Self-adaptive software systems are capable of adjusting their behavior at run-time to achieve certain objectives. Such systems typically employ analytical models specified at design-time to assess their characteristics at run-time and make the appropriate adaptation decisions. However, prior to system’s deployment, engineers often cannot foresee the changes in the environment, requirements, and system’s operational profile. Therefore, any analytical model used in this setting relies on underlying assumptions that if not held at run-time make the analysis and hence the adaptation decisions inaccurate. We present and evaluate FeatUre-oriented Self-adaptatION (FUSION) framework, which aims to solve this problem by learning the impact of adaptation decisions on the system’s goals. The framework (1) allows for automatic online fine-tuning of the adaptation logic to unanticipated conditions, (2) reduces the upfront effort required for building such systems, and (3) makes the run-time analysis of such systems very efficient.
자기 적응 소프트웨어 시스템은 특정 목적을 달성하기 위해 실행시에 그 동작을 조절할 수있다. 이러한 시스템은 일반적으로 실행 시간에 그 특성을 평가하기 위해 디자인 타임에 지정된 분석 모델을 사용하고 적절한 적응 결정을 내릴. 그러나, 시스템의 배치 이전에, 엔지니어들은 환경 조건, 및 시스템의 동작 프로파일에서의 변화를 예견 할 수 없다. 따라서,이 설정에 사용 된 분석 모델은 런타임에서 개최하지 않을 경우 분석 따라서 적응 결정 부정확를 만드는 것이 기본 가정에 의존한다. 우리가 존재하고 시스템의 목표 적응 결정의 영향을 학습함으로써이 문제를 해결하는 것을 목표로 기능 지향적 자기 적응 (FUSION) 프레임 워크를 평가한다. (1) 프레임 워크 (2) 시스템을 구축하는데 필요한 선행 노력을 감소시키고, (3) 매우 효율적인 이러한 시스템의 실행 시간 분석하게, 예상치 못한 상황에 적응 로직의 자동 온라인 미세 조정을 허용한다.
번역되고, 잠시 기다려주십시오..
자체 적응 소프트웨어 할 수 있는 조정 그들의 행위는 실행될 때 어떤 목적을 달성하다.보통 이런 시스템 분석 모델 디자인 때 쓰는 분명히 그 기능을 평가 런타임 하다. 적당히 적응 결정했다.근데 전에 시스템 설정 변경 엔지니어 자주 예견할 수 없다, 환경, 요구형, 시스템 업무.그래서 어떤 분석 모델 가설. 이 설정은 의지하고, 만약 런타임 분석 열린 할 만큼 안 적응 결정했다.우리는 현재, 평가 맞춤 (융합) 을 지향 틀 이 문제를 해결할 수 있는 학습 목표 영향을 시스템 목표를 적응 결정했다.(1) 틀 수 있도록 - 스핀 자동 적응 논리 (2) 예상하지 못한 상황이 크게 사전에 노력이 필요한 건설 이런 시스템, (3) 때 이런 시스템 분석 때문에 매우 효과가 있다.
번역되고, 잠시 기다려주십시오..