一种面向体系结构的自适应软件构件分派模型及算法

自适应演化软件是近年来软件工程领域的研究热点,而以体系结构为中心的自适应演化尤其受到重视.针对当前演化中对非功能性约束关注的不足,着重对面向体系结构的自适应演化框架中构件的分派优化问题进行研究.首先详细描述了基于体系结构模型的构件分派问题,并建立能够满足嵌入式软件构造机制中非功能性约束的分派模型,接着证明该分派问题为NP完全问题,最后提出一种启发式分派算法找出近似最优解,实验表明,与贪婪和整线性规划算法相比,该算法具有多目标均衡的优势;而与整线性规划算法相比,虽然不能保证找到最优解,但具有较大的计算时间优势.     

Component assignment method and practical example based on software architecture

在演化研究过程中,以体系结构为中心的自适应软件备受关注,该机制以体系结构信息作为运行系统元信息,解耦系统的引用关系,达到动态演化的目的.存在元构件与具体实现构件之间的指派关系,对基于体系结构的构件分派问题进行研究,先提出构件分派模型,并证明该问题为NP完全问题,从而找到一种构件分派算法.实验结果表明该算法与贪婪法与整数线性规划相比,具有一定的优势.     

虚拟计算系统体系结构的自适应重构设计

提出一种虚拟计算系统体系结构的自适应重构框架,以解决任务特征与体系结构的动态匹配问题。实现面向动态需求变化和面向物理资源变化的重构算法,在任务特征模型或底层物理结构变化时,能自适应进行线程及虚拟机的聚集,以形成新的任务分配和调度结构,使虚拟计算系统具有较高的运行效率,并通过虚拟机迁移,确保系统负载均衡。     

一种面向对象替换的灵活在线演化框架

在面临动态、复杂多变的运行环境以及用户灵活多变的需求时,软件要能及时调整其结构和行为,以适应环境以及需求的变更,达到延长软件系统生命周期的目标,即具有在线演化的特性.在线演化是当前软件体系结构中研究的热点,本文在研究自适应演化的过程中,基于面向对象程序模型,利用动态对象替换的机制,提出一种灵活的在线演化框架.通过具体的实例验证,该机制简单灵活,适合软件的在线调整,满足软件运行时变更的需求.     

ARTEMIS-ARC系统协同模型的自省式实现技术研究

基于运行时体系结构的协同模型能够为面向服务的协同应用系统的动态演化提供有效的支持。但是在实现层面上,如何使软件体系结构从抽象的规约转化为运行时实际的对象实体,并成为系统演化行为的直接载体,是一个较为困难的技术挑战。针对这个问题,本文提出一种基于计算自省的实现途径,主要包括基于面向对象程序设计语言构造的体系结构层面的元表示和元协议、基于体系结构上下文中对象引用重解释构建的因果互连机制,以及基于该因果互连机制的应用系统的动态重配置。以上实现方式在自行开发的服务协同系统ARTEMIS-ARC时得以实施。     

运行时软件体系结构的建模与维护

运行时体系结构是系统运行时刻的一个动态、结构化的抽象,描述系统当前的组成成分、各成分的状态和配置以及不同成分之间的关系.运行时体系结构与目标系统间具有动态的因果关联,即系统的变化及时体现在体系结构上,而对体系结构的修改及时影响当前系统.运行时体系结构允许开发者以读写体系结构的方式实现系统的监测和调整,是体系结构层次系统动态适应与在线演化的基础.构造运行时体系结构的关键是针对不同的目标系统和体系结构风格实现合适的基础设施,以维护二者之间的因果关联.由于目标系统和体系结构的多样性以及因果关联维护逻辑的复杂性,这一构造过程往往过于繁琐、易错、难以复用和维护.提出一种模型驱动的运行时体系结构构造方法.开发者只需针对目标系统、体系结构以及两者之间的关系分别进行建模,根据这些模型,支撑框架自动构造合法而高效的运行时体系结构基础设施.基于MOF 和QVT 标准建模语言定义了一组运行时体系结构建模语言,并基于通用的模型与系统间同步技术实现了相应的支撑框架.一系列实例研究表明,该方法具有广泛的适用性,并显著提高了运行时体系结构构造过程的效率与可复用性.     

一种面向动态软件体系结构的在线演化方法

为适应计算环境和用户需求在系统运行期间的变化,满足软件系统进行动态演化的需求,提出面向动态软件体系结构的在线演化方法,设计并实现了一种运行时刻的软件体系结构元模型,将原先运行时刻不可见的体系结构设计信息具体化为显式的体系结构实体,并与系统实现及系统规约之间保持因果关联.元模型的演化可通过反射实现对运行系统的修改和对规约的更新,所有演化行为都在良定义的体系结构元模型的指导下规范地进行,保证了演化前后系统的一致性、完整性和演化的可追溯性.基于该方法开发了可视化支撑平台Artemis-ARC系统,支持构件和服务的设计、开发、集成及动态演化,并通过简单的应用实例展示了在线演化的效果.     

