CN106803134B - 基于协作相容性的工作流分配优化方法及其系统 - Google Patents

Abstract

本发明公开基于协作相容性的工作流分配优化方法及其系统。本发明分析现有日志，计算协作相容性；当新任务需分配时统计候选执行者集合，并计算当前负载、相对预测负载；判断当前任务有无交互任务，若无则找出当前负载最小的候选执行者分配之；若有则遍历所有交互任务，如该任务已分配执行者，计算执行者间协作相容性总和；如该任务未分配执行者，则考察所有处于轻、中负载执行者集合中候选执行者，计算协作相容性总和；找到协作相容性最大值的执行者组合，将当前任务分配之；直至流程中所有任务全部被分配完成。本发明提出的基于协作相容性与负载均衡的任务分配算法，能够优化流程中执行者间的负载均衡，并提高整个流程实例的执行效率。

Description

基于协作相容性的工作流分配优化方法及其系统

技术领域

该技术用于企业工作流系统中的任务分配及其Web领域，涉及一种基于协作相容性的工作流分配优化方法，具体是在基于已有任务流程以及其执行日志环境下，引入执行者间的协作相容性对任务分配影响的内容，再进一步考虑执行者间负载均衡的情况下进行高效率任务分配的技术。

背景技术

在工作流调度中，各个任务由工作流引擎调度系统中的资源来完成。不同的任务分配策略对工作流系统的性能有很大的影响。根据不同的应用场景，资源可以有很多种，其中人力资源在工作流系统中起着重要的作用，一般是指具有特定技能的任务执行者，通过相应的角色彼此配合工作，从而完成整个工作流程。在现代企业中，任务执行者常客承担多类角色用于完成多种任务，其对完成不同类型任务的熟悉程度，以及不同执行者之间的配合协作的默契程度均存在差异，这种差异对整个流程的执行效率有着重要的影响。然而，现有的任务分配算法仅考虑候选执行者的专业能力、兴趣、经验等，忽略了工作流中任务交互时执行者间的协作相容性，即“和其他人的凝聚力、熟悉度、配合度等”，但实际上，协作相容性的影响是确实存在的。例如，有两个员工甲、乙均可完成某个任务，且甲的个人能力强于乙，然而甲与公司中其他员工的配合并不默契，当工作流中的任务需要员工之间进行交互时，甲的整体工作效率可能反而低于乙的整体效率。此外，在工作流系统实际工作中可能存在多个实例，即候选执行者的工作列表中常存在多个待处理任务，此时，执行者的当前负载状况就对分配任务的最后完成时间有着很大的影响，因此，在分配任务的过程中需要考虑各个任务执行者当前的工作负载情况，即尽可能将任务分配给轻负载的执行者，从而提升整个工作流系统的性能。

发明内容

本发明的一个目的是针对目前技术的不足，引入了执行者间的协作相容性的概念，综合工作负载最小化算法以及协作相容性最大化算法，提出了基于协作相容性与负载均衡的任务分配方法，提高了整个流程实例的执行效率时间。

以下协作相容性均指代任务执行者之间的凝聚力、熟悉度、配合度等等，协作相容性越高，表明任务执行者之间合作的效率越高，即发生交互时所需的时间越短；

工作负载指代任务执行者当前工作列表中待处理的任务数量，负载越高表明其待处理的任务越多；

任务交互指代在流程中，所有的任务共同组成一个整体，那么就存在其中某一任务需要使用或者参考另一任务的执行结果，那么我们就认为这两个任务之间存在任务交互；

本发明方法的具体步骤是：

步骤(1)、分析现有流程的工作流执行日志，对执行者间的协作相容性进行分析计算；

所述的现有流程的工作流日志，都是基于流程中任务的执行日志，其中包含被执行的任务名称、执行者名称、任务执行的开始时间以及结束时间等信息；

步骤(2)、当分配流程中一个新的任务时，统计可以承担该任务角色的候选执行者集合，分别计算该集合中的执行者当前的负载以及相对预测负载；

步骤(3)、根据计算得到相对预测负载值的大小依次将其放到相对应的轻负载执行者集合，中负载执行者集合以及重负载执行者集合中；

步骤(4)、判断该任务与流程中其他任务有无交互，若无，则利用工作负载最小化算法找出对应候选执行者集合中相对预测负载值较小的候选者，并将该任务分配给该候选者；

步骤(5)、若有，则对流程中待分配的每个任务，依次遍历轻负载执行者集合以及中负载执行者集合，找到可以执行当前任务的候选者并遍历所有与当前任务需要交互的任务，考察他们所有可能处于轻负载执行者集合和中负载执行者集合中的候选执行者，计算当前任务的候选执行者与这些候选执行者间的协作相容性总和；

步骤(6)、在这些候选执行者组合中，找到最大化全局协作相容性的任务候选者组合，将对应候选执行者分配给当前任务；

步骤(7)、重复上述步骤，直至流程中所有任务全部被分配。

本发明的另一个目的是提供基于上述方法的任务分配系统，主要包括协作相容性计算模块、执行者负载计算模块、负载最小化算法模块、负载均衡的协作相容性最大化算法模块。

所述的协作相容性计算模块，用于分析已有流程的工作执行日志，对于发生交互的任意两个任务，计算进行协作的两执行者之间平均吞吐时间与两任务最小执行时间的差值，以及两任务最大与最小执行时间的差值，进而得到两执行者间的协作相容性；

