最近在做工作流处理流程部分的工作，顺便研究了一下工作流引擎的一些设计理念和原理。由于以前接触过人工智能神经网络的一些东西，发现工作流引擎和神经网络还是颇有一些相似之处，都是满足一定的条件下向下一个节点传递。在神经网络的神经元中有个阀的概念，就是只有当神经元接收到神经冲动超过阀值后才会激活此神经元。由此我大胆的在工作流中也引入阀值的概念。
我们知道在工作流中的一些基本概念，节点，路由，条件是工作流的一些基本组成部分。其中节点和路由的共性是都是满足一定的条件向后流转，不同点是节点可以进行更多的操作，修改状态，路由只能根据已经定义好的条件进行判断是否从此路由进行流转。对于条件的判断有如下几种情况，并，或，一票确定，一票否定，数量确定，比例确定等。我们可以尝试用阀值来模拟这几种情况，首先我们先确定规则，当节点计数器达到阀值后激活向后流转，
每次操作可以取不同的阀值可达到不同的效果。
如上流程图，现在有Node(A) Node(B),Node(C), Node(D), Node(E), Node(F) 六个节点，Route(AB), Route(BC), Route(BD), Route(BE), Route(CF), Route(DF), Route(EF)七个路由
| 类型 | Node (C) | Node (D) | Node (E) | Node(F) | Function |
| 并 | 1 | 1 | 1 | 3 | F(x)=x+1 |
| 或 | 1 | 1 | 1 | 1 | F(x)=x+1 |
| 一票确定 | 1 | 1 | 1 | 1 | F(x)=x+1 |
| 一票否定 | 0 | 0 | 0 | 0 | F(x)=x*x |
| 数量确定 | 1 | 1 | 1 | 2 | F(x)=x+1 |
| 比例确定 | 1 | 1 | 1 | 2 | F(x)=x+1 |
说明:function为Route接收参数后进行运算的规则，可以是复杂的函数以实现复杂的控制条件
朱现国 2014-04-29
方法与示例)
)
