کاهش هزینه مدیریت عدم قطعیت در نرم افزارهای خود تطبیق با استفاده از الگوریتم ژنتیک

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,703

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICS11_206

تاریخ نمایه سازی: 14 مهر 1392

چکیده مقاله:

خود تطبیقی روشی موثر برای رویارویی با تغییرات پویای نرم افزار است. به منظور پاسخگویی به تغییرات در سیستم خود تطبیق، نرم افزار باید قادر باشد خودش را با توجه به شرایط جدید تطبیق دهد. نرم افزار خود تطبیق، نرم افزاری است که به صورت یک حلقه بازخوردی توسعه داده شده و قادر است خودش را در زمان اجرا برای پاسخگویی به تغییر نیازها، سیستم و محیط تغییر دهد. یکی از مهمترین مواردی که در این نرم افزارها باید مورد بررسی و رسیدگی قرار گیرد عدم قطعیت است. عدم قطعیت در سیستم های خود تطبیق دارای منابع متعددی است. یکی از این منابع ساده سازی فرضیات است که دلیل بوجود آمدن آن عدم دقت در مدلهای سیستم است. مسئله انتخاب در نرم افزارهای خود تطبیق، یکی از منابع تولید عدم قطعیت مرتبط با ساده سازی فرضیات است. در این مقاله به منظور مدیریت عدم قطعیت موجود در مسئله تصمیم گیری نرم افزار خود تطبیق، تمامی حالات ممکن مورد بررسی قرار گرفته و بهینه ترین حالت انتخاب می شود که در این حالت عدم قطعیت به کمترین حد ممکن کاهش داده می شود. در نهایت به منظور کاهش هزینه بالای این روش، به منظور انتخاب بهینه ترین حالت از الگوریتم ژنتیک استفاده می کنیم

کلیدواژه ها:

نویسندگان

محمد مهدی مروتی

دانشگاه کاشان، دانشکده مهندسی برق و کامپیوتر

سید مرتضی بابامیر

دانشگاه کاشان، دانشکده مهندسی برق و کامپیوتر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • ]1[B. Cheng, R. de Lemos, H. Giese, P. Inverardi, J. ...
  • ]2[A. Elkhodary, N. Esfahani, and S. Malek, "FUSION: A framework ...
  • ]3[N. Esfahani and S. Malek, "Uncertainty in Self-Adaptive Software Systems, ...
  • ]4[M. Salehie and L. Tahvildari, "Self-adaptive software: Landscape and research ...
  • ]5[D. Garlan, S. W. Cheng, A. C. Huang, B. Schmerl, ...
  • Automated software(ASE '10), 2010, pp. 83-92. ...
  • on the Foundations of Software Engineering, Szeged, Hungary, 2011. ]8[S. ...
  • ]9[D. A. Menasce, J. P. Sousa, S. Malek, and H. ...
  • ]17[D. A. Menasce , V. A. F. Almeida, L. W. ...
  • ]11[W. E. Walsh, G. Tesauro, J. O. Kephart, and R. ...
  • ]12[S. Sivanandam and S. Deepa, Introduction to genetic algorithms: Springer ...
  • نمایش کامل مراجع