所述的执行者负载计算模块，由执行者当前工作列表中的待处理任务数以及执行任务所需的单位时间，计算该执行者的当前负载，又根据可执行任务的不同，计算执行者的相对预测负载，并根据相对预测负载值得大小将执行者分为三类，轻负载执行者集合，中负载执行者集合，重负载执行者集合；

所述的负载最小化算法模块，如果当前待分配任务与流程中其他任务无交互，那么遍历所有具有执行该任务能力的候选执行者，从中选出当前工作负载最小的候选者执行该任务；

所述的负载均衡的协作相容性最大化算法模块，若当前待分配任务与流程中其他任务有交互，那么遍历轻负载与中负载执行者集合，找出可执行当前任务的候选执行者，依次遍历所有与当前任务交互的任务，考察他们处于轻负载与中负载执行者集合中的候选执行者，计算当前任务候选执行者与这些候选执行者的协作相容性总和，找出协作相容性最大的那个执行当前任务。

本发明提出的基于协作相容性与负载均衡的任务分配算法，能够优化流程中执行者间的负载均衡，并提高整个流程实例的执行效率。

附图说明

图1为本发明方法的流程图。

具体实施方式

下面结合具体实施例对本发明做进一步的分析。

相关概念定义及符号说明

Task＝{T_i}：工作流中任务集合；

U＝{u_j}：工作流中执行者集合；

MCP＝{cp_ij}：任务交互集合，其中cp_ij∈{0,1}，若cp_ij＝1，表示任务T_i与T_j需要交互，否则，cp_ij＝0；

MX＝{X_ik}：执行者承担角色集合，其中X_ik∈{0,1}，若执行者u_k可承担执行任务T_i的角色，则X_ik＝1，否则，X_ik＝0；

MCW＝{cw_ij}：协作相容性集合，其中cw_ij∈[0，1]表示u_i与u_j之间的协作相容性；

执行者u_k完成任务T_i所需的时间；

MA＝{A_ik}：任务分配集合，若任务T_i被分配给执行者u_i，则A_ik＝1；否则，A_ik＝0；

W_L,W_M,W_H：分别表示当前轻，中，重负载的执行者集合；

本发明所提供的基于协作相容性与负载均衡的任务分配方法，如图1所示，具体实施方式如下：

(1)分析现有工作流的执行日志，获取工作流中任务集Task＝{T_i}、执行者角色集MX＝{X_ik}、任务交互集MCP＝{cp_ij}；然后对会发生交互的任意两个任务的执行者u_k、u_v，其协作相容性按如下公式计算：

其中cw_kv表示u_k、u_v的协作相容性，t_AVG表示u_k、u_v配合时执行上述两个任务的平均吞吐时间，t_min表示上述两个任务的最小完成时间，t_max表示上述两个任务的最大完成时间，ω为控制执行者间协作相容性范围的参数，且0＜ω＜1；

(2)当一个新的任务T_i到达时，遍历执行者角色集MX＝{X_ik}，若X_ik＝1，则u_k可以执行任务T_i，则将u_k加入该任务T_i的候选执行者集CE_i＝{u_k}中，接下来分别计算该集合中各候选执行者的当前工作负载以及相对预测负载，分为两步：

(2.1)计算任务T_i的候选执行者u_k的当前负载：假设u_k工作列表中的待处理任务集为TA_k，执行任务T_i∈TA_k所需时间为

且该任务集中的任务T_i有n_i个，则u_k的当前负载为：

若当前任务T_i分配给该执行者，则其预测负载为：

遍历上述集合CE_i，同理计算其他候选执行者的当前负载及预测负载；

(2.2)计算当前任务T_i的候选执行者u_k的相对预测负载：上述步骤完成后，累加集合CE_i中所有候选执行者的预测负载值，然后将单个候选执行者u_k的预测负载值与该集合的总的预测负载值相比，得到u_k的相对预测负载，即

同理，计算其他候选执行者的相对预测负载；

新的任务T_i为步骤(1)分析的现有工作流中的任务。

(3)根据步骤2中得到的任务T_i所有候选者的相对预测负载值大小，依次将其放到对应的轻负载执行者集合

中负载集合

和重负载

集合中；

定义：由(2.2)中相对预测负载的计算公式可知，每个候选执行者的相对预测负载的取值在[0,1)之间,其负载越大，相对预测负载的值就越接近1，越小，相对预测负载的值就越接近0，根据实际候选执行者们相对预测负载值的分布，在[0,1)中取两个值

和

来区分轻、中、重负载；

(4)遍历流程中的任务交互集合MCP，查看当前任务T_i是否与流程中其他任务有交互，如果没有，利用负载最小化算法，遍历当前任务的候选执行者集合CE_i，选择当前负载最小的候选执行者执行该任务；

