FEMOSAA：面向自适应软件的特征引导与拐点驱动的多目标优化
摘要
自适应软件（SAS）可以在运行时重新配置自身以适应不断变化的环境，旨在持续优化相互冲突的非功能目标，例如响应时间、能耗、吞吐量和成本等。在本文中，我们提出了面向自适应软件的特征引导与拐点驱动的多目标优化框架（FEMOSAA），这是一个新颖的框架，可自动协同特征模型和多目标进化算法（MOEA），以在运行时优化 SAS。FEMOSAA 分两个阶段运行：在设计时，FEMOSAA 自动转换工程师对 SAS 的设计（表示为特征模型）以适应 MOEA，创建新的染色体表示和繁殖算子。在运行时，FEMOSAA 利用特征模型作为领域知识来指导搜索并进一步扩展 MOEA，为找到更好的解决方案提供更大的机会。此外，我们设计了一种新方法来搜索能够实现平衡权衡的拐点解。我们在两个运行中的 SAS 上全面评估了 FEMOSAA：一个是在真实工作负载轨迹下具有多种可适配现实世界软件的高度复杂 SAS，另一个是可以从服务中动态组合的服务导向型 SAS。特别地，我们比较了 FEMOSAA 与其四种变体以及其他三种基于搜索的 SAS 框架在各种场景下的有效性和开销，这些场景包括三种常用的 MOEA、两种工作负载模式和多种冲突的质量目标。结果表明了 FEMOSAA 的有效性及其相对于其他方法的优越性，具有高统计显著性和非平凡的效应量。
引用
@article{arxiv.1608.08933,
title = {FEMOSAA: Feature Guided and Knee Driven Multi-Objective Optimization for Self-Adaptive Software},
author = {Tao Chen and Ke Li and Rami Bahsoon and Xin Yao},
journal= {arXiv preprint arXiv:1608.08933},
year = {2018}
}
备注
This paper has been accepted by TOSEM as a Journal First paper, please cite it using the following citation: Tao Chen, Ke Li, Rami Bahsoon, and Xin Yao. 2018. FEMOSAA: Feature Guided and Knee Driven MultiObjective Optimization for Self-Adaptive Software. ACM Transactions on Software Engineering and Methodology, in press, 2018, DOI: 10.1145/3204459