ارایه روشی ترکیبی بر مبنای شبکه عصبی فازی و الگوریتم های تکاملی جهت جهت پیش بینی رفتار حین اجرای نرمافزارهای خودتطبیق مبتنی بر معماری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 383

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SASTECH10_056

تاریخ نمایه سازی: 29 اردیبهشت 1398

چکیده مقاله:

نرم افزارهای خودتطبیق، سیستم هایی هستندکه تغییرات را از محیط درونی وبیرونی خود دریافت کرده و باتوجه به وضعیت یک هدرآن قراردارند،خودرابا تغییرات تطبیق میدهند.ازآنجاکه این فرایند براساس نیازمندی های کاربران، منابع وشرایط محیطی صورت میگیرد ، منجر به مطابقت نرمافزاربا نیازهای کاربران میشود1 و2 . روشهای سنتی خود تطبیقی در قالب ویژگی های زبانهای برنامه نویسی به کارمیرفتند. تطبیق پذیری که در این روش ها وجود دارد به شدت آمیخته با برنامه است. این روشها، به محض کشف خطا، آن را به دام می اندازند، اما مدیریت خطای داخلی، قادر نیست منبع واقعی مشکل را شناسایی و راهکار جبرانی ارایه نماید. به علاوه، چنین روشهایی نمیتوانند مشکلاتی مانند افت کارایی تدریجی نرم افزار و یا الگوهای غیرمطمین را شناسایی کنند. همچنین به دلیل وابستگی این روش ها به کد برنامه، تغییر سیاست های تطبیق پذیری در آنها، بسیار سخت میشود. راه حل این مشکلات، استفاده از مدل های معماری نرم افزار برای کشف، تشخیص و برطرف کردن خطاها و تنگناهاست . [3]سیستم های خودتطبیق مبتنی بر معماری، واکنشی هستند. مرجع [3] ، به روش پیشبینی، اتکا دارد و واکنشی نیست. این مرجع، پیش بینی رفتار نرمافزارهای خودتطبیق را با استفاده از مدل مارکوف مخفی و شبکه ی عصبی بازگشتی و پویا (NARX) انجام داده است. شباهت روش ارایه شده در این تحقیق با روشی که در مرجع [3] مطرح شده است، پیش بینی رفتار نرمافزارهای خودتطبیق بر معماری میباشد، اما تفاوت آن عبارت است از استفاده از ترکیب شبکه عصبی فازی انفیس و الگوریتم های تکاملی جهت پیشبینی رفتار نرمافزارهای خودتطبیق مبتنی بر معماری. مدل فازی- عصبی، منطق فازی را با شبکههای عصبی مصنوعی ترکیب میکند. با توجه به وجود روابط غیرخطی و عدم قطعیت در رفتار سیستم های نرم افزاری، استفاده از مدلی که از منطق فازی، استفاده کند در بهبود پیش بینی رفتار این سیستم ها موثر است. در مرجع [3] از روشهای NARX و مدل مارکوف مخفی برای پیش بینی رفتار غیرخطی سیستم های خودتطبیق استفاده شده است، در این تحقیق میخواهیم به بررسی کارایی روش ترکیبی مورد استفاده (ترکیب انفیس و الگوریتم های تکاملی) برای پیش بینی بپردازیم.

کلیدواژه ها:

شبکه عصبی ، الگوریتم تکاملی ، نرم افزار خود تطبیق

نویسندگان

نادر قانعی رودی

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد بیرجند

کاظم نیک فرجام

دانشجوی دکتری دانشگاه آزاد اسلامی واحد قزوین