2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩132頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、軟件生存環(huán)境中的可變性為增強體系結(jié)構(gòu)為基礎(chǔ)的自適應開辟了新的思路。由于軟件生存環(huán)境的要素存在多樣性和復雜性的特點,這就決定著自適應行為的不確定性。為了解決不可預期的自適應,需要重新設(shè)計當前傳統(tǒng)的被動式的自適應體系結(jié)構(gòu)模型(Reactive Self-adaptation,RSA)。傳統(tǒng)的RSA的局限在于:適應性的過程是預先計劃的并且局限于一個有限的范圍。理想的系統(tǒng)應該具備:預期在不久的將來用戶可能的服務并調(diào)整系統(tǒng)的行為以便于能夠適應于新

2、的軟件生存環(huán)境。生存環(huán)境的不確定性以及應用服務的內(nèi)在不可預知性和復雜性迫切要求自適應具有預見性,即預見式的自適應(Proactive Self-adaptation,PSA)。和傳統(tǒng)的RSA相比,PSA能預見不遠的將來和調(diào)整系統(tǒng)的行為以適應新的環(huán)境。通過組合來自系統(tǒng)管理的觀察和PSA的認知能力,系統(tǒng)能夠作出合理的決策,從而實現(xiàn)預見性的自主管理過程,減少了人工干預?;趯彶椴淮_定性來源的預見式的自適應軟件體系結(jié)構(gòu)可以使得自適應系統(tǒng)具有更好

3、的可預見性和更加智能的行為,同時對于自適應政策的沖突消解有利于產(chǎn)生一致的動作。
   在軟件體系結(jié)構(gòu)自適應研究中,存在著以下三個十分顯著而重要的問題:一是對軟件生存環(huán)境的分析問題;二是對可預見性的研究問題;三是實施自適應動作的約束問題。對于這三個問題的研究具有非常重要的意義,迫切需要從理論和實踐兩方面加以解決。本文針對軟件生存環(huán)境的可變性,提出了可預見式自適應軟件體系結(jié)構(gòu)模型Lizard,重點解決了對軟件生存環(huán)境的不確定性建模問

4、題、預測系統(tǒng)行為問題和實施非沖突的政策問題,集中突破了體系結(jié)構(gòu)的預見式行為方法的難點,從而為可預見式的自適應體系結(jié)構(gòu)提供理論和實現(xiàn)基礎(chǔ)。本文的主要工作內(nèi)容包括以下四個方面:
   1)實現(xiàn)了對生存環(huán)境的不確定性本體推理建模。
   給出了基于化學抽象機的預見式自適應體系結(jié)構(gòu)規(guī)約--ChamPSA,通過基于框架的本體建模技術(shù)把不確定性寫入ChamPSA的描述中,便于體系結(jié)構(gòu)模擬、推理和分析。實現(xiàn)了體系結(jié)構(gòu)為基礎(chǔ)的自適應的形

5、式化推導。
   2)提出了基于隱Markov模型的體系結(jié)構(gòu)預見式的自適應方法。
   通過把系統(tǒng)行為視為一個隨機過程,本文方法的核心在于試著刻畫目標系統(tǒng)的統(tǒng)計學屬性。本文利用隱Markov的數(shù)學特征并通過建模用戶請求行為和運行時上下文實現(xiàn)運行時自適應。通過預見式的自適應提高了系統(tǒng)的預見能力。本文的方法是新穎的,因為一方面用標準的體系結(jié)構(gòu)模型作為“杠桿”,另一方面用相關(guān)的體系結(jié)構(gòu)元素量化系統(tǒng)行為。
   3)建立

6、了基于ECA規(guī)則的自適應語言模型Humble。
   以擴展ECA規(guī)則作為定義政策的語義基礎(chǔ),將使自適應體系結(jié)構(gòu)中的政策具有機器可理解的語義,進而可以顯著促進政策導向的自主管理和協(xié)同工作。由于影響系統(tǒng)運行時變化的各種因素之間可能存在著沖突,基于擴展ECA規(guī)則本體的政策表示有良好的語義基礎(chǔ),有助于政策沖突的消解。該方法的核心在于通過把驅(qū)動體系結(jié)構(gòu)演化的生存環(huán)境因素編織成政策,并以此為指導實現(xiàn)體系結(jié)構(gòu)演化。
   4)實現(xiàn)了

7、可預見式的自適應體系結(jié)構(gòu)框架Lizard。
   Lizard框架是一個體系結(jié)構(gòu)為基礎(chǔ)的可預見式的自適應方法。本方法是通過考慮多個自適應目標的情況下基于審查不確定性來源進行研究的。利用隱Markov模型,Lizard能夠從目標系統(tǒng)的歷史行為中加以學習,最終可使體系結(jié)構(gòu)生成預見式的自適應行為,從而實現(xiàn)了PSA的目標。使用了基于政策的自適應編織語言Humble解決在SA演化過程中多個自適應動作的沖突問題。
   本論文受到8

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論