[go: up one dir, main page]

CN109685453B - 智能识别工作流有效路径的方法 - Google Patents

智能识别工作流有效路径的方法 Download PDF

Info

Publication number
CN109685453B
CN109685453B CN201811493222.6A CN201811493222A CN109685453B CN 109685453 B CN109685453 B CN 109685453B CN 201811493222 A CN201811493222 A CN 201811493222A CN 109685453 B CN109685453 B CN 109685453B
Authority
CN
China
Prior art keywords
parameter
path
condition
queue
workflow
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811493222.6A
Other languages
English (en)
Other versions
CN109685453A (zh
Inventor
代恩
张耀方
肖晗
童鑫麟
殷俊
王蔚
黎祥
陈夕珩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CCCC Second Highway Consultants Co Ltd
Original Assignee
CCCC Second Highway Consultants Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CCCC Second Highway Consultants Co Ltd filed Critical CCCC Second Highway Consultants Co Ltd
Priority to CN201811493222.6A priority Critical patent/CN109685453B/zh
Publication of CN109685453A publication Critical patent/CN109685453A/zh
Application granted granted Critical
Publication of CN109685453B publication Critical patent/CN109685453B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及的技术领域，具体涉及一种智能识别工作流有效路径的方法。遍历工作流，读取所述工作流中所有路径；取每条路径上各节点间的参数条件的交集，作为路径条件；拆分各个所述路径条件，得到多个参数条件；分解参数条件，得到特征信息，根据特征信息计算出因子参数的测试值；将得到的测试值进行笛卡尔积运算，得到工作流关键值集合；将各关键值依次替换至路径条件中，并计算替换后的路径条件，如果一组关键值代入各条路径条件计算后的结果仅有一条路径为true，则判断该路径为有效路径。在寻径过程中，无需将每两个节点间的连接都做一次判断，只需判断整条路径是否通畅，能够适应复杂多径工作流有效路径选择。