基于Bigraph的面向方面动态软件体系结构演化研究

随着网络技术的发展,软件运行环境的开放化和用户需求的多样化,使得人们对软件动态演化能力提出了更高的要求.面向方面软件开发中的关注点分离思想很好地支持了软件动态演化,现有的形式化方法难以直观地表示体系结构的动态性,且不能很好地验证系统演化前后的正确性.Bigraph不仅具有直观的图形化表达能力,而且具备良好的数学基础,可以推理和验证系统的演化性质.因此,提出了一种面向方面动态软件体系结构(AODSA)模型,扩展的Bigraph用于描述AODSA的结构,使用Bigraph反应系统(BRS)来描述AODSA的动态演化.最后以一个简化的ATM存款系统模型为例,说明Bigraph表示的ATM模型以及基于BRS的演化过程.     

一种面向自适应软件系统的体系结构描述语言*

从构件角度出发,结合软件agent技术,提出一种能表示根据需求和环境的变化实施自主行为的E-BDI构件模型。基于高阶多型π演算理论,在现有的动态体系结构描述语言D-ADL基础上,提出一种能从运行时角度描述自适应构件的动态行为的体系结构描述语言SOS-ADL。利用SOS-ADL形式化描述E-BDI结构的自适应构件行为,使构件能根据变化的环境和需求,自主推导自身的行为,达到实现软件自适应的目的。案例说明了面向自适应软件系统的体系结构描述语言SOS-ADL的应用。     

基于软件体系结构和广义差分进化的测试资源动态分配算法

测试资源分配是软件测试中的一个基础问题,然而已有研究大都针对并串联模块软件模型而鲜有涉及体系结构软件模型。为此,首先针对可靠性和错误数动态变化的测试环境,构建了一种基于体系结构的多阶段多目标测试资源分配模型。然后基于参数重估计、种群重新初始化、广义差分进化和归一化加权求和设计了一种面向动态可靠性和错误数的多阶段多目标测试资源分配算法。最后,在仿真实验中,与已有的归一化加权求和多目标差分进化（WNS-MODE）算法进行对比,所提算法在不同结构的体系结构软件模型实例上所获解集更优,容量值提高了约16倍,覆盖值提高了约84个百分点,超体积提高了约6倍。实验结果表明,所提算法能够更好地适应可靠性和错误数的动态变化,可为体系结构软件模型的动态测试提供更多和更优的测试资源分配方案。     

基于群智能的模糊多目标软件可靠性冗余分配

针对软件可靠性冗余分配问题,建立了一种模糊多目标分配模型,并提出了基于分布估计的细菌觅食优化算法求解该模型。将软件可靠性和成本作为模糊目标函数,通过三角形隶属函数对模糊多目标进行处理,用高斯分布对细菌觅食算法进行优化,并将该优化算法用来求解多目标软件可靠性冗余分配问题,设置不同的隶属函数参数可以得到不同的Pareto最优解,实验数据验证了该群智能算法对解决多目标软件可靠性分配的有效性和正确性,Pareto最优解可为在可靠性和成本之间决策提供依据。     

Cost-oriented task allocation and hardware redundancy policies in heterogeneous distributed computing systems considering software reliability

Task allocation policy and hardware redundancy policy for distributed computing system (DCS) are of great importance as they affect many system characteristics such as system cost, system reliability and performance. In recent years, abundant research has been carried out on the optimal task allocation and/or hardware redundancy problem, most of which took a reliability-oriented approach, i.e., the optimization criterion was system reliability maximization. Nevertheless, besides system reliability, other system characteristics such as system cost may be of great concern to management. In this paper, we take a cost-oriented approach to the optimal task allocation and hardware redundancy problem for DCS, which addresses both system cost and system reliability issues. A system cost model which could reflect the impact of system unreliability on system cost is developed, and by minimizing the total system cost, a satisfactory level of system reliability could be reached simultaneously. In the reliability modeling and analysis of DCS, we take both hardware reliability and software reliability into account. Two numerical examples are given to illustrate the formulation and solution procedures, in which genetic algorithm is used. Results show that based on the developed system cost model, appropriate decision-makings on task allocation and hardware redundancy policies for DCS could be made, and the result obtained seems to be a fairly good trade-off between system cost and system reliability.     

串并联系统中支持实时替换的混合冗余策略优化

在需要长时间可靠运行的软件系统中,由于持续运行时间和任务响应速度的要求增加,工作组件在被探测到失效后将被冗余组件实时替换.但现有可靠性优化研究通常假设冷备份冗余在所有积极冗余组件失效后才使用.针对支持实时替换的混合冗余策略,对其冗余度优化分配进行研究.该策略不仅能够保障系统可靠性,而且能够保障系统性能,故选用实时可用性和任务完成效率两类约束条件,建立冗余配置代价最小化模型.基于马尔可夫链理论对可靠性及性能两类系统指标进行定量分析;采用数值计算方法对非线性的状态分析模型进行计算;改进二元组编码遗传算法对上述优化问题进行求解.采用实例对串并联系统中实时可用性及任务完成效率的分析进行了说明,并对优化冗余分配模型进行了验证.实验结果表明,在相同冗余度下,支持实时替换的混合冗余策略在任务完成效率方面优于传统的混合冗余策略.所以,在相同约束条件下不同混合冗余策略需要采用不同的冗余优化配置方案.     

