تشخیص نشت حافظه در زمان اجرا با به کارگیری هوش مصنوعی

در این پژوهش، یک روش هوشمند برای تشخیص نشت حافظه در زمان اجرای برنامه های نرم افزاری ارائه شده است. نشت حافظه یکی از چالش های مهم در پایداری و عملکرد سیستم های نرم افزاری به شمار می رود. روش های سنتی مانند تحلیل ایستا و پروفایلینگ پویا دارای محدودیت هایی از جمله نرخ بالای هشدار کاذب و سربار اجرایی زیاد هستند. در این مقاله، یک معماری مبتنی بر هوش مصنوعی طراحی شده که شامل عامل های سبک وزن مانیتورینگ، موتور مرکزی تحلیل داده ها با الگوریتم های یادگیری ماشین، ماژول تشخیص علت نشت و سیستم واکنش خودکار می باشد. تحلیل های فرضی نشان می دهد که استفاده از یادگیری ماشین می تواند دقت تشخیص نشت را به بیش از 90٪ افزایش داده و سربار پردازشی ناچیزی بر سیستم تحمیل کند. این روش، امکان کشف نشت های حافظه را در مراحل اولیه و بدون نیاز به دسترسی مستقیم به کد منبع فراهم می سازد. در پایان، مزایا و چالش های این رویکرد بحث شده و پیشنهادهایی برای توسعه های آتی ارائه گردیده است.

کلیدواژه ها:

بهینه سازی مصرف حافظه ، تشخیص نشت حافظه ، زمان اجرا ، هوش مصنوعی ، یادگیری ماشین