ارائه روشی ترکیبی بر مبنای شبکه عصبی فازی و الگوریتم های تکاملی جهت پیش بینی رفتار حین اجرای نرم¬افزارهای خودتطبیق مبتنی بر معماری

ارائه روشی ترکیبی بر مبنای شبکه عصبی فازی و الگوریتم های تکاملی جهت پیش بینی رفتار حین اجرای نرم¬افزارهای خودتطبیق مبتنی بر معماری

نادر قانعی رودی1 کاظم نیک فرجام2

1) دانشجوی کارشناسی ارشد کامپیوتر گرایش نرم افزار : دانشگاه آزاد اسلامی واحد بیرجند
2) دانشجوی دکتری کامپیوتر گرایش نرم افزار : دانشگاه آزاد اسلامی واحد قزوین

کد IOI مقاله : XYGE-BDBCH
محل انتشار : سومین کنفرانس بین المللی مهندسی و علوم کاربردی(3iceasconf.com)
چکیده :
    نرم¬افزارهای خودتطبیق، سیستم هایی هستندکه تغییرات را از محیط درونی وبیرونی خود دریافت کرده و باتوجه به وضعیت یک هدرآن قراردارند،خودرابا تغییرات تطبیقمی¬دهند.ازآن¬جاکه این فرایند براساس نیازمندی¬هاي کاربران، منابع وشرایط محیطی صورت می¬گیرد ، منجر به مطابقت نرم¬افزاربا نیازهای کاربران می¬شود]1و2 [. روش¬های سنتی خود تطبیقی در قالب ویژگی¬های زبان¬های برنامه¬نویسی به¬کارمی¬رفتند. تطبیق¬پذیری که در این روش¬ها وجود دارد به شدت آمیخته با برنامه است. این روش¬ها، به¬محض کشف خطا، آن را به دام می¬اندازند، اما مدیریت خطای داخلی، قادر نیست منبع واقعی مشکل را شناسایی و راهکار جبرانی ارائه نماید. به¬علاوه، چنین روش¬هایی نمی¬توانند مشکلاتی مانند افت کارایی تدریجی نرم¬افزار و یا الگوهای غیرمطمئن را شناسایی کنند. همچنین به¬دلیل وابستگی این روش¬ها به کد برنامه، تغییر سیاست¬های تطبیق¬پذیری در آن¬ها، بسیار سخت می¬شود. 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 پیش¬بینی، اتکا دارد و واکنشی نیست. این مرجع، پیش¬بینی رفتار نرم¬افزار¬های خودتطبیق را با استفاده از مدل مارکوف مخفی و شبکه¬ی عصبی بازگشتی و پویا (NARX) انجام داده است. شباهت روش ارائه شده در این تحقیق با روشی که در مرجع ]3 [ مطرح شده است، پیش¬بینی رفتار نرم¬افزار¬های خودتطبیق بر معماری می¬باشد، اما تفاوت آن عبارت است از استفاده از ترکیب شبکه عصبی فازی انفیس و الگوریتم¬های تکاملی جهت پیش¬بینی رفتار نرم¬افزارهای خودتطبیق مبتنی بر معماری. مدل فازی- عصبی، منطق فازی را با شبکه¬های عصبی مصنوعی ترکیب می¬کند. 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 مؤثر است. در مرجع ]3 [ از روش¬های NARX و مدل مارکوف مخفی برای پیش بینی رفتار غیرخطی سیستم¬های خودتطبیق استفاده شده است، در این تحقیق می¬خواهیم به بررسی کارایی روش¬ ترکیبی مورد استفاده (ترکیب انفیس و الگوریتم¬های تکاملی) برای پیش بینی بپردازیم.

کلمات کلیدی : شبکه عصبی الگوریتم تکاملی نرم افزار خود تطبیق