حامد گرجی زاده - موسسه آموزش عالی میرداماد گرگان
مهیا بای - سازمان آموزش و پرورش استان گلستان

الگوریتمها و تکنیکهای زیادی برای تقریب قابلیت اطمینان در سیستمهای نرم افزاری مولفهگرا وجود دارد،. با توجه به اینکه قابلیت اطمینان، یک پدیده بلادرنگ است، تکنیکهای محاسبات نرم میتوانند به حل مسایلی که مقادیر آنها غیرقطعی و غیر قابل پیشبینی هستند، کمک کند. مدلهایی از محاسبات نرم برای تقریب قابلیت اطمینان سیستم های نرم افزاری مولفه گرا پیشنهاد می شودکه از جمله آنها میتوان به شبکه های عصبی و منطق فازی اشاره نمود. در این مقاله، روشی را برای برآورد قابلیت اطمینان سیستمهای نرمافزاری مولفهگرا با استفاده از مدل استنتاج فازی عصبی تطابقی بررسی میکنیم؛ علاوه بر آن، کارایی این روش را با سیستم استنتاج فازی ساده ممدانی و سیستم استنتاج فازی با قوانین بهینه شده بوسیله الگوریتم ژنتیک برای مجموعهای از دادهها، مقایسه خواهیم کرد. با استفاده از الگوریتم ژنتیک بهترین قوانین فازی که کمترین میانگین مربعات خطارا نسبت به دادههای اصلی ایجاد میکنند بدست خواهیم آورد. در این مقاله نشان دادیم که روش سیستم استنتاج فازیعصبی تطابقی، با درصد برابر 2/98 بهترین ارزیابی را جهت برآورد قابلیت اطمینان سیستم نرمافزاری مولفهگرا نسبت به روش سیستم استنتاج فازی و همچنین روش سیستم استنتاج فازی بهینه شده با استفاده از الگوریتم ژنتیک ارایه میدهد.

فازی عصبی، سیستمهای نرمافزاری مبتنی بر مولفه، فازی، الگوریتم ژنتیک، قابلیت اطمینان، مدل قابلیت اطمینان