基于差分进化的复杂软件系统动态可靠性分配

现有关于复杂软件系统可靠性分配的研究均基于结构固定的软件系统,而实际情况中软件系统结构往往不固定。针对这一矛盾,构建复杂软件系统动态可靠性分配优化模型,并基于差分进化设计复杂软件系统动态可靠性分配算法。在系统结构发生变化时,首先基于D-S证据理论对系统中各模块的全局权重重新进行评估,并考虑变化前后系统的关联性,在差分进化生成初始种群时保留了部分历史解。最后,通过仿真实验分析验证了所提方法的有效性。     

动态可靠性约束的多阶段测试资源分配研究

为满足测试资源分配过程中用户对软件可靠性的需求,构建一种动态可靠性约束的多阶段多目标测试资源分配模型DRC-MSMOTRA。从理论上分析不同阶段满足可靠性约束的测试时间下限并设计相应的种群初始化策略,结合参数估计、加权归一化方法和多目标差分进化,提出一种动态可靠性约束的多阶段多目标测试资源分配算法MS-DRC-GDE3。实验结果表明,与MSMOTRA模型相比,DRC-MSMOTRA模型在2种不同规模的软件系统上所获解的覆盖值分别提高约62和59个百分点,与MS-GDE3算法相比,MS-DRC-GDE3算法在2种软件系统上所获解的覆盖值分别提高约69和80个百分点,即所提模型和算法能够根据用户对可靠性的需求来为用户提供更多更优的测试资源分配方案。     

新的MOPSO及其在大型复杂系统可靠性优化中的应用

可靠性优化问题是大型复杂系统设计的一个关键问题。针对大型复杂系统多个指标(可靠度、造价和冗余数)同时进行最优分配的结果多样性不好的问题,提出了一种基于杂草克隆的多目标粒子群算法—IWMOP-SO(invasive weed multi-objective particle swarm optimization)的多指标分配方法。该分配方法通过引入杂草克隆机制来改善Pareto最优解的收敛性和多样性。通过对大型复杂系统多个指标进行分配,其分配效果与NSGA-Ⅱ相比,得到的Pareto非劣解集多样性和均匀性好,分布范围更广,更利于设计者进行决策,是一种更有效的复杂系统多指标分配方法。     

Multi-level redundancy optimization in series systems

Single-level systems have been considered in redundancy allocation problems. It may be the best policy in some specific situations, but not in general. In regards to reliability, it is most effective to duplicate the lowest objects, because parallel-series systems are more reliable than series-parallel systems. However, the smaller an object is, the more time and higher accuracy are needed for duplicating it, and so, redundancy cost can be decreased by using modular redundancy. Therefore, providing redundancy at high levels like as modules or subsystems, can be more economical than providing redundancy at low level of components. In this paper, the problem in which redundancy is available at all levels in a series system is addressed and a mixed integer programming model is presented. A heuristic algorithm and a genetic algorithm are proposed to solve the problem and some examples illustrate the procedure.     

A hybrid cuckoo search and genetic algorithm for reliability–redundancy allocation problems

Solving reliability and redundancy allocation problems via meta-heuristic algorithms has attracted increasing attention in recent years. In this study, a recently developed meta-heuristic optimization algorithm cuckoo search (CS) is hybridized with well-known genetic algorithm (GA) called CS–GA is proposed to solve the reliability and redundancy allocation problem. By embedding the genetic operators in standard CS, the balance between the exploration and exploitation ability further improved and more search space are observed during the algorithms’ performance. The computational results carried out on four classical reliability–redundancy allocation problems taken from the literature confirm the validity of the proposed algorithm. Experimental results are presented and compared with the best known solutions. The comparison results with other evolutionary optimization methods demonstrate that the proposed CS–GA algorithm proves to be extremely effective and efficient at locating optimal solutions.     

改进差分进化算法在可靠性冗余分配问题中的应用

提出一种改进差分进化算法(IDE),以解决系统可靠性冗余分配问题.在罚函数法的基础上,对约束处理方法进行改进. 新约束处理方法在搜索过程中不需要在每一步都计算惩罚函数值,加快了寻优速度.具有良好的通用性,可以引入到其他智能优化算法中.将改进的算法用于求解4类典型的系统可靠性冗余分配问题,实验结果表明了所提出的改进算法具有很好的寻优精度和收敛速度.     

面向多用户软件系统的可靠性分配的故障树分析法

本文首先对目前已有的各种分配技术与方法的特点进行了探讨,介绍了如何采用故障树技术求得导致系统失效的功能模块的最小割集,首次提出运用故障树技术进行各模块可靠性的划分和确定,并提出了一种新的算法来快速、有效地确定各模块的重要度,结合考虑软件的总体开发费用,创建了一个新的基于软件实用性的可靠性分配模型并详细讨论了其具体运用,最后本文对该方法可能的改进进行了一些探讨。