Description

智能识别工作流有效路径的方法
技术领域
本发明涉及的技术领域，具体涉及一种智能识别工作流有效路径的方法。
背景技术
工作流就是工作流程的计算模型，将工作流程中的工作节点，采用不同逻辑规则在计算机中使用适当的模型进行显示并对其实施计算。工作流建模把实际工作过程中的业务流程抽象化，建立计算机可识别处理的信息模型，实现业务流程的自动化流转过程，使得文档、信息或任务能够在不同的执行者之间进行传递与执行。有效路径是工作流节点序列，该序列具有正确性、完整性、可执行性及可靠性。
企业信息管理系统会涉及到工作流设计与应用。工作流程在企业信息管理系统中的应用又遵循着相关的管理规则，同一工作流签批节点有多种组合序列。在多个组合序列中根据业务逻辑判断只有一部分是有效路径。
目前大多数信息系统采用的是在某个签批节点中采用if/else或switch/case来判断签批转向，签批转向条件都固化在程序中，使工作流寻径方法中嵌套过多的条件判断，加重程序代码量，降低程序易读性，影响程序的执行效率，而且准确率较低，易出错，要依靠人工判断工作流路径的完整性与准确性，不能适应业务的经常变化，维护起来较为困难。且如果遇到较为复杂的工作流，一旦流程分支有所调整，那么在已有流程设计的基础上进行修改的工作量有可能大于按照新流程重新设计的工作量。
发明内容
本发明的目的就是针对现有技术的缺陷，提供一种能够适应复杂多径工作流有效路径选择、逻辑简单、寻径准确的智能识别工作流有效路径的方法。
本发明一种智能识别工作流有效路径的方法，其技术方案为，包括：
遍历工作流，读取所述工作流中所有路径；
取每条路径上各节点间的参数条件的交集，作为路径条件；
拆分各个所述路径条件，得到多个参数条件；
分解所述参数条件，得到包含因子参数的参数名在内的多个特征信息，根据所述特征信息计算出因子参数的测试值；
将得到的各因子参数的所述测试值进行笛卡尔积运算，得到工作流关键值集合；
将所述工作流关键值集合中的各关键值依次替换至路径条件中，并计算替换后的路径条件，如果一组关键值代入各条路径条件计算后的结果仅有一条路径为true，则判断该路径为有效路径。
较为优选的，所述特征信息除包括因子参数的参数名和参数类型，或还包括字符串数据或数值范围；
其中，所述参数类型包括字符串型、布尔型和数值型。
较为优选的，所述路径条件中的各个参数条件通过and或or连接；
拆分各个所述路径条件，得到多个参数条件时，将and或or作为分隔符进行拆分。
较为优选的，当所述参数条件格式为[参数名][运算符][字符串数据]时，所述参数条件的类型为字符串型；
当所述参数条件格式为[参数名]或！[参数名]时，所述参数条件的类型为布尔型；
当所述参数条件格式为[参数名][运算符][数值]时，所述参数条件的类型为数值型。
较为优选的，当某个参数条件A的类型为字符串型时，根据所述特征信息计算出因子参数的测试值包括：
定义因子参数队列ParamList和测试值队列ParamValueList；
将所述参数条件A因子参数的参数名P加入因子参数队列ParamList，将所述参数条件A的字符串数据加入测试值队列ParamValueList；
查找除所述参数条件A外，参数名相同的其余参数条件，将除所述参数条件A的字符串数据外的任意一个字符串数据加入测试值队列ParamValueList；
对所述测试值队列ParamValueList进行去重处理，得到因子参数P的测试值。
较为优选的，当某个参数条件A的类型为布尔型时，根据所述特征信息计算出因子参数的测试值包括：
定义因子参数队列ParamList和测试值队列ParamValueList；
将所述参数条件A因子参数的参数名P加入因子参数队列ParamList，将true和false加入测试值队列ParamValueList，所述true和false为因子参数P的测试值。
较为优选的，当某个参数条件A的类型为数值型时，根据所述特征信息计算出因子参数的测试值包括：
定义因子参数队列ParamList、测试值队列ParamValueList和边界值队列ParamEdgeList；
将所述参数条件A因子参数的参数名P加入因子参数队列ParamList，将所述参数条件A的数值型数据加入边界值队列ParamEdgeList；
查找除所述参数条件A外，参数名相同的其余参数条件，将所述其余参数条件的数值型数据加入边界值队列ParamEdgeList；
将边界值队列中的所有数值加入测试值队列ParamValueList；此外，将边界值队列中的数值按从小到大排列，依次取相邻两个数值之间的随机数，以及小于最小边界值的随机数、大于最大边界值的随机数加入测试值队列ParamValueList。
较为优选的，采用深度优先搜索的方式对所述工作流进行遍历
本发明的有益效果为：本发明逻辑性更清晰，采用计算机自动化计算，并且可读性及可执行性更高。
1、本发明支持数值型、布尔型、字符型、枚举型等多种参数类型。
2、系统自动解析分支条件，生成因子参数，智能分析并按参数值范围生成各参数的测试值，包括参数的边界值，生成的测试值可以完全代表参数的各个条件范围，从而保证寻径的准确性。
