主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第6期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张明悦,金芝,赵海燕,罗懿行.机器学习赋能的软件系统自适应性.软件学报,2020,31(8):0
机器学习赋能的软件系统自适应性
Survey of Machine Learning Enabled Software Self-Adaptation
投稿时间:2019-10-15  修订日期:2020-04-04
DOI:10.13328/j.cnki.jos.006076
中文关键词:  自适应软件系统  软件系统自适应性  机器学习  不确定需求  环境动态性
英文关键词:self-adaptive software  software self-adaptation  machine learning  requirement uncertainty  environment dynamic
基金项目:国家自然科学基金(61620106007,61751210)
作者单位E-mail
张明悦 北京大学 信息科学技术学院计算机科学与技术系, 北京 100871
高可信软件技术教育部重点实验室(北京大学), 北京 100871 
 
金芝 北京大学 信息科学技术学院计算机科学与技术系, 北京 100871
高可信软件技术教育部重点实验室(北京大学), 北京 100871 
zhijin@pku.edu.cn 
赵海燕 北京大学 信息科学技术学院计算机科学与技术系, 北京 100871
高可信软件技术教育部重点实验室(北京大学), 北京 100871 
 
罗懿行 北京大学 信息科学技术学院计算机科学与技术系, 北京 100871
高可信软件技术教育部重点实验室(北京大学), 北京 100871 
 
摘要点击次数: 945
全文下载次数: 523
中文摘要:
      软件系统自适应机制提供了应对动态变化的环境和不确定的需求的技术方案.在已有的软件系统自适应性的相关研究中,有一类工作将软件系统自适应性转换为回归、分类、聚类、决策等问题,并利用强化学习、神经网络/深度学习、贝叶斯决策理论和概率图模型、规则学习等进行问题建模,并以此构造软件系统自适应机制.本文通过系统化的文献调研,综述了机器学习赋能的软件系统自适应性的工作.首先介绍基本概念,然后从不同视角对当前工作进行分类;按被控系统、监测和控制过程、学习算法、学习赋能方式等方面进行分析,并讨论不同机器学习方法赋能的软件系统自适应性的切入点及其优势和不足;最后对未来研究进行展望.
英文摘要:
      Software self-adaptation (SSA) provides a way of dealing with dynamic environment and uncertain requirement. There are some literature that transform the dynamic and uncertainty concerned by SSA into regression, classification, cluster, or decision task; and apply machine learning algorithms, including reinforcement learning, neural network/deep learning, Bayesian decision theory and probabilistic graphical model, rule learning, to SSA. We call these kinds of work "Machine learning based software self-adaptation" in this paper. We conduct a survey on the state-of-the-art research about machine learning enabled SSA by firstly explaining the related concepts of SSA and machine learning; and then proposing a taxonomy based on current work from SSA perspective and machine learning perspective respectively; analyzing the controlled system, monitor process, control process, learning algorithm, learning-enabled method under this taxonomy; as well as identifying finally deficiency of current work and highlighting future research trends.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利