Optimal by Design：面向自治系统的模型驱动自适应策略综合
软件工程
2020-01-24 v1 人工智能
多智能体系统
摘要
许多软件系统已变得过于庞大复杂，无法由人类管理员高效管理，尤其在它们运行于不确定且动态的环境并需要频繁变更时。已有需求驱动的自适应技术被提出，以赋予系统自主决定满足其需求之方式的必要手段。然而，许多当前方法依赖通用语言、模型和/或框架来设计、开发和分析自治系统。遗憾的是，这些工具并未针对自治系统中自适应问题的特征量身定制。本文中，我们提出 Optimal by Design（ObD），一个用于基于模型的需求驱动自治系统最优自适应策略综合的框架。ObD 提出了一种用于高层描述自治适应系统基本要素（即系统、能力、需求与环境）的模型（及语言）。基于这些要素，构建马尔可夫决策过程（MDP）以计算最优策略或最具回报的系统行为。此外，这定义了一个可确保对变化及时响应的反射控制器。该框架的一个新颖特征是同时受益于面向目标的技术（为需求获取、精化与分析而开发）以及围绕 MDP 及其扩展与工具的广泛综合研究能力。我们的初步评估结果展示了该框架的实用性与优势。
引用
@article{arxiv.2001.08525,
title = {Optimal by Design: Model-Driven Synthesis of Adaptation Strategies for Autonomous Systems},
author = {Yehia Elrakaiby and Paola Spoletini and Bashar Nuseibeh},
journal= {arXiv preprint arXiv:2001.08525},
year = {2020}
}