3、在寻径过程中，无需将每两个节点间的连接都做一次判断，只需判断整条路径是否通畅，能够适应复杂多径工作流有效路径选择。
4、在遇到较为复杂的工作流时，即便其流程分支进行调整，本发明也能快速验证工作流设计的准确性。
附图说明
图1为本发明方法流程图；
图2为本发明多径工作流示意图；
图3为本发明应用到多径工作流F1的具体实例图；
图4为实例F1路径条件集合图；
图5为实例F1参数测试值筛选路径效果图。
图6为实例F1的有效路径输出图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明，便于清楚地了解本发明，但它们不对本发明构成限定。
如图1所示，本发明的工作流程为：
遍历工作流，读取所述工作流中所有路径；
取每条路径上各节点间的参数条件的交集，作为路径条件；
拆分各个所述路径条件，得到多个参数条件；
分解所述参数条件，得到包含因子参数的参数名在内的多个特征信息，根据所述特征信息计算出因子参数的测试值；
将得到的各因子参数的所述测试值进行笛卡尔积运算，得到工作流关键值集合；
将所述工作流关键值集合中的各关键值依次替换至路径条件中，并计算替换后的路径条件，如果一组关键值代入各条路径条件计算后的结果仅有一条路径为true，则判断该路径为有效路径；
返回有效路径集合。
所述特征信息除包括因子参数的参数名和参数类型，或还包括字符串数据或数值范围；
其中，所述参数类型包括字符串型、布尔型和数值型。
较为优选的，所述路径条件中的各个参数条件通过and或or连接；
拆分各个所述路径条件，得到多个参数条件时，将and或or作为分隔符进行拆分。
较为优选的，当所述参数条件格式为[参数名][运算符][字符串数据]时，所述参数条件的类型为字符串型；
当所述参数条件格式为[参数名]或！[参数名]时，所述参数条件的类型为布尔型；
当所述参数条件格式为[参数名][运算符][数值]时，所述参数条件的类型为数值型。
较为优选的，当某个参数条件A的类型为字符串型时，根据所述特征信息计算出因子参数的测试值包括：
定义因子参数队列ParamList和测试值队列ParamValueList；
将所述参数条件A因子参数的参数名P加入因子参数队列ParamList，将所述参数条件A的字符串数据加入测试值队列ParamValueList；
查找除所述参数条件A外，参数名相同的其余参数条件，将除所述参数条件A的字符串数据外的任意一个字符串数据加入测试值队列ParamValueList；
对所述测试值队列ParamValueList进行去重处理，得到因子参数P的测试值。
较为优选的，当某个参数条件A的类型为布尔型时，根据所述特征信息计算出因子参数的测试值包括：
定义因子参数队列ParamList和测试值队列ParamValueList；
将所述参数条件A因子参数的参数名P加入因子参数队列ParamList，将true和false加入测试值队列ParamValueList，所述true和false为因子参数P的测试值。
较为优选的，当某个参数条件A的类型为数值型时，根据所述特征信息计算出因子参数的测试值包括：
定义因子参数队列ParamList、测试值队列ParamValueList和边界值队列ParamEdgeList；
将所述参数条件A因子参数的参数名P加入因子参数队列ParamList，将所述参数条件A的数值型数据加入边界值队列ParamEdgeList；
查找除所述参数条件A外，参数名相同的其余参数条件，将所述其余参数条件的数值型数据加入边界值队列ParamEdgeList；
将边界值队列中的所有数值加入测试值队列ParamValueList；此外，将边界值队列中的数值按从小到大排列，依次取相邻两个数值之间的随机数，以及小于最小边界值的随机数、大于最大边界值的随机数加入测试值队列ParamValueList。
较为优选的，采用深度优先搜索的方式对所述工作流进行遍历。
如图2所示为工作流F的示意图，本发明将该方法应用在工作流F上，作为一个实施例进行解释：
实施例一
S1：首先利用深度优先搜索，遍历工作流F，将流程中所有路径读取出来，此时的路径含有效路径和无效路径：
①N1-N2-N3-N5-N6-N7；
②N1-N2-N3-N5-N7；
③N1-N2-N5-N6-N7；
④N1-N2-N5-N7；
⑤N1-N2-N4-N3-N5-N6-N7；
⑥N1-N2-N4-N3-N5-N7；
⑦N1-N2-N4-N5-N6-N7；
⑧N1-N2-N4-N5-N7；
S2：取每条路径上各节点间的参数条件的交集，作为路径条件：
①N1-N2-N3-N5-N6-N7：C1and C6→(P1>＝100and P2)and(P1<100or P1>＝200)
②N1-N2-N3-N5-N7；C1and C7→(P1>＝100and P2)and(P1>＝100and P1<200)
③N1-N2-N5-N6-N7；C2and C6→(P1>＝100and！P2)and(P1<100or P1>＝200)
