Детальная информация

Работа посвящена оптимизации распределения ресурсов в бизнес-процессах, моделируемых с использованием нотации BPMN 2.0. Целью работы являлась разработка и сравнительный анализ алгоритмов распределения ресурсов, включая классические методы, такие как: Random, Round-Robin, Greedy и методы машинного обучения, такие как: Multi-Armed Bandit, Q-Learning. Предложена собственная модификация алгоритма MAB: Adaptive Multi-Armed Bandit (АMAB), динамически адаптирующая стратегию выбора ресурсов на основе дисперсии оценок и нестабильности среды. В работе спроектирована и реализована система, интегрирующая BPM-движок Camunda, модуль виртуальных ресурсов и модуль оптимизации. Разработаны REST API, механизм логирования и интерфейс для визуализации процессов. Экспериментально исследованы 6 стратегий распределения ресурсов на тестовом BPMN-процессе с вероятностными переходами и вариативным временем выполнения задач. Сравнительный анализ показал превосходство методов MAB над традиционными подходами на 28.6% по времени ожидания и на 36.7% по пропускной способности. Предложенный алгоритм AMAB обеспечил дополнительное улучшение на 2.8% по времени ожидания и на 10.8% по пропускной способности относительно классического MAB.

This work is devoted to optimizing resource allocation in business processes modeled using BPMN 2.0 notation. The aim was to develop and comparatively analyze resource allocation algorithms, including classical methods (such as Random, Round-Robin, Greedy) and machine learning methods (such as Multi-Armed Bandit, Q-Learning). A proprietary modification of the MAB algorithm, the Adaptive Multi-Armed Bandit (AMAB), is proposed. AMAB dynamically adapts the resource selection strategy based on evaluation variance and environment instability. The work designed and implemented a system integrating the Camunda BPM engine, a virtual resource module, and an optimization module. A REST API, logging mechanism, and process visualization interface were developed. Six resource allocation strategies were experimentally investigated using a test BPMN process featuring probabilistic transitions and variable task execution times. Comparative analysis demonstrated the superiority of MAB methods over traditional approaches, reducing waiting time by 28.6% and increasing throughput by 36.7%. The proposed AMAB algorithm provided further improvement, reducing waiting time by an additional 2.8% and increasing throughput by an additional 10.8% compared to classical MAB.

• ВВЕДЕНИЕ
• Программы и технологии BPM
  • Редакторы описания BPM
  • Системы управления бизнес-процессами
  • Форматы передачи бизнес-процессов
  • Графическое представление бизнес процессов
  • Aлгоритмы планирования и распределения ресурсов
  • Вывод главы
• Метод оптимизации распределения ресурсов для BPM
  • Постановка задачи
  • Специфика планирования в контексте BPMN
  • Математическое описание
  • Модификация алгоритма MAB: Adaptive Multi-Armed Bandit
  • Метрики качества
  • Вывод главы
• Проектирование и реализация прототипа управления ресурсами BPM-процесса
  • Структурно-функциональная схема прототипа
  • Разработка модуля оптимизации распределения ресурсов
  • Реализация модуля управления ресурсами
  • Моделирование BPMN-процесса и сбор статистики
  • Функционирование прототипа и логирование
  • Вывод главы
• Сравнительный анализ стратегий оптимизации выбора ресурса
  • Тестовый сценарий
  • Результаты и анализ экспериментов
  • Вывод главы
• ЗАКЛЮЧЕНИЕ
• СПИСОК ЛИТЕРАТУРЫ