Разработка комплексного подхода к программной самоадаптации и универсальный метод синтеза адаптивных программных систем 

Александр Моисеевич Бершадский, доктор технических наук, профессор, заведующий кафедрой систем автоматизированного проектирования, Пензенский государственный университет (Россия, г. Пенза, Красная, 40), E-mail: bam@pnzgu.ru
Александр Сергеевич Бождай, доктор технических наук, доцент, профессор кафедры систем автоматизированного проектирования, Пензенский государственный университет (Россия, г. Пенза, Красная, 40), E-mail: bam@pnzgu.ru
Юлия Игоревна Евсеева, кандидат технических наук, доцент кафедры систем автоматизированного проектирования, Пензенский государственный университет (Россия, г. Пенза, Красная, 40), E-mail: shymoda@mail.ru
Алексей Анатольевич Гудков, кандидат технических наук, доцент кафедры систем автоматизированного проектирования, Пензенский государственный университет (Россия, г. Пенза, Красная, 40), E-mail: alexei.gudkov@gmail.com 

004.4 

DOI

10.21685/2072-3059-2021-1-1 

Актуальность и цели. Широта применения современных прикладных программных систем, высокие требования к их производительности и надежности делают актуальной проблему создания универсального теоретического аппарата самоадаптации программного обеспечения прикладного назначения. Предложен комплексный подход к программной самоадаптации, интегрирующий методы самоадаптации на основе трассировки вычислительного процесса и наблюдения за информационной средой. Применение такого подхода лежит в основе универсального метода синтеза адаптивных программных систем, применимого как для создания простейших утилит, так и сложных программно-технических комплексов. Созданное таким образом программное обеспечение (ПО), способно менять собственную структуру и поведение как на основе анализа собственной поведенческой информации, так и путем обработки отзывов, поступающих от конечных пользователей.
Материалы и методы. Для разработки универсального метода синтеза адаптивных программных систем использовались технологии трассировки программного кода, моделирования изменчивости, интеллектуального анализа данных, латентно-семантического и дистрибутивно-статистического анализа, а также математический аппарат теории графов и семантических сетей.
Результаты. Основным результатом работы является универсальный метод синтеза адаптивных программных систем, реализующий предложенный комплексный подход к программной самоадаптации. Требуемая комплексность достигнута благодаря программно-технической интеграции концепций трассировки вычислительного процесса и наблюдения за информационной средой. Универсальность метода обеспечивается его инвариантностью к предметным областям, а также возможностью масштабирования с точки зрения структурной и поведенческой сложности синтезируемого адаптивного ПО.
Выводы. Разработанный подход к программной самоадаптации и универсальный метод синтеза адаптивного ПО применимы к широкому кругу прикладных областей и задач. В итоге получаемые адаптивные системы имеют расширенный жизненный цикл, обусловленный способностью самостоятельно реорганизовываться (без перекомпиляции исходного кода) под изменяющиеся требования предметной области. Это позволяет добиться существенного экономического эффекта за счет минимизации временных и материальных затрат на сопровождение, необходимые системные остановки для внесения изменений и вторичное тестирование. 

Ключевые слова

самоадаптация, адаптивные программные системы, программная инженерия, моделирование изменчивости, интеллектуальный анализ данных, трассировка программного кода 

 Скачать статью в формате PDF

1. Бершадский А. М., Бождай А. С., Евсеева Ю. И., Гудков А. А. Исследование и разработка методов динамического анализа кода для создания самоадаптивного программного обеспечения // Моделирование, оптимизация и информационные технологии. 2018. № 6. С. 108–120.
2. Бождай А. С., Евсеева Ю. И., Гудков А. А. Разработка самоадаптивного программного обеспечения на основе технологии трассировки вычислительного процесса // Известия высших учебных заведений. Поволжский регион. Технические науки. 2020. № 3. С. 26–35.
3. Enhance performance analysis with Intel Processor Trace. Performance explained easy. URL: https://easyperf.net/blog/2019/08/23/Intel-Processor-Trace (дата обращения: 20.10.2020).
4. Пыжов В. О., Куликов Г. С., Панов А. В. Задача поиска частых подграфов и алгоритмы ее решения // Актуальные вопросы современной науки. 2016. № 1. С. 74–83.
5. Schobbens P. E., Heymans P., Trigaux J. C. Feature diagrams: a survey and formal semantics // 14th IEEE International Requirements Engineering Conference (RE'06). Washington : IEEE Computer Society. 2011. P. 139–148.
6. Kang K. C. [et al.]. Feature-oriented domain analysis (FODA) : feasibility study. Pittsburgh : Software Engineering Institute, 1990. 161 p.
7. Stone M. Kohs Block Design Test // Test Critiques / ed. by D. J. Keyser, R. C. Sweetland. Kansas City : Test Corporation of America, 1985. P. 102–114.
8. Eibe F., Witter I. Data mining. Practical machine learning tools and techniques. The Morgan Kaufmann series in data management systems, 2005. 525 c.
9. Филиппович Ю. Н., Прохоров В. А. Семантика информационных технологий: опыты словарно-тезаурусного описания / предисл. А. И. Новикова. М. : Изд-во МГУП, 2002. 368 с.
10. Кобрин Р. Ю. Определение дифференциальных семантико-грамматических признаков терминов // Термин и слово : межвуз. сб. Н. Новгород : Нижегород. ун-т, 1997. С. 34–41.