個OR結構。根據上下文及約束條件,“面向對象需求分析”分支被選擇執行。因此,其對應的流程模板被實例化后通過Activiti工作流引擎部署到其流程定義數據表和部署表中,并開始執行該流程。當工作流執行完之后,返回主流程執行剩下的活動。

圖3 軟件開發過程的主流程Fig.3 Main flowchart of a software development process

同樣的,在工作流執行到“編碼”活動時,算法FlexActRefining()被激活以細化后續的柔性活動“測試”。查詢知識樹可得知,其存在對應的流程測試模板,并根據“測試”活動的3個滿足包含關系的子知識“單元測試”、“綜合測試”和“系統測試”,細化生成流程模板中的“各類型測試”活動。依據其約束關系,采用順序結構生成其時序關系,得到子流程: “單元測試”→“綜合測試”→“系統測試”,并部署到工作流引擎進行執行。整個過程可以用圖4表示,細化之后的流程圖見圖5所示。

圖4 軟件開發過程的動態細化方法示意圖Fig.4 Illustration of dynamic refinement for a software development process

圖5 細化之后的流程圖Fig.5 Process model after refinement

5 結束語

柔性活動的動態細化一直是柔性工作流建模的一個關鍵問題和難點。其細化過程需要遵循縱向的知識關聯關系和活動選取、時序關系的約束。因此,本文提出一種基于知識樹和約束的柔性活動動態細化方法,給出了知識樹和約束規則的定義,詳細討論了柔性活動細化的步驟,描述了活動選取校驗的算法,以及根據時序約束對生成的子流圖進行校驗的算法細節。

由于Activiti支持對流程模型的動態生成和修改,因此在Activiti工作流環境中對以上算法進行了實現和實例分析。其結果表明,該方法能夠根據知識樹和約束動態地生成對應的子流程,并部署到Activiti的工作流數據庫中進行執行。所生成的bpmn流程文件可以作為該柔性活動的細化結果,在主流程模型中對其進行替換。實驗驗證了本文方法的有效性。下一步工作將考慮結合上下文計算提高工作流的柔性和過程感知性,進一步完善柔性活動的細化方法。

[1]李競杰, 王維平, 楊峰. 柔性工作流理論方法綜述[J]. 計算機集成制造系統, 2010, 16(8): 1569-1577. LI Jingjie, WANG Weiping, YANG Feng. Review on approaches of flexible workflow[J]. Computer integrated manufacturing systems, 2010, 16(8): 1569-1577.

[2]周建濤, 史美林, 葉新銘. 柔性工作流技術研究的現狀與趨勢[J]. 計算機集成制造系統, 2005, 11(11): 1501-1510. ZHOU Jiantao, SHI Meilin, YE Xinming. State of arts & trends on flexible workflow technology[J]. Computer integrated manufacturing systems, 2005, 11(11): 1501-1510.

[3]SADIQ S, SADIQ W, ORLOWSKA M. Pockets of flexibility in workflow specification[C]//Proceedings of the 20th International Conference on Conceptual Modeling. Berlin, Germany: Springer, 2001: 513-526.

[4]VAN ELST L, ASCHOFF F R, BERNARDI A, et al. Weakly-structured workflows for knowledge-intensive tasks: an experimental evaluation[C]//Proceedings of the Twelfth International Workshop on Enabling Technologies: Infrastructure for Collaborative Enterprises. Linz, Austria: IEEE, 2003: 340-345.

[5]ADAMS M, TER HOFSTEDE A H M, EDMOND D, et al. Worklets: a service-oriented implementation of dynamic flexibility in workflows[M]//MEERSMAN R, TARI Z. On the Move to Meaningful Internet Systems 2006: CoopIS, DOA, GADA, and ODBASE. Berlin Heidelberg: Springer, 2006: 291-308.

