分层声明式建模与细化及子流程相关技术探索

### 分层声明式建模与细化及子流程相关技术探索 #### 1. Hi - DCR 图原型工具实现 为了进行实验，开发了一个用于处理 Hi - DCR 图的原型工具。该工具具备以下特点： - **功能特点**： - 拥有一个模拟引擎，能够执行转换操作，还能使用无约束组合（定义 4.8）和细化（定义 4.9）进行动态重新配置。 - 对于有限状态图，工具可以执行基本的模型检查任务，例如查找导致死锁、终止、接受的路径，或者判断某个事件是否被启用。 - **输入方式**：在其他部分以图形方式展示 DCR 图，而该工具采用文本表示作为输入。例如，对于图 6，其等效的文本表示如下： ``` "Other review" 1 "Lawyer review" 2 -->* "Review report" 3 -->* ("Accept" "Reject") 4 -->% !"Decision" 5 "Decision" -->* "Decision" 6 ("Accept" "Reject") -->% "Decision" 7 ("Accept" "Reject") 8 *--> "Update report" 9 10 /("Other review" "Lawyer review" 11 "Review report" 12 "Accept" "Reject" "Decision") 13 ``` - **事件类型说明**：默认情况下，所有事件都是接口事件；本地事件通过在其前面加上斜杠‘/’来指定（第 11 - 13 行）。事件还可以前缀‘+’、‘%’和‘!’（第 5 行），分别表示它们最初是包含、排除或待处理的。为了方便，该语言允许事件和关系的链式组合（第 2 - 5 行）以及关联多个事物（第 7 行）。 - **图形生成**：工具使用 Graphviz 自动生成图表，本文中的所有图表都是这样生成的。 - **实现语言与平台**：该工具用 F# 实现，可在主要平台上运行，其可执行文件和源代码可在 [4] 找到。 #### 2. 声明式流程挖掘相关技术 ##### 2.1 流程发现概述 流程发现是业务流程管理的重要初始步骤，旨在得到被调查流程的现状模型。由于这一步既困难又耗时，因此提出了各种技术来从事件日志中自动发现流程模型。这些日志数据通常由支持部分或整个流程的信息系统生成，结果通常以 Petri 网或类似的流程图形式呈现，这种自动发现被称为流程挖掘。 虽然流程挖掘已被证明对结构化和标准化流程是一种强大的技术，但对于高可变性流程的有效挖掘仍存在持续的争论。一种解决方法是生成声明式流程模型，它展示行为的约束而不是可用的执行序列，结果模型通常用 Declare 等语言表示。在很多情况下，声明式模型能以紧凑的方式表示复杂、非结构化的行为，避免了类似意大利面条式的 Petri 网那样的复杂性。然而，像“如果你做 a，最终你将做 b 或 c”这样的简单分支语句，在 Declare 模型中难以挖掘。 ##### 2.2 Declare 语言基础 - **语言定义**：Declare 是一种常用的声明式语言，由 Pesic 和 van der Aalst 引入。它不明确指定事件的顺序，而是由一组应用于活动的约束组成。这些约束基于模板，模板定义了参数化的属性类。模板有图形表示，其语义可以用形式逻辑（主要是有限迹上的线性时态逻辑 LTLf）形式化。 - **重要模板说明**： | 模板 | 形式化表示 | 图形符号 | 自然语言描述 | | --- | --- | --- | --- | | RespondedExis