基于时序行为分析的自适应混合启发式协同优化算法

　　过程流数据具有实时性、连续性和时序性等特征，使得传统过程挖掘算法难以发现隐含信息和演化过程。针对流过程模型的动态演化和重构要求，提出了一种基于时序行为分析的自适应混合启发式协同优化算法。首先定义演化流过程模型，基于日志活动间的隐含依赖关系改进过程逻辑的启发式挖掘规则，然后定义基于时序行为的老化因子，并引入高斯变异的多种群协作的自适应策略，改进粒子群优化算法的全局和局部精确寻优能力，实现优化和重构过程模型。该算法在四个典型测试函数上进行了对比实验，结果表明该算法在流过程挖掘中具有更好的收敛性和稳定性。