بررسی رویکردهای یادگیری ماشین در پشتیبانی و خودکارسازی تصمیمات معماری نرم افزار

با افزایش پیچیدگی سامانه های نرم افزاری، تصمیمات معماری نرم افزار نقش کلیدی در تحقق ویژگی های کیفی مانند کارایی، مقیاس پذیری و نگهداری پذیری ایفا می کنند، اما رویکردهای سنتی بر پایه دانش ضمنی معماران از نظر سرعت، دقت و تکرارپذیری با محدودیت مواجه اند. یادگیری ماشین با تحلیل داده های تاریخی، شناسایی الگوهای پنهان و پیش بینی پیامد تصمیمات، پتانسیل بالایی به عنوان سیستم تصمیم یار در معماری نرم افزار دارد. این مقاله با مرور و تحلیل پژوهش های اخیر در بازه ۱۰ سال گذشته، رویکردهای یادگیری ماشین را در خودکارسازی تصمیمات معماری مورد بررسی قرار می دهد. در این راستا، راهکارهای موجود بر اساس نوع الگوریتم (مانند یادگیری نظارت شده، بدون ناظر و عمیق) و سطح تصمیم گیری (راهبردی، تاکتیکی و عملیاتی) طبقه بندی شده اند. الگوریتم های طبقه بندی، پیش بینی، یادگیری عمیق و بدون ناظر در سطوح راهبردی، تاکتیکی و عملیاتی ارزیابی شده و ابزارهایی مانند Arcan، DV۸ و ARCHReco مقایسه می گردند. نتایج حاکی از بهبود قابل توجه کیفیت تصمیمات است، اما چالش هایی نظیر کمبود داده های استاندارد، تفسیرپذیری (Explainability ) و وابستگی های پیچیده مانع کاربرد صنعتی گسترده می شوند. این پژوهش با شناسایی شکاف ها، مسیرهایی برای مدل های قابل توضی، دیتاست های مرجع و رویکردهای هیبریدی پیشنهاد می دهد.

کلیدواژه ها:

معماری نرم افزار ، تصمیمات طراحی معماری ، یادگیری ماشین ، خودکارسازی ، ارزیابی معماری