کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6856206 | 1437949 | 2018 | 43 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Interactive multi-objective evolutionary optimization of software architectures
ترجمه فارسی عنوان
بهینه سازی تکامل چند هدف ایده آل معماری های نرم افزاری
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
طراحی نرم افزار مبتنی بر جستجو محاسبات تکاملی تعاملی، بهینه سازی چند هدفه، کشف معماری نرم افزار،
ترجمه چکیده
هنگام کار بر روی یک مشخصات نرم افزاری، طراحان معمولا نیاز به ارزیابی گزینه های مختلف معماری دارند تا مطمئن شوند که معیارهای کیفیت برآورده می شوند. حتی زمانی که این جنبه های کیفی را می توان با استفاده از معیارهای نرم افزاری متعدد بیان کرد، دیگر عوامل کیفی نمی توانند از نظر عددی اندازه گیری شوند، اما از دانش فنی و تجربه های قبلی مهندسان استخراج می شوند. در واقع، تشخیص نه تنها نقاط ضعف، بلکه نقاط ضعف در راه حل های مختلف، به نظر می رسد بهتر از روش تصمیم گیری انسان است. قرار دادن انسان در حلقه چالش های جدیدی را برای زمینه مهندسی نرم افزار مبتنی بر جستجو، به خصوص برای آن فعالیت های انسان محور در فاز تجزیه و تحلیل اولیه است. این مقاله به بررسی چگونگی محاسبات تکاملی تعاملی می تواند به عنوان مبنایی برای ادغام قضاوت انسان در فرآیند جستجو کمک کند. یک رویکرد تعاملی برای کشف معماری های نرم افزاری پیشنهاد شده است که در آن هر دو معیار کمی و کیفی برای هدایت یک الگوریتم تکاملی چند هدفه استفاده می شود. بازخورد به دست آمده با استفاده از ترجیحات معماری به عملکرد تناسب اندام اجازه می دهد الگوریتم بین راه حل های امیدوار کننده و فقیر را تشخیص دهد. آزمایش با کاربران واقعی نشان داده است که مکانیزم تعامل پیشنهاد شده می تواند به طور موثری جستجو را به مناطقی از فضای جستجو هدایت کند که منافع واقعی متخصص را دارند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
While working on a software specification, designers usually need to evaluate different architectural alternatives to be sure that quality criteria are met. Even when these quality aspects could be expressed in terms of multiple software metrics, other qualitative factors cannot be numerically measured, but they are extracted from the engineers know-how and prior experiences. In fact, detecting not only strong but also weak points in the different solutions seems to fit better with the way humans make their decisions. Putting the human in the loop brings new challenges to the search-based software engineering field, especially for those human-centered activities within the early analysis phase. This paper explores how the interactive evolutionary computation can serve as a basis for integrating the humans judgment into the search process. An interactive approach is proposed to discover software architectures, in which both quantitative and qualitative criteria are applied to guide a multi-objective evolutionary algorithm. The obtained feedback is incorporated into the fitness function using architectural preferences allowing the algorithm to discern between promising and poor solutions. Experimentation with real users has revealed that the proposed interaction mechanism can effectively guide the search towards those regions of the search space that are of real interest to the expert.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volumes 463â464, October 2018, Pages 92-109
Journal: Information Sciences - Volumes 463â464, October 2018, Pages 92-109
نویسندگان
Aurora RamÃrez, José Raúl Romero, Sebastián Ventura,