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
Publish place: International Conference on New Research Findings in Science, Engineering and Technology with a Focus on Need-Based Research
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,119
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICMRS01_362
Index date: 29 October 2016
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 abstract
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.
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 Keywords:
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 authors
نادر قانعی رودی
مدرس دانشگاه آزاد اسلامی واحد خواف
محمود باهوش
مدرس دانشگاه آزاد اسلامی واحد خواف
حمید علی میرزائی
کارشناسی کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد خواف
حبیب الله برقرار
کاردانی کامپیوتر نرم افزار، 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 :