④N1-N2-N5-N7；C2and C7→(P1>＝100and！P2)and(P1>＝100and P1<200)
⑤N1-N2-N4-N3-N5-N6-N7；C3and C4and C6→(P1<100)and(P2)and(P1<100or P1>＝200)
⑥N1-N2-N4-N3-N5-N7；C3and C4and C7→(P1<100)and(P2)and(P1>＝100and P1<200)
⑦N1-N2-N4-N5-N6-N7；C3and C5and C6→(P1<100)and(！P2)and(P1<100or P1>＝200)
⑧N1-N2-N4-N5-N7；C3and C5and C7→(P1<100)and(！P2)and(P1>＝100and P1<200)
S3：将“and”、“or”作为分隔符，拆分获取路径中的单个参数条件，并做去重操作，得到以下参数条件队列：
①P1>＝100
②P1<100
③P2
④！P2
⑤P1>＝200
⑥P1<200
S4：遍历步骤3得到的参数条件队列，将运算符作为分隔符分解参数条件，得到工作流F的因子参数、参数类型、数值范围，继而得到工作流F的测试值。在此过程中，需要定义因子参数队列ParamList、测试值队列ParamValueList，整型、浮点型等数值型参数需要定义边界值队列ParamEdgeList。
①P1>＝100：运算符为“>＝”，P1为参数名，100为整型数值，因此P1为整型参数，将P1加入因子参数队列ParamList，将100加入P1的边界值队列ParamEdgeList。
②查找除条件P1>＝100之外的与P1相关的参数条件：
P1<100：100已在P1的边界值队列，不再重复加入。
P1>＝200：将200加入P1的边界值队列。
P1<200：200已在P1的边界值队列，不再重复加入。
此时P1参数条件遍历完毕。
根据②，得到P1的边界值队列为{100，200}，首先将100,200加入P1的测试值队列。其次，将P1边界值队列中的数值按从小到大排列，依次取相邻两个数之间的随机数，以及小于最小边界值的随机数，大于最大边界值的随机数加入P1的测试值队列，即：
a.(-∞,100)：取(-∞,100)的一个随机数(如：90)，加入P1的测试值队列ParamValueList。
b.(100,200)：取(100,200)的一个随机数(如：155)，加入参数P1的测试值队列ParamValueList。
c.(200,+∞)：取(200,+∞)的一个随机数(如：205)，加入参数P1的测试值队列ParamValueList；
P1测试值生成完毕，得到P1测试值为{100,200,90,155,205}。
③P2：不含运算符＝、！＝、<、<＝、>、>＝，为布尔类型参数，将P2加入因子参数队列ParamList，测试值为true和false，分别加入参数P2的测试值队列ParamValueList。布尔类型参数无需重复遍历解析测试值。
P2测试值生成完毕，得到P2测试值为{true,false}。
综上所述，得到因子参数队列{P1,P2}和测试值队列{{100,200,90,155,205},{true,false}}。
S5：将得到的参数测试值，经过笛卡尔积计算方法，得到的以下数据集合作为工作流关键值集合：
A×B＝{(P1,P2)|P1∈A∧P2∈B}，这里A＝(100,200,90,155,205)，B＝(true,false)，则A×B＝{(100,true),(100,false),(200,true),(200,false),(90,true),(90,false),(155,true),(155,false),(205,true),(205,false)}即为工作流关键值集合。
S6：将工作流关键值依次替换至路径条件中，计算替换后的路径条件，如果一组关键值代入各条路径条件计算后的结果仅有一条路径为true，那么该路径即为有效路径。
S7：返回有效路径集合：
①N1-N2-N3-N5-N7
②N1-N2-N5-N7
③N1-N2-N4-N3-N5-N6-N7
④N1-N2-N4-N5-N6-N7
⑤N1-N2-N3-N5-N6-N7
⑥N1-N2-N5-N6-N7
如图3为工作流F1的示意图，图4-5为本发明将该方法应用在工作流F的示意图，本发明将该应用作为第二个实施例进行解释：
实施例二
S1：首先利用深度优先搜索，遍历工作流F1，将流程中所有路径读取出来，如图4所示。
S2：取每条路径上各节点间的参数条件的交集，作为路径条件，如图5所示：
S3：根据条件定义规范，将“and”、“or”作为分隔符，拆分获取路径中的单个参数条件，并做去重操作，继而得到以下参数条件：
①type＝”投资”
②type！＝”投资”
③isNeedLegal
④！isNeedLegal
⑤money>0
⑥money<200
⑦money>＝200
⑧money<500
⑨money>＝500
