بهبود تحمل پذیری اشکال و نقص نرم افزاری با استفاده از یادگیری ماشین

تحمل پذیری اشکال نرم افزاری 2 به معنی ادامه عملکرد سیستم های نرم افزاری با وجود اشکال در آن میباشد . باتوجه به اهمیت تحملپذیری نرمافزار، همواره استفاده از روشهایی که بتواند این هدف را بهبود دهد و موجب کاهش هزینه شود، مورد مطالعه قرار میگیرد. در روشهای تحمل پذیری اشکال نرم افزاری ، از روشهای تشخیص اشکال3 جهت کمک به این زمینه استفاده میشود. یکی از راه هایی که میتواند این امر را تحقق بخشد،تشخیص مولفه های بحرانی در برنامه ها می باشد، تا بتوان تنها با حفاظت از بخشهایی از برنامه نسبت به تمام کد، موجب کاهش هزینه شد. از این رو در این پژوهش، پیشبینی مولفه های دارای اشکال در سطح عبارت، مبتنی بر الگوریتم یادگیری ماشین با استفاده از معیارهای نرم افزاری 4 انجام میشود. سپس انتخاب روش تحمل پذیری مناسب، با توجه به شدت اشکال انجام میشود. برای برنامه هایی با عبارتهای دارای اشکال، روش افزونگی تکرار سه گانه مولفه5 با تغییراتی در این روش اعمال میشود و بر روی برنامه هایی با عبارتهای دارای نقص6 روش ارسال مجدد و جایگذاری عبارات انتخاب میشود. نتایج تحملپذیری نشان داد، روش پیشنهادی با پوشش دهی اشکال بالایی، به میزان قابل قبولی، موجب کاهش سربار حافظه و زمان بارگیری میشود.

کلیدواژه ها:

تحمل پذیری اشکال نرم افزاری ، تشخیص اشکال ، یادگیری ماشین ، افزونگی تکرار سه گانه مولفه