انتخاب هوشمند معماری بهینه نرمافزار مبتنی بر ویژگی های پویا پروژه با بهرهگیری از شبکه های عصبی گراف زمانی و الگوریتم Random Walk

انتخاب معماری بهینه نرمافزار در پروژه های نرمافزاری با تغییرات زمانی در نیازمندی ها، یکی از چالشهای اصلی مهندسی نرمافزار است. این پژوهش روش نوین RW+TGNN را معرفی میکند که با بهره گیری از شبکه های عصبی گراف زمانی و الگوریتم Random Walk ،پویایی زمانی و روابط پیچیده بین پروژهها را برای پیشبینی هوشمند معماری های نرمافزار مانند Microservice ، Cloud-Native ، و DDD مدلسازی می کند . TGNN با تحلیل تغییرات پویا در طول زمان و ترکیب آن با Random Walk برای استخراج الگوهای ساختاری، به دقت۰۹% دست یافت که نسبت به روشهای پیشرفته مانند TGCN و سنتی مانند Random Forest برتری قابلتوجهی نشان داد. این روش با عملکرد پایدار در پیشبینی معماری های متنوع، به توسعهدهندگان و معماران نرم افزار امکان میدهد تا با اطمینان بیشتری معماریهایی متناسب با نیازهای پویا انتخاب کنند. ای ن رویکرد فرآیند طراحی نرمافزار را کارآمدتر کرده و راه را برای توسعه سیستمهای انعطاف پذیر باز میکند. کاوش های آینده با استفاده از دادههای واقعی و ترکیب TGNN با روشهای پیشرفته تر میتوانند پیش بینی معماریها را در پروژه های صنعتی دقیقتر کنند.

کلیدواژه ها:

معماری نرمافزار ، شبکه های عصبی گراف زمانی ، Random Walk ، تغییرات زمانی ، مهندسی نرمافزار