业务流程中的活动调度能够提升效率，例如缩短整体完成时间（makespan），但实际操作中常面临活动顺序不确定的难题。这种不确定性来源于执行过程中依据实时数据做出的决策。虽然具体路径难以预知，但可以从历史日志中估计出各决策的概率分布，从而预测哪些执行路径更有可能成功完成。
规划特定的执行路径会影响两方面：一是成功完成的概率（可行性），二是计划中出现但实际未执行的冗余活动数量的期望值。我们将该问题建模为机会约束优化（chance‑constrained optimization），并提出两种求解方案。
第一种是分解式两阶段方法：规划阶段在满足可行性约束的前提下，最小化冗余活动的期望数；调度阶段在已规划的活动上进一步最小化 makespan。第二种是整体式方法，将规划与调度合并为单一模型，同时优化两目标。
在两个真实数据集和一个合成数据集上的实验表明，整体式方法能够获得更短的 makespan，但在大规模实例上计算不可行；而分解式方法能够在保持可接受的 makespan 的同时，显著提升求解的可扩展性。
点评