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

نادر قانعی رودی1 حمید علیمیرزائی2

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


زبان مقاله : فارسی
محور مقاله : علوم مهندسی
محل انتشار : کنفرانس بین المللی علوم و مهندسی
آدرس وب سایت کنفرانس : icesconf.com
کد IOI مقاله : XYCC-ACBAG
لینک مستقیم مقاله : https://isnac.ir/XYCC-ACBAG

سایر مقالات محل انتشار
  1. بررسی سبک های معماری مساجد معاصراهل سنت شهر زاهدان
  2. افزایش بهره وری چاه مخازن گازمیعانی با‎ ‎استفاده از روش تغییرترشوندگی در میدان مشترک پارس جنوبی-شمال قطر
  3. طراحي يك سيستم خبره براي تشخيص سرطان حلق
  4. بررسی پلی مورفیسم ژنتیکی (T3801C) , (A2455G) ژن cyp1a1 در یک جمعیت مبتلا به سرطان تخمدان در استان مازندران
  5. بررسي رابطه بين فرهنگ سازماني و تعلق سازماني در بین کارکنان شركت گاز استان خوزستان
  6. تاثیر آموزش هوش هیجانی بر اضطراب امتحان ، خودکارآمدی و عملکرد تحصیلی دانش آموزان با پدران طرح اقماری دبیرستان های مجتمع آموزشی غیر دولتی شهدای ملی حفاری در اهواز
  7. بررسي اجمالي طرح احداث تونل طويل ريلي البرز
  8. به صدا درآمدن زنگ خطر شبکه های ماهواره ای: سبک زندگی جوانان ایران در حال تغییر است!
  9. بینش دبیران وفراگیران ایرانی درس انگلیسی به عنوان زبان خارجی نسبت به راهبرد های انگیزشی
  10. همنشيني رنگ ها در تزئينات كاشيكاري بناي مسجد نصيرالملك شيراز
  11. مروری بر ویژگی‌ها و کاربردهای فناوری‌ رایانش ابری
  12. مقاوم سازی قاب های فلزی موجود با استفاده از بادبندهای شکل پذیر
  13. تحلیل مقابله‌ای اصطلاحات مربوط به بدن در انگلیسی و فارسی از نظر معنایی، واژگانی و ویژگی‌های عاطفی
  14. ارزیابی مقاومت تک محوری، تخلخل،عدد لس انجلس سنگ ها با استفاده از متدهای شبکه های عصبی و حداقل مربعات معمولی
  15. تاثیر میزان جلبک و مواد معلق موجود در آب آبیاری بر عملکرد فیلترهای دیسکی