ارائه روشی بهینه برای بالانس فرآیندها در فرآیندکاوی با استفاده از یادگیری تقویتی abstract
فرآیندکاوی تقریبا یک اصل جدید تحقیق است که بین هوش محاسباتی و داده کاوی از یک طرف و پروسه مدل سازی و تجزیه تحلیل از طرف دیگر قرار دارد. امروزه نوآوری در محاسبات و ارتباطات عامل اصلی تغییر در فرآیندهای کسب وکار می باشد؛ بنابراین فرآیندهای کسب وکار پیچیده تر شده است و به شدت به سیستم های اطلاعاتی متکی هستند؛ بنابراین مدل سازی فرآیند اهمیت زیادی دارد. نمونه های فرآیند به مدیریت پیچیدگی با ارائه بینش و مستندسازی روش کمک می کند. در نتیجه مدل های فرآیند به طور گسترده ای در سازمان های امروزی استفاده می شوند. فرآیند کاوی برای کشف مدل بر اساس حقایق اجازه می دهد. کشف فرآیند یکی از چالش برانگیزترین وظایف فرآیند کاوی است. بر اساس
گزارش وقایع مدل فرآیند در نتیجه رفتار مشاهده شده در واقعه ساخته می شود. در این مقاله به بحث در مورد چالش های موجود در الگوریتم های کشف فرآیند مثلا
آلفا الگوریتم و همچنین
ژنتیک الگوریتم پرداختیم. پس از بررسی چالش ها در صدد رفع چالش ها و یا کمتر کردن آن ها برآمدیم که در این مقاله با استفاده از یادگیری تقویتی به این امر پرداختیم. در ابتدا چالش های موجود در الگوریتم های کشف فرآیند و همچنین
آلفا الگوریتم را پیداکرده و در نتایج شبیه سازی به برطرف کردن چالش ها پرداختیم. مثلا وجود مواردی با تعداد تکرار کم و پرش و همچنین وجود حلقه و مواردی از این قبیل به عنوان چالش بودند که به برطرف کردن این موارد با استفاده از یادگیر تقویتی پرداختیم و با از بین بردن هر یک از چالش ها دیدیم که ضریب شایستگی ما به میزان قابل توجهی افزایش یافت.