سیستم کارشناسی فازی- عصبی برای ارزیابی عملکرد معماری سیستم نرم افزاری توزیع شده
چکیده:
مدل ارزیابی عملکرد فازی- عصبی (NFPEM) که در آکینوسی، اوزوکا، اولابییسی، و اومیدیرا (۲۰۱۲) در این اثر بررسی شده البته با نگاهی به تعریف آن و بنابراین آن را انعطاف پذیرتر و قابل اندازه گیری تر می سازد. سیستم تخصصی فازی- عصبی (NFES)که در این مقاله گزارش شده است، ارتقاء به NFPEM با اجزاء سیستم تخصصی است. NFES را می توان برای ارزیابی عملکرد معماری سیستم نرم افزار پراکنده (DSSA) با متغیرهای کاربر- محور به عنوان پارامترهایی برای اندازه گیری عملکرد به کار گرفت. الگوریتمی که برای NFES توسعه یافت با استفاده از زبان برنامه نویسی Coldfusion و MySQL سیستم مدیریت پایگاه داده نسبی اجرا شد. نسخه NFES با استفاده از برخی داده های زنده و شبیه سازی شد و نتایج عملکرد بدست آمده به حساسیت متقابلDSSA در مقابل نیازهای کاربران اشاره می کند که در فاز تعریف نیازها ی پروسه توسعه نرم افزار تعریف شده است.بنابراین ارزش عملکرد، ارزش کیفی حساسیت متقابل نشان دهنده DSSA ( یعنی سیستم) است.
۱٫مقدمه
سیستم نرم افزار پراکنده (DSS) سیستم پیچیده ای است که سازمان ها از آن برای ارائه خدمات همزمان به بسیاری از مردم و در زمان واقعی استفاده می کنند ( آکینووسی، ۲۰۱۱). تصمیماتی که در هر فاز از پروسه توسعه DSSگرفته می شوند بر خصیصه کیفیت ( برای مثال قابلیت استفاده مجدد، اطمینان پذیری، تعریف پذیری و عملکرد) تاثیر می گذارند( لیولد و کانین، ۱۹۹۸). عملکرد، ویژگی کیفی مناسب سیستم های نرم افزاری است. این ویژگی، شاخص اندازه ای است که اجزاء/سیستم نرم افزار نیازهای کاربران هایی را برآورده می کند. شکست عملکرد معمولا آسیب رسیدن به روابط مشتری، از دست دادن درآمد، صدمه به تولید و بالا رفتن هزینه به دلیل تنظیم یل طراحی مجدد سیستم را سبب نی شود ( لیولد و کانی، ۱۹۹۸). بنابراین، این امر برای آنالیز و پیش بینی عملکرد مورد انتظار DSS در سطح طراحی معماری ضروری است به منظور: جلوگیری از مشکلات ناسی از کیفیت پایین نرم افزار در سطح اجرایی سیستم ؛ تامین همه خدمات سازمان یافته و بنابراین ارضاء انتظارات عملکردی سهامداران به گونه ای که همه سهامداران بیشترین میزان رضایت را از سیستم نرم افزار دارند.
بررسی مدل های ارزیابی عملکرد DSS در ( اولابیسی، اومی دیورا، اوزوکا، ویکتور، و آکینوسی، ۲۰۱۰) اولابیسی و همکارانش (۲۰۱۱)، و آکینووسی و همکارانش (۲۰۱۲) با در نظر گرفتن عملکرد سیستم در سطوح معماری و اجرایی انجام شد. نویسندگان نتیجه گرفتند که هیچیک از مدل های موجود ارزیابی عملکرد DSS را با استفاده از متغیرهای زمینه ای سازمانی در نظر نگرفتند و این مسئله توسعه NFPEM را نشان می دهد که در ( آکینووسی، ۲۰۱۱ و آکینووسی و همکارانش ۲۰۱۲) نشان داده شده است. NFPEM، الگوریتم فازی- خنثی است که برای اندازه گیری عملکرد DSSA براساس ۳۱ متغیر سازمانی زمینه ای استفاده می شود. هرچند مدل ارزیابی را به شکل مورد نیاز انجام داد اما از نقطه نظر بررسی، موارد ذیل به عنوان موارد مورد نیاز برای ارتقاء عملکرد مدل تعریف می شوند: (۱) متناسب سازی اجزاء سیستم کارشناسی، (۲) گنجاندن معیارها، ( یعنی ورودی، نتایج اولیه و معیارهای خروجی نهایی) اجزاء قایب استفاده مجدد؛ (۳) دینامیک و قابل اندازه گیری کردن مدل به گونه ای که مهندس اجرایی بتواند متغیرهای زمینه ای ورودی مخصوص هر سازمان مثل عملکرد ماشین.
والاهاواس، استاملوس، ریفانیدیس، و تسوکیاس (۱۹۹۹) از چهارچوب معیار کمکی تصمیم گیری (MCDA) برای ساخت سیستم کارشناسی برای ارزیابی نرم افزار استفاده کردند. نویسندگان، عملکرد سیستم را در سطح اجرایی ارزیابی کردند که خیلی ایده آل نیست چون ارزیابی در سطح معماری به تثبیت کفایت معماری در برخورد با نیازهای سازمانی قبل از توسعه آن برای سیستم کامل نرم افزاری کمک می کند ( ساموئل، ۲۰۰۶؛ ساموئل و آلجاندرو، ۲۰۰۳؛ سیمونتا، روبرتو و مورانو، ۲۰۰۴). این امر به کوچک کردن خطر تنظیم و طراحی مجدد سیستم کمک می کند در صورتیکه این امر در نقطه اجرایی توسط کاربران عملکرد نا موفقی داشته باشد.
در این مقاله، NFES از طریق پذیرش اصل سیستم کارشناسی توسعه یافته تا الگوریتم NFPEM را تعریف کند به منظور خطاب قرار دادن محدودیت های فوق الذکر در هر دو ( آکینووسی و همکارانش، ۲۰۱۲ و والاهاواس و همکارانش ، ۱۹۹۹). بقیه مقاله به شرح ذیل سازماندهی شده است: بررسی آثار مرتبط در بخش ۲ ارائه شده. طراحی مفهومی NFES و الگوریتم آن در بخش ۳ ارائه شده اند. اجرای NFESدر بخش ۴ ارائه شده است. برخی نتایج در بخش ۵ قرار داده شده اند.
Neuro-Fuzzy Expert System for evaluating the performance of Distributed Software System Architecture
Abstract
A Neuro-Fuzzy Performance Evaluation Model (NFPEM) proposed in Akinnuwesi, Uzoka, Olabiyisi, and Omidiora (2012) was reviewed in this work with the view of modifying it and thus making it flexible and scalable. The neuro-fuzzy expert system (NFES) reported in this paper is an enhancement to NFPEM with expert system components. NFES can be used to evaluate the performance of Distributed Software System Architecture (DSSA) with user-centric variables as parameters for performance measurement. The algorithm developed for NFES was implemented using Coldfusion programming language and MySQL relational database management system. The prototype of NFES was simulated using some life data and the performance results obtained point to the DSSA responsiveness to the users’ requirements that are defined at the requirements definition phase of the software development process. Thus the performance value is a qualitative value representing DSSA (i.e. system) responsiveness.
لینک مقاله اصلی:
https://www.sciencedirect.com/science/article/pii/S0957417412012808
لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد