PM4PY - Process Trees

摘要：Process Trees

在PM4PY中，我们为process trees（可视化、转换成Petri Net、日志生成）提供支持，导入导出，和生成他们的功能。

导入导出Process Trees（pt）

在PM4PY中，我们提供PTML格式导入导出pt。

from pm4py.objects.process_tree.importer import importer as ptml_importer

tree = ptml_importer.apply("tests/input_data/running-example.ptml")

from pm4py.objects.process_tree.exporter import exporter as ptml_exporter

ptml_exporter.apply(tree, "running-example.ptml")

Generation of process trees 生成流程树

from pm4py.algo.simulation.tree_generator import simulator as tree_gen
parameters = {}
tree = tree_gen.apply(parameters=parameters)

parameters是个字典，每个键为参数名，并且要写小写才生效。下表进行参数解释。

参数	含义
mode	最频繁的可见活动数量（默认 20）
min	可见活动的最小数量（默认 10）
max	可见活动的最大数量（默认 30）
sequence	将序列运算符添加到树的概率（默认 0.25）（按顺序执行）
choice	将选择运算符添加到树的概率（默认 0.25）（即xor，择其一执行）
parallel	将并行运算符添加到树的概率（默认 0.25）（即and，并行）
loop	将循环运算符添加到树的概率（默认 0.25）（重复执行）
or	将或运算符添加到树的概率（默认 0）
silent	将静默活动添加到选择或循环运算符的概率（默认 0.25）
duplicate	复制活动标签的概率（默认 0）
lt_dependency	将随机依赖项添加到树的概率（默认 0）
infrequent	做出选择的概率具有不常见的路径（默认 0.25）
no_models	从模型种群中生成的树数（默认 10）
unfold	是否展开循环以便在依赖项中包含选项: 0=False, 1=True，如果 lt_dependency <= 0： 这应该始终为 0（假）如果 lt_dependency > 0：这可以是 1 或 0（True 或 False）（默认 10）
max_repeat	循环的最大重复次数（默认 10）（仅在unfold为 True 时使用）
PT图中：
"->"即seq：树的当前节点的子节点从左到右执行。
"*"即loop：左子节点总是执行，右子节点会触发左子节点重复执行。
"X"即choice（xor）：两个选项只选其一执行。
"+"即parallel（and）：两个选项并行。

通过PT生成一个日志log

示例代码中生成100次traces的事件日志，一次trace是 从开始走到结尾的一次记录。

from pm4py.objects.process_tree import semantics
log = semantics.generate_log(tree, no_traces=100)

PT转换成Petri net

示例代码将PT转换成Petri net

from pm4py.objects.conversion.process_tree import converter as pt_converter
net, im, fm = pt_converter.apply(tree)

注：net是Petri net，im是initial_marking, fm是final_marking

可视化PT

from pm4py.visualization.process_tree import visualizer as pt_visualizer
gviz = pt_visualizer.apply(tree, parameters={pt_visualizer.Variants.WO_DECORATION.value.Parameters.FORMAT: "png"})
pt_visualizer.view(gviz)

将Petri net转为PT

from pm4py.objects.conversion.wf_net import converter as wf_net_converter

tree = wf_net_converter.apply(net, im, fm)
print(tree)

*若对本文有疑问（例如：笔记中知识点或表达有误），欢迎指出，共同学习进步。