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

نرم افزارهای خود تطبیق، سیستم هایی هستند که تغییرات را از محیط درونی و بیرونی خود دریافت کرده و باتوجه به وضعیت یک هدرآن قرار دارند، خود را با تغییرات تطبیق می دهند.از آن جا که این فرآیند براساس نیازمندی های کاربران، منابع و شرایط 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 خود تطبیق مبتنی بر معماری، واکنشی هستند. مرجع [3]، به روش پیش ینی، اتکا دارد و واکنشی نیست. این مرجع، پیش بینی رفتار نرم افزار های خود تطبیق 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 خود تطبیق 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 خود تطبیق 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 خود تطبیق 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.

کلیدواژه ها:

شبکه عصبی ، الگوریتم تکاملی ، نرم افزار خود تطبیق