[6]鄧水光, 吳朝暉, 俞鎮. 支持動態建模的工作流管理系統的研究與設計[J]. 計算機輔助設計與圖形學學報, 2004, 16(5): 712-718. DENG Shuiguang, WU Chaohui, YU Zhen. Flexible workflow model based on ECA joined with activity[J]. Journal of computer-aided design & computer graphics, 2004, 16(5): 712-718.

[7]JIANG Yanrong, LI Weihua, YANG Jingtao. An incremental approach to modeling flexible workflows using activity decomposition and gradual refinement[J]. Journal of software, 2014, 9(10): 2628-2637.

[8]BAE J, BAE H, KANG S H, et al. Automatic control of workflow processes using ECA rules[J]. IEEE transactions on knowledge and data engineering, 2004, 16(8): 1010-1023.

[9]GIL Y, RATNAKAR V, KIM J, et al. Wings: intelligent workflow-based design of computational experiments[J]. IEEE intelligent systems, 2011, 26(1): 62-72.

[10]CHUN S A, ATLURI V, ADAM N R. Domain knowledge-based automatic workflow generation[C]//Proceedings of the 13th International Conference on Database and Expert Systems Applications. Berlin, Germany: Springer-Verlag, 2002: 81-93.

[11]SHEPELEV V A, DIRECTOR S W. Automatic workflow generation[C]//Proceedings of the EURO-DAC '96, European Design Automation Conference. Geneva, Switzerland: IEEE, 1996: 104-109.

蔣艷榮,男,1976年生,講師,博士,主要研究方向為機器智能、上下文感知計算、智能交互。發表學術論文20余篇,其中被SCI檢索8篇、EI/ISTP檢索10余篇。

李衛華,女,1957年生,教授,博士,主要研究方向為智能軟件、網絡信息系統、面向Agent計算。發表學術論文40余篇,出版著作多部。

楊勁濤,男,1971年生,博士,主要研究方向為Web服務計算、模式識別、醫學圖像處理技術,發表學術論文20余篇。

A dynamic refinement approach for flexible activitybased on knowledge tree and constraints

JIANG Yanrong, LI Weihua, YANG Jintao

(School of Computer, Guangdong University of Technology, Guangzhou 510006, China)

Flexible workflow systems offer huge advantages in addressing dynamic uncertain factors during the modeling period; however, the dynamic refinement of flexible activities remains a challenge in the modeling and application of flexible workflows. Therefore, we propose a dynamic refinement approach of flexible activities based on a knowledge tree and various constraints. More specifically, we used the inclusion and generalization relationships of knowledge trees as heuristic information; further, we used activity selection constraints and temporal constraints to guide our verification processes. Given the introduction of a knowledge tree and its containing relationships, as well as activity selection constraint and temporal constraint rules, we provide a dynamic refinement algorithm and an algorithm for activity selection checkout and temporal constraint checkup. Finally, we provide a realization of our algorithms and offer case analyses. Our results show that our proposed algorithms are effective and can solve the problem of dynamic refinement of flexible activities quite well.

flexible workflow; dynamic refinement; temporal constraints; workflow generation; process modeling

2016-03-06.

日期：2017-02-20.

國家自然科學基金項目(61142012); 廣東省科技計劃項目(2015B010128005, 2013B021800115).

蔣艷榮. E-mail：yrjiang@gdut.edu.cn.

10.11992/tis.201603009

http://www.cnki.net/kcms/detail/23.1538.tp.20170220.1009.006.html

TP391

A

1673-4785(2017)02-0158-08

蔣艷榮,李衛華,楊勁濤. 一種基于知識樹和約束的柔性活動動態細化方法[J]. 智能系統學報， 2017, 12(2): 158-165.

英文引用格式：JIANG Yanrong, LI Weihua, YANG Jintao. A dynamic refinement approach for flexible activity based on knowledge tree and constraints[J]. CAAI transactions on intelligent systems, 2017, 12(2): 158-165.