ارائه روشی ترکیبی بر مبنای شبکه عصبی فازی و الگوریتمهای تکاملی جهت جهت پیش بینی رفتار حین اجرای نرمافزارهای خودتطبیق مبتنی بر معماری
Publish place: International Conference on Science and Engineering
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,088
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICESCON01_0608
Index date: 14 February 2016
ارائه روشی ترکیبی بر مبنای شبکه عصبی فازی و الگوریتمهای تکاملی جهت جهت پیش بینی رفتار حین اجرای نرمافزارهای خودتطبیق مبتنی بر معماری abstract
نرمافزارهای خودتطبیق، سیستمهایی هستندکه تغییرات را از محیط درونی وبیرونی خود دریافت کرده و باتوجه به وضعیت یک هدرآن قراردارند،خودرابا تغییرات تطبیقمیدهند.ازآنجاکه این فرایند براساس نیازمندیهای کاربران، منابع وشرایط محیطی صورت میگیرد ، منجر به مطابقت نرمافزاربا نیازهای کاربران میشود ] 1و 2 [ . روشهای سنتی خود تطبیقی در قالب ویژگیهای زبانهای برنامه نویسی بهکارمیرفتند. تطبیقپذیری که در این روشها وجود دارد به شدت آمیخته با برنامه است. این روشها، بهمحض کشف خطا، آن را به دام میاندازند، اما مدیریت خطای داخلی، قادر نیست منبع واقعی مشکل راشناسایی و راهکار جبرانی ارائه نماید. بهعلاوه، چنین روشهایی نمیتوانند مشکلاتی مانند افت کارایی تدریجی نرمافزار و یا الگوهای غیرمطمئن را شناسایی کنند. همچنین بهدلیل وابستگی این روشها به کد برنامه، تغییر سیاستهای تطبیقپذیری در آنها، بسیار سخت میشود. راه حل این مشکلات، استفاده از مدلهای معماری نرمافزار برای کشف، تشخیص و برطرف کردن خطاها و تنگناهاست ] 3 [ .سیستمهای خودتطبیق مبتنی بر معماری، واکنشی هستند. مرجع ] 3 [ ، به روش پیشبینی، اتکا دارد و واکنشی نیست. این مرجع، پیشبینی رفتار نرمافزارهای خودتطبیق را با استفاده از مدل مارکوف مخفی و شبکهی عصبی بازگشتی و پویا ) NARX ( انجام داده است. شباهت روش ارائه شده در این تحقیق با روشی که در مرجع ] 3 [ مطرح شده است، پیشبینی رفتار نرمافزارهای خودتطبیق بر معماری میباشد، اما تفاوت آنعبارت است از استفاده از ترکیب شبکه عصبی فازی انفیس و الگوریتمهای تکاملی جهت پیشبینی رفتار نرمافزارهای خودتطبیق مبتنی بر معماری. مدل فازی عصبی، منطق فازی را با شبکههای عصبی مصنوعی ترکیب میکند. با توجه به وجود روابط غیرخطی و عدم قطعیت در رفتار سیستم - - های نرمافزاری، 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 سیستمهای خودتطبیق استفاده شده است، در این تحقیق میخواهیم به بررسی کارایی روش ترکیبی مورد استفاده )ترکیب انفیس و الگوریتمهای تکاملی( برای پیش بینی بپردازیم.
ارائه روشی ترکیبی بر مبنای شبکه عصبی فازی و الگوریتمهای تکاملی جهت جهت پیش بینی رفتار حین اجرای نرمافزارهای خودتطبیق مبتنی بر معماری Keywords:
ارائه روشی ترکیبی بر مبنای شبکه عصبی فازی و الگوریتمهای تکاملی جهت جهت پیش بینی رفتار حین اجرای نرمافزارهای خودتطبیق مبتنی بر معماری authors
نادر قانعی رودی
دانشجوی کارشناسی ارشد کامپیوتر دانشگاه آزاد اسلامی واحد بیرجند
حمید علیمیرزائی
دانشجوی کارشناسی کامپیوتر دانشگاه آزاد اسلامی واحد خواف
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :