ارایه یک سیستم هوشمند در راستای پیش بینی قابلیت اطمینان سیستم های نرم افزاری با استفاده از شبکه عصبی و الگوریتم ژنتیک

با پیشرفت و توسعه جامعه بشری، وابستگی بسیاری به سیستم های سخت افزاری و نرم افزاری ایجادمی شود. با افزایش تقاضا برای سیستم های کامپیوتری، امکان بحران و شکست نیز افزایش مییابد. بنابراین، قابلیت اطمینان سیستم های نرم افزاری به نگرانی مهمی برای زندگی ما تبدیل شده است. قابلیت اطمیناننرم افزار، بیانگر کارکرد قابل قبولنرم افزار یا دستیابی به سطح رضایت بخشی از کارکرد آن است. یعنینرم افزار تا زمان لازم به گونه ای که موردنظر بوده، در محیط معین، بصورتی موثر و کارا عمل می کند. با شناسایی رفتار و روابط بین اجرای یک سیستم (مدلسازی سیستم) و استخراج روابط ریاضی حاکم برسیستم، میتوان رفتار کل سیستم و قابلیت اطمینان آنرا تعیین نمود. یکی از مباحثی که در تحقیقات کنونی بسیار موردتوجه قرار گرفته است، استفاده از روشی در راستای کاهش زمان محاسبه قابلیت اطمینان است. در این مقاله برای انجام این مهم از شبکه عصبی استفاده شده است. در واقع شبکه های عصبی با آموزش دیدن توسط داده های از قبل آماده شده، یال های میانی را تشکیل داده و برای رکوردهای جدید، قابلیت اطمینان را تخمین م یزنند. از آنجایی که دقت تخمین قابلیت اطمینان توسط شبکه عصبی، توسط بهبود یالهای میانی شبکه عصبی، افزایش مییابد، میتوان با ترکیب این شبکه با الگوریتمهایی برای آموزش آن، به نتایج بهتر و مطلوبتری دست یابیم که از جمله این الگوریتمها، میتوان به الگوریتم های تکاملی اشاره نمود. لذا در این مقاله برای بهینهترکردن آموزش شبکه عصبی، از الگوریتم ژنتیک استفاده شده است. نتایج حاصل از انجام این تحقیق، حاکی از افزایش دقت الگوریتم پیشنهادی جهت محاسبه قابلیت اطمینان نسبت به سایر روش های قبلی دارد.

Keywords:

قابلیت اطمینان , سیستم های نرم افزاری , شبکه عصبی , یال های میانی , الگوریتم ژنتیک , دقت , زمان محاسبه