不确定环境下软件系统的自适应过程可靠性保障技术

Software systems running in the uncertain environment need to constantly adjust themselves through adaptive processes to adapt to complex and variable operating environments and user needs. However, at present, there is a lack of relevant technology to guarantee the reliability of the adaptive process, which cannot ensure whether the adjustments of this process to the software is reasonable, thus affecting the credibility of the software itself. This project is dedicated to providing reliability assurance for the software adaptive process, thereby improving software availability and quality and reducing maintenance costs. Main research: (1) the accuracy guarantee technology of perception based on perceptual object analysis; (2) the accuracy guarantee technology of event identification based on relationship analysis; (3) the effectiveness assurance technology of adaptation strategies based on the partially observable model. Innovation contribution: (1) we first propose a technology that selects perceptual objects and dynamically adjusts the perceptual object and perceptual cycle during operation to achieve targeted perception and ensure the accuracy of perception; (2) it is the first to pay attention to the impact of event relationships on the accuracy of event recognition, and we propose a comprehensive analysis of the relationship between events to accurately identify the event; (3) the effectiveness assurance technology of adaptation strategies based on partially observable model. In particular, we set up a probability-based system state model for the uncertain environment, and propose an online assessment and dynamic correction method for adaptation strategies in the uncertain state changes to better ensure the effectiveness of strategies.

运行在不确定环境中的软件系统需通过自适应过程不断调整自身，以适应复杂多变的运行环境与用户需求。然而，目前缺乏保障该自适应过程可靠性的相关技术，无法确保该过程对软件的调整是否合理，影响了软件本身的可信性。本项目致力于为软件自适应过程提供可靠性保障，进而达到提高软件可用性与质量、降低维护成本的目标。主要研究：①基于感知对象分析的变化识别准确性保障技术；②基于关系分析的事件识别准确性保障技术；③基于部分可察模型的自适应策略有效性保障技术。创新贡献：①首次提出精选感知对象并在运行中动态调整感知对象及感知周期的相关技术，以实现针对性感知从而保障变化识别准确性；②率先关注到事件关系对事件识别准确性的影响，提出综合分析事件间多种关系从而准确识别事件的研究思路；③特别针对不确定环境特点，建立基于概率的系统状态模型，并提出适用于不确定状态变化情况下的自适应策略在线评估与动态修正方法，更好地保障策略有效性。

复杂软件系统存在“资源异构、动态开放、持续构造”等新特征，现有方法无法有效解决该类软件自主调控过程中所面临的“感知不确定、识别不准确、决策无保障”等问题。本项目通过为感知对象、事件识别和策略生成三个环节提供可靠性技术保障，进而达到了提高软件可用性和质量、降低维护成本的目的。本项目在如下方面展开了研究并取得了相应成果：1）提出了基于感知对象分析的变化感知准确性保障技术，该技术包括三个具体方法：支持针对性感知的多因素分析方法、基于数据反馈的感知周期修正方法和基于数据分析的感知对象调整方法，该技术有效地实现了对系统的全面监控与准确感知和动态调整更新。2）提出了基于关系分析的事件识别准确性保障技术，该技术主要包括三部分：首先，提出基于领域知识的模糊故障树建模方法，针对事件类型建立相应的模糊故障树来挖掘不易发现的事件关系；其次，建立基于贝叶斯网络的事件识别方法，实现了对非预期事件的在线准确识别；最后，提出基于事件关系与效果反馈的模型修正技术，提升了事件识别的准确率。3）提出了基于部分可察模型的策略可靠性保障技术，该技术包括三个方法：基于POMDP的策略动态评估方法、基于强化学习的策略在线修正方法和基于贝叶斯理论的状态模型修正方法，实现了对自适应策略的运行时动态评估、对策略的在线修正，并且提高了自适应策略评估及修正的准确性。实验表明通过对自主调控过程中三个重要环节：对象感知、事件识别、策略执行分别采取可靠性保障措施，能够有效降低自主调控系统故障发生的概率。基于本项目的研究成果，在《软件学报》等国内外核心期刊和SIGIR、ICSME、ESEM等软件工程领域知名学术会议上共发表学术论文11篇，申请专利8项、登记软件著作权3项，累计培养了45名研究生、20名本科生。

内容获取失败，请点击重试