Resumen

El algoritmo evolutivo es una forma efectiva de resolver el problema de descubrimiento de procesos que tiene como objetivo extraer modelos de procesos de registros de eventos que sean consistentes con los procesos de negocios reales. Sin embargo, los algoritmos evolutivos actuales, como GeneticMiner, ETM y ProDiGen, convergen lentamente y con dificultad porque todos emplean el cruce genético y la mutación que tienen una fuerte aleatoriedad. Este artículo propone un algoritmo evolutivo híbrido para el descubrimiento automatizado de procesos, que consta de un algoritmo de evolución diferencial basado en conjuntos y exploración local guiada. Hay tres innovaciones principales en este trabajo. En primer lugar, se propone una estrategia evolutiva híbrida, en la que se emplea un algoritmo de evolución diferencial para buscar el espacio de soluciones y aproximar rápidamente la solución óptima en primer lugar, y luego se une un método específico de exploración local para ayudar al algoritmo a evitar el óptimo local. En segundo lugar

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Algoritmo evolutivo; Descubrimiento de procesos; Evolución diferencial; Exploración local; Cruce genético; Mutación
• Keywords:Evolutionary algorithm; Process discovery; Differential evolution; Local exploration; Genetic crossover; Mutation