软件可靠性专家系统（SRES）的开发与使用

软件可靠性估测模型关于软件系统的故障行为的统计假设，是软件可靠性模型的理论基础。由此产生应用中的不一致性，使用户对这些估测结果迷惑不解，“谁的结果最可信？”。我们以“一切让数据说明问题”为原则，采用人工智能技术，建立一个软件可靠性专家系统（ＳｏｆｔｗａｒｅＲｅｌｉａｂｉｌｉｔｙＥｘｐｅｒｔＳｙｓｔｅｍ——ＳＲＥＳ），以解决软件可靠性模型应用中的不一致性难题。本文首先对该不一致性进行了一些定量的研究，然后介绍软件可靠性专家系统的开发，最后报告该系统的使用及与国外一些软件可靠性量测工具的比较。     

电参数分析管理装置的设计

电参数分析管理装置的主要功能是对电能表及其他电能计量仪表进行实时监督。它是国家科技部中小企业技术创新资助项目。介绍了该装置的主要功能、软件设计、系统软件可靠性评估及硬件构成。     

微机继电保护软件可靠性探讨

微机保护的软件的性能是否可靠,是影响微机保护运行可靠性的关键因素之一.在微机保护开发的整个过程中,应该强调软件的可靠性.简要介绍了衡量软件可靠性的几个要素,指出当前微机保护开发人员对软件可靠性认识的误区,提出一种微机保护软件开发的标准流程.文章强调,应该在开发流程上和开发制度上保证微机保护装置软件的可靠性.     

星载软件可靠性测试实践

为验证和评估软件可靠性水平,阐述了开展软件可靠性测试的方法和过程,针对星载嵌入式软件的特点,介绍了进行软件可靠性测试的关键步骤的实现途径和方法,包括:失效的定义、测试环境的搭建、使用剖面的构造、测试过程的执行以及失效数据的收集,最后给出了该软件的可靠性定量评估结果,表明了该方法和流程的实用性和可行性,为后续开展类似的软件可靠性测试提供实践经验.     

基于Kohonen网络的软件可靠性模型选择

软件可靠性模型是软件可靠性工程的一个重要方面。现在还没有一个通用的模型,模型选择问题已成为模型研究的重点。运用聚类思想对软件可靠性模型的选择进行研究。在对软件失效数据进行编码的基础上,采用Kohonen神经网络对其进行聚类分析,从而实现了可靠性模型的选择。最后通过仿真测试,证明了此方法的有效性和可行性。     

基于构件软件的可靠性通用模型

工作流管理的最终目的是实现适当的人在适当的时间执行适当的活动.企业要获得竞争力,需要在工作流模型中考虑与业务过程相关的时间约束.一个考虑时间因素的工作流模型,需要在投入运行前进行时间规范与验证,以保证工作流执行的时间协调.通过为工作流网元素扩展时间属性,得到集成业务过程时间约束的工作流模型??时间约束工作流网(TCWF-nets).基于对业务活动的可调度性分析,提出了时序一致性验证方法,确保工作流执行中活动之间时间交互的安全性.在所附加的时间约束下,该可调度分析方法不仅能够检测某一给定工作流调度的时间可行性,还能对特定的实例给出一个最优调度,使工作流执行延迟最小.研究结果表明,该方法支持业务过程的时间建模与分析,对于丰富现有工作流系统的时间管理功能以及增强现存工作流软件对动态业务环境的适应性具有重要意义.     

软件可靠性及可靠性多模型综合研究

软件可靠性验证阶段的可靠性增长模型的建立与选择是软件可靠性工程人员长期关注的焦点。首先对软件可靠性基本概念及影响因素和工程确认的几种软件可靠性增长模型进行阐述,探讨近年来工程人员对软件可靠性增长模型的改进方法研究进展,提出了基于模型聚类的混合模型方法,并对该方法进行了实验性仿真分析。     

软件可靠性评估研究

软件错误引起的后果差别很大,有的几乎可以忽略不计,有的可能是灾难性的.目前,软件可靠性模型很少考虑到这一点,我们在实际工作中发现量化这一差别是很有必要的.为了增加人们对错误重要性差别的意识,讨论了在考虑错误级别时,如何应用Jelinski-Moranda模型和Goel-Okumoto,Nelson模型以及Nelson和Bron-Lipow模型.这些讨论和研究说明软件可靠性不仅决定于软件中的错误数,而且决定于软件中的错误级别.     

基于EM算法的软件可靠性研究*

结合边界值和等价类的方法对输入域的提取和输入点的选取作了详细分析.在考虑软件复杂性、缺陷后果严重性和信息不足等因素的基础上,提出了基于测试用例的软件可靠性模型,并结合EM算法和数理统计知识对该模型进行了相应的理论证明.实验表明,新模型具有较好的适用性.     

基于EMD和GEP的软件可靠性预测模型

基于经验模态分解和基因表达式编程算法提出了一种软件可靠性预测模型。通过对软件失效数据序列进行经验模态分解得到不同频段的本征模态分量和剩余分量,消除失效数据中的噪声,运用基因表达式编程算法的灵活表达能力,把分解得到的不同频段的各本征模态分量及剩余分量中所对应的不同失效时间序列作为样本来分别进行预测,重构各本征模态分量和剩余分量中相对应的预测结果,将其作为软件失效的最终预测值。基于两组真实软件失效数据集,将所提出的方法与基于支持向量回归机以及单纯使用基因表达式编程的软件可靠性预测模型进行比较分析。结果表明,该软件可靠性预测模型具有更为显著的模型拟合能力与精确的预测效果。