S4：遍历步骤3得到的参数条件队列，将运算符作为分隔符分解参数条件，得到工作流F1的因子参数、参数类型、数值范围，继而得到工作流F1的测试值。在此过程中，需要定义因子参数队列ParamList、测试值队列ParamValueList，整型、浮点型等数值型参数需要定义边界值队列ParamEdgeList。
①type＝”投资”，字符串型参数，因此将type加入因子参数队列ParamList，将“投资”加入参数type的测试值队列ParamValueList。
②查找除条件type＝”投资”之外的与type相关的参数条件：
a.type！＝”投资”，将除“投资”以外的任意一个字符串数据(如“非投资”)加入参数type的测试值队列。
type测试值生成完毕，去重后，得到type测试值为{“投资”,“非投资”}。
③isNeedLegal：布尔类型参数，将isNeedLegal加入因子参数队列ParamList，测试值为true和false，分别加入参数isNeedLegal的测试值队列ParamValueList。布尔类型参数无需重复遍历解析测试值。
isNeedLegal测试值生成完毕，得到isNeedLegal测试值为{true,false}。
④money<200：整型参数，将money加入因子参数队列ParamList，将200加入参数money的边界值队列ParamEdgeList。
⑤查找除条件money<200之外的与money相关的参数条件：
money>＝200：200已在money的边界值队，不再重复加入。
money<500：将500加入参数money的边界值队列。
money>＝500：500已在money的边界值队，不再重复加入。
此时money参数条件遍历完毕。
根据⑤，得到money的边界值队列为{200,500}，首先将200,500加入money的测试值队列，其次根据money边界值队列中的数值按从小到大排列，依次取相邻两个数值之前的随机数，以及小于最小边界值的随机数、大于最大边界值的随机数加入money的测试队列，即：
a.(-∞,200)：取(-∞,200)的一个随机数(如：131)，加入参数money的测试值队列ParamValueList；
b.(200,500)：取(200,500)的一个随机数(如：317)，加入参数money的测试值队列ParamValueList。
c.(500,+∞)：(500,+∞)的一个随机数(如：948)，加入参数money的测试值队列ParamValueList；
money测试值生成完毕，得到money测试值为{200，500,131,317,948}。
综上所述，得到因子参数队列{type,isNeedLegal,money}和测试值队列{{“投资”,“非投资”},{true,false},{200，500,131,317,948}}。
S5：将得到的参数测试值，经过笛卡尔积计算方法，得到的以下数据集合作为工作流关键值集合：A×B×C＝{(X,Y,Z)|X∈A∧Y∈B∧Z∈C}，这里A＝(“投资",“非投资”)，B＝(true,false)，c＝(200，500,131,317,948)。
则A×B×C＝{(“投资”,true,131),(“投资”,true,200),(“投资”,true,317),(“投资”,true,500),(“投资”,true,948),(“投资”,false,131),(“投资”,false,200),(“投资”,false,317),(“投资”,false,500),(“投资”,false,948),(“非投资”,true,131),(“非投资”,true,200),(“非投资”,true,317),(“非投资”,true,500),(“非投资”,true,948),(“非投资”,false,131),(“非投资”,false,200),(“非投资”,false,317),(“非投资”,false,500),(“非投资”,false,948)}即为工作流F1关键值集合。
S6：将工作流关键值依次替换至路径条件中，计算替换后的路径条件，如果一组关键值代入各条路径条件计算后的结果仅有一条路径为true，那么该路径即为有效路径，验证结果如图6所示。
S7：返回有效路径集合：
①开始—申请单位领导—主体单位领导—经营主管部门领导—结束
②开始—申请单位领导—主体单位领导—经营主管部门领导—分管领导—结束
③开始—申请单位领导—主体单位领导—经营主管部门领导—分管领导—总经理-结束
④开始—申请单位领导—主体单位领导—经营主管部门领导—法律审核员—分管领导—结束
⑤开始—申请单位领导—主体单位领导—经营主管部门领导—法律审核员—分管领导—总经理-结束
⑥开始—申请单位领导—主体单位领导—投资部领导—经营主管部门领导—分管领导—总经理—结束
⑦开始—申请单位领导—主体单位领导—投资部领导—经营主管部门领导—结束
⑧开始—申请单位领导—主体单位领导—投资部领导—经营主管部门领导—法律审核员—分管领导—总经理—结束
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (5)

