基于逻辑的软件体系结构多目标进化优化方法

To solve the problem that is how to find the optimal software architecture satisfying multiple quality attributes in a huge discrete design space, this project will carry out the following studies: (1)Research logic-based software architecture representation, quality improvement and evaluation technology which enable these technology to be implemented in a unified logic framework and to be independent of the specific optimization process; (2)Design a software architecture multi-objective evolutionary algorithm which can effectively use the logic-based knowledge about quality improvement and can fully take into account requirement of software architecture optimization (In the case of limiting the number of Pareto optimal software architectures， those architectures which exist tradeoff point should be contained in Pareto optimal software architectures as many as possible, while Pareto optimal software architectures are well representative.) evaluation method of this algorithm;(3)Develop a logic-based software architecture multi-objective optimization framework which will implement a systematic logic-based software architecture multi-objective evolutionary optimization approach;(4)Conduct case study to validate our approach and demonstrate practical application. The innovation and academic value of our approach lie in that logic and evolutionary technology are tightly combined in software architecture multi-objective optimization process. The research results of this project has important application value and broad application prospects in shortening the software architecture development cycle, reducing the development cost and improving design quality.

本项目针对如何在庞大的离散设计空间中,找出满足多个质量属性需求的最优软件体系结构问题，研究基于逻辑的软件体系结构(简记为SA)表示、质量改进及评估技术，使得SA质量改进和评估可在统一的逻辑框架下进行，并独立于具体优化过程；研究能有效使用逻辑表示的质量改进知识，并充分考虑SA优化需求(在限定Pareto最优SA个数的情况下，尽可能多地包含存在权衡点的SA，同时使Pareto最优SA具有良好的代表性)的多目标进化算法，进一步研究该算法的收敛性和解质量评价方法；在此基础上，研发基于逻辑的SA多目标优化框架，并将上述成果有机结合，形成系统的、基于逻辑的SA多目标演化优化方法。开展案例研究，给出应用示范。本项目将逻辑方法与演化技术紧密结合研究SA多目标优化方法，在学术上具有较强的创新性和一定的理论价值。本项目的研究成果在缩短SA开发周期、降低开发成本以及提高设计质量等方面都具有重要应用价值。

软件体系结构(SA)是软件系统的总体设计方案,对于确保最终系统的质量属性起着举足轻重的作用.然而随着软件系统规模不断增大,设计空间也随之增大,各质量属性的关系更为复杂,又导致设计空间呈现非连续形态. 如何在庞大的离散设计空间中,充分考虑优化需求(在限定Pareto最优SA个数的情况下,尽可能多地包含存在权衡点的SA,同时使Pareto最优SA具有良好的代表性),并找出满足多种质量属性需求的Pareto最优SA,一直是软件工程工业界和学术界的待解问题.针对这一问题,本项目考虑性能、成本、能耗和可用性4种质量属性,并按照“先优化性能,然后优化性能和成本,再涉及能耗优化,最后考虑可用性等全部4种属性”的研发路线,提出系统化的SA优化方法.具体地提出以下四种方法:.(1)基于逻辑的SA层性能演化优化方法:将SA层性能改进知识运用逻辑规则进行表示和实现,考虑这些规则组合使用的各种情形,构建性能优化模型并设计演化求解算法,案例研究表明较Xu方法能获取更优的系统响应时间,较好地解决了基于规则方法因未充分考虑优化过程中各规则的使用次数和使用顺序的不确定性,而导致搜索空间受限而难以获取更优性能的问题..(2)代理模型帮助的SA层性能差分演化优化方法:通过引入随机森林作为代理模型,并以系统响应时间和硬件成本为优化目标,设计差分演化求解算法,案例研究表明在解质量和运行时长上优于PCM方法, 较好解决了已有元启发方法未充分考虑性能改进空间的离散特性和性能评估的高计算代价特点,导致了解质量不高和优化时间过长的问题..(3)基于SA描述语言AADL的移动软件能耗评估方法:基于AADL语言和StrongARM 处理器构建移动软件能耗评估模型,定义并实现能耗评估过程,案例研究表明较已有能耗评估方法在精度上有明显提高,缓解了已有的设计级能耗评估方法因未对组件内部行为进行能耗评估而造成的精度问题..(4)基于随机搜索规则的SA优化方法:将SA质量改进知识表示成一组搜索空间大的随机规则,进一步构建SA优化多目标模型以精确刻画各随机规则的使用次数、使用顺序和修改SA元素与多个质量属性目标值之间的数学关系,并设计演化求解算法,案例研究表明较已有方法PB和PCM方法在解质量和可解释性上有显著提高,并能较好地满足SA优化需求..本项目成果在缩短SA开发周期、降低开发成本以及提高设计质量等方面都具有重要应用价值.

内容获取失败，请点击重试