.png){kind=icon}
返回
Process Pilot: Learning decision policies from event data for process optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.is.2026.102772.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
规定性流程监控（PresPM）研究利用事件日志在运行时推荐改进流程结果的操作的技术。近年来，PresPM方法越来越多地依赖强化学习（RL）。由于与真实流程交互通常不可行，这些方法通常从历史事件数据构造马尔可夫决策过程（MDP）以模拟执行环境。然而，如何系统地从事件日志中发现此类MDP，以及哪些特征定义有效的基于RL的PresPM流水线，仍然是限制这些方法在实践中可靠部署的开放问题。本文提出了Process Pilot，一种基于RL的PresPM方法，该方法从描述历史流程执行中随机环境的日志中发现MDP，并利用它学习一种策略，以优化未来流程结果的方式执行流程。本文进一步提出了两种基于转换的状态抽象函数，用于发现的MDP，并引入了这些模型质量的度量。使用合成和工业事件日志的评估将Process Pilot与先前工作进行了比较。结果表明，不同的抽象导致策略有效性显著不同，转换基抽象通常优于替代方案。此外，高质量的MDP表示通常会产生改进流程结果的推荐。
Keyword:
Prescriptive process monitoring
Reinforcement process learning
Markov decision process discovery and abstraction