1.一种智能识别工作流有效路径的方法，其特征在于，包括：
遍历工作流，读取所述工作流中所有路径；
取每条路径上各节点间的参数条件的交集，作为路径条件；
拆分各个所述路径条件，得到多个参数条件；
分解拆分各个路径条件得到的参数条件，得到包含因子参数的参数名在内的多个特征信息，根据所述特征信息计算出因子参数的测试值；
将得到的各因子参数的所述测试值进行笛卡尔积运算，得到工作流关键值集合；
将所述工作流关键值集合中的各关键值依次替换至路径条件中，并计算替换后的路径条件，如果一组关键值代入各条路径条件计算后的结果仅有一条路径为true，则判断该路径为有效路径；
当某个参数条件A的类型为字符串型时，根据所述特征信息计算出因子参数的测试值包括：
定义因子参数队列ParamList和测试值队列ParamValueList；
将所述参数条件A因子参数的参数名P加入因子参数队列ParamList，将所述参数条件A的字符串数据加入测试值队列ParamValueList；
查找除所述参数条件A外，参数名相同的其余参数条件，将除所述参数条件A的字符串数据外的任意一个字符串数据加入测试值队列ParamValueList；
对所述测试值队列ParamValueList进行去重处理，得到因子参数P的测试值；
当某个参数条件A的类型为布尔型时，根据所述特征信息计算出因子参数的测试值包括：
定义因子参数队列ParamList和测试值队列ParamValueList；
将所述参数条件A因子参数的参数名P加入因子参数队列ParamList，将true和false加入测试值队列ParamValueList，所述true和false为因子参数P的测试值；
当某个参数条件A的类型为数值型时，根据所述特征信息计算出因子参数的测试值包括：
定义因子参数队列ParamList、测试值队列ParamValueList和边界值队列ParamEdgeList；
将所述参数条件A因子参数的参数名P加入因子参数队列ParamList，将所述参数条件A的数值型数据加入边界值队列ParamEdgeList；
查找除所述参数条件A外，参数名相同的其余参数条件，将所述其余参数条件的数值型数据加入边界值队列ParamEdgeList；
将边界值队列中的所有数值加入测试值队列ParamValueList；此外，将边界值队列中的数值按从小到大排列，依次取相邻两个数值之间的随机数，以及小于最小边界值的随机数、大于最大边界值的随机数加入测试值队列ParamValueList。
2.根据权利要求1所述的智能识别工作流有效路径的方法，其特征在于：所述特征信息除包括因子参数的参数名和参数类型，还包括字符串数据或数值范围；
其中，所述参数类型包括字符串型、布尔型和数值型。
3.根据权利要求1所述的智能识别工作流有效路径的方法，其特征在于：所述路径条件中的各个参数条件通过and或or连接；
拆分各个所述路径条件，得到多个参数条件时，将and或or作为分隔符进行拆分。
4.根据权利要求2所述的智能识别工作流有效路径的方法，其特征在于：
当所述参数条件格式为[参数名][运算符][字符串数据]时，所述参数条件的类型为字符串型；
当所述参数条件格式为[参数名]或！[参数名]时，所述参数条件的类型为布尔型；
当所述参数条件格式为[参数名][运算符][数值]时，所述参数条件的类型为数值型。
5.根据权利要求1所述的智能识别工作流有效路径的方法，其特征在于，采用深度优先搜索的方式对所述工作流进行遍历。
CN201811493222.6A 2018-12-07 2018-12-07 智能识别工作流有效路径的方法 Active CN109685453B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811493222.6A CN109685453B (zh) 2018-12-07 2018-12-07 智能识别工作流有效路径的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811493222.6A CN109685453B (zh) 2018-12-07 2018-12-07 智能识别工作流有效路径的方法

