SACRE：在运行时不确定性下支持现代自适应系统的上下文需求适配
软件工程
2018-03-07 v1
摘要
运行时不确定性，如不可预测的资源不可用、变化的环境条件与用户需求，以及系统入侵或故障，代表了当前自适应系统的主要挑战之一。此外，当今系统日益复杂、分布式、去中心化等，因而必须推理并应对越来越多不可预测的事件。应对当今复杂系统中此类变化需求的方法仍然缺失。本工作提出 SACRE（通过上下文需求实现的智能适配，Smart Adaptation through Contextual REquirements），我们的方法利用适配反馈环来检测受不确定性影响的自适应系统上下文需求，并集成机器学习技术以基于运行时感知数据确定上下文的最佳操作化。SACRE 是我们先前方法 ACon 的进一步推进，后者侧重于上下文需求中的上下文适配及其基础实现。SACRE 主要关注架构决策，应对自适应系统的工程挑战。在推进 ACon 工作的基础上，本文在智能车辆这一极高要求领域中，于不同不确定性场景下对整体方法进行实时评估。该实时评估在一个仿真环境中进行，其中智能车辆通过软件组件实现。评估结果提供了关于 SACRE 在真实复杂软件系统领域中适用性的经验证据。
引用
@article{arxiv.1803.01896,
title = {SACRE: Supporting contextual requirements' adaptation in modern self-adaptive systems in the presence of uncertainty at runtime},
author = {Edith Zavala and Xavier Franch and Jordi Marco and Alessia Knauss and Daniela Damian},
journal= {arXiv preprint arXiv:1803.01896},
year = {2018}
}
备注
45 pages, journal article, 14 figures, 9 tables, CC-BY-NC-ND 4.0 license