(5)若在遍历流程中的任务交互集合MCP时，发现cp_ij＝1，则任务T_i与T_j有交互，那么有两种情况：

(5.1)如果任务T_j已经分配了执行者，那么分别计算该执行者与当前任务的候选执行者的协作相容性总和，然后继续遍历任务交互集合，直到遍历完毕或者有下一个与当前任务T_i发生交互的任务出现，重复步骤(5)；

(5.2)如果任务T_j尚未分配执行者，那么重复上述步骤(2)(3)，找出任务T_j处于W_L或W_M中的候选执行者，分别计算这些候选者与当前任务执行者间协作相容性的总和，然后继续遍历任务交互集合，直到遍历完毕或者有下一个与当前任务T_i发生交互的任务出现，重复步骤(5)；

(6)如果遍历任务交互集合MCP完成，那么选出步骤(5)中得到的各个执行者组合中协作相容性总和最大的组合，将该组合中可执行当前任务的候选者分配给当前任务T_i；

(7)重复上述步骤(2)至(6),直到流程中所有的任务被分配完成，最终得到一个任务执行者序列，即为找到的满足负载均衡的，且整体协作相容性最大的任务执行者序列。

Claims (1)

1.基于协作相容性的工作流分配优化方法，其特征在于该方法包括以下步骤是：

步骤(1)、分析现有工作流的工作流执行日志，计算执行者间的协作相容性；具体是：

分析现有工作流的执行日志，获取工作流中任务集Task＝{T_i}、执行者角色集MX＝{X_ik}、任务交互集MCP＝{cp_ij}；然后对会发生交互的任意两个任务的执行者u_k、u_v，其协作相容性按如下公式计算：

其中cw_kv表示u_k、u_v的协作相容性，t_AVG表示u_k、u_v配合时执行上述两个任务的平均吞吐时间，t_min表示上述两个任务的最小完成时间，t_max表示上述两个任务的最大完成时间，ω为控制执行者间协作相容性范围的参数，且0＜ω＜1；

所述的协作相容性是指执行者之间的凝聚力、熟悉度、配合度；

步骤(2)、当分配流程中的一个新任务需要分配时，统计可以承担该任务的候选执行者集合，并计算该集合中各候选执行者的当前工作负载以及相对预测负载；具体是：

2.1当新任务T_i到达时，遍历执行者角色集MX＝{X_ik}，若执行者u_k可承担执行新任务T_i的角色，则将u_k加入该新任务T_i的候选执行者集CE_i＝{u_k}；

2.2计算候选执行者集CE_i＝{u_k}中各候选执行者的当前工作负载以及相对预测负载，具体是：

2.2.1计算新任务T_i的候选执行者u_k的当前工作负载：

假设u_k工作列表中的待处理任务集为TA_k，且T_i∈TA_k，执行新任务T_i所需时间为

同时待处理任务集TA_k中的新任务T_i有n_i个，则u_k的当前工作负载为：

若当前新任务T_i分配给该执行者u_k，则其预测负载为：

同时遍历上述候选执行者集CE_i，计算其他候选执行者的当前工作负载及预测负载；

2.2.2计算当前新任务T_i的候选执行者u_k的相对预测负载：

上述步骤2.2.1完成后，累加候选执行者集CE_i中所有候选执行者的预测负载得到该集合的总预测负载；然后将单个候选执行者u_k的预测负载与该集合的总预测负载相比，得到u_k的相对预测负载，即

同理计算其他候选执行者的相对预测负载；

步骤(3)、根据步骤(2)中得到的各候选执行者相对预测负载，将上述执行者分为三类：轻负载、中负载、重负载，并放入对应集合；其中轻负载执行者集合为

中负载执行者集合为

重负载执行者集合为

其中

为用于区分轻、中、重负载的临界值；

步骤(4)、判断步骤(2)新任务T_i与工作流中其他任务有无交互；若无，遍历该任务候选执行者集CE_i，找出当前工作负载最小的候选执行者，并将步骤(2)新任务T_i分配给该候选执行者；若有，则遍历所有与步骤(2)新任务T_i需要交互的任务，跳转至步骤(5)；

步骤(5)、判断与步骤(2)新任务T_i需要交互的任务T_j是否已分配执行者；

如果任务T_j已经分配了执行者，则分别计算该执行者与新任务T_i的候选执行者的协作相容性总和，然后继续遍历任务交互集合MCP，直到遍历完毕或者有下一个与新任务T_i发生交互的任务出现，重复步骤(5)；

如果任务T_j尚未分配执行者，则重复上述步骤(2)至(3)，并找出任务T_j处于轻负载执行者集合W_L与中负载执行者集合W_M中的候选执行者，分别计算这些候选者与新任务T_i的候选执行者间的协作相容性总和，然后继续遍历任务交互集合MCP，直到遍历完毕或者有下一个与新任务T_i发生交互的任务出现，重复步骤(5)；

步骤(6)、由步骤(5)得到一系列候选执行者组合，找到协作相容性最大值的任务候选者组合，将步骤(2)新任务分配给其中对应的候选执行者；

步骤(7)、重复上述步骤，直至流程中所有任务全部被分配完成。

Images