Publications (2)

Publication Number Publication Date
CN109685453A CN109685453A (zh) 2019-04-26
CN109685453B true CN109685453B (zh) 2023-07-04

Family

ID=66187248

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811493222.6A Active CN109685453B (zh) 2018-12-07 2018-12-07 智能识别工作流有效路径的方法

Country Status (1)

Country Link
CN (1) CN109685453B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112258154B (zh) * 2020-10-21 2023-10-17 中国农业银行股份有限公司 一种工作流的控制方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1494156A2 (en) * 2003-07-04 2005-01-05 MediCel oy Information management system for managing workflows
CN102830954A (zh) * 2012-08-24 2012-12-19 北京中科信芯科技有限责任公司 指令调度方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1494156A2 (en) * 2003-07-04 2005-01-05 MediCel oy Information management system for managing workflows
CN102830954A (zh) * 2012-08-24 2012-12-19 北京中科信芯科技有限责任公司 指令调度方法及装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
基于PETRI网的政府办公系统工作流建模研究;任大伟等;《燕山大学学报》;20031115(第04期);全文 *
基于改进遗传算法的并联机器人分拣路径优化;张好剑等;《华南理工大学学报(自然科学版)》;20171015(第10期);全文 *
工作流动态变化在建模中的应用研究;王霞等;《淮海工学院学报(自然科学版)》;20111215;全文 *
工作流无效路径的识别方法;李海波等;《计算机集成制造系统》;20060525(第05期);全文 *
改进的工作流合理性验证方法;王霞等;《计算机工程与应用》;20111121(第33期);全文 *

Also Published As

Publication number Publication date
CN109685453A (zh) 2019-04-26

Similar Documents

Publication Publication Date Title
Mendling et al. Faulty EPCs in the SAP reference model
CN107016018B (zh) 数据库索引创建方法及装置
CN108830554B (zh) 基于任务模型的数据成果信息质量智能检测方法和系统
CN101231614A (zh) 一种基于执行轨迹块相似度的软件缺陷定位方法
CN105224463A (zh) 一种基于崩溃栈数据的软件缺陷代码定位方法
WO2024108973A1 (zh) 一种面向建筑业企业的信用评价方法
CN112907026A (zh) 一种基于可编辑网状指标体系的综合评估方法
CN106557420B (zh) 测试db数据生成方法及装置
JP6244274B2 (ja) 相関ルール分析装置および相関ルール分析方法
CN109685453B (zh) 智能识别工作流有效路径的方法
CN104335161B (zh) 使用图对网络鲁棒性的有效评估
CN105468703A (zh) 一种原因追溯方法
CN107093018A (zh) 基于健康模型的电信工程项目信息可视化方法及装置
CN112035423B (zh) 一种基于Petri网挖掘混合多并发结构提高业务流程效率的方法
CN118734024A (zh) 一种基于bim的水电管线路监测方法、系统、设备及介质
JP3195031B2 (ja) テスト仕様生成方法及び半導体装置検査装置及び半導体装置検査方法
Pane et al. Mapping log data activity using heuristic miner algorithm in manufacture and logistics company
Schuh et al. Event log-based weaknesses detection in business processes
CN107783896B (zh) 一种数据处理模型的优化方法和装置
CN114312930B (zh) 基于日志数据的列车运行异常诊断方法和装置
JP4003499B2 (ja) 見積評価支援プログラムおよび見積評価支援システム
US7987203B2 (en) Method of processing data for a system model
JP5640796B2 (ja) 名寄せ支援処理装置、方法及びプログラム
CN115587333A (zh) 一种基于多分类模型的失效分析故障点预测方法及系统
CN114595262A (zh) 一种市政道路epc项目招标清单的快速生成方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230426

Address after: 430056 No. 18 Pioneering Road, Wuhan Economic and Technological Development Zone, Hubei Province

Applicant after: CCCC SECOND HIGHWAY CONSULTANTS Co.,Ltd.

Address before: 430056 No. 18 Pioneering Road, Wuhan Economic and Technological Development Zone, Hubei Province

Applicant before: WUHAN KINGSROAD TECHNOLOGY DEVELOPMENT Co.,Ltd.

GR01 Patent grant
GR01 Patent grant