复杂软件可靠性评估代数方法及其实证研究
发布时间：2021-11-09 05:05
软件可靠性建模与评估是软件工程领域的一个重要研究方向。随着计算机软件进入人类活动的各个领域,对软件质量的要求越来越高,而软件可靠性作为代表软件运行安全性与稳定性的最重要指标,在衡量软件开发质量、保证软件系统可依赖性方面发挥着重要作用,尤其针对应用于交通、电力、航天、国防等领域的一类安全关键软件而言。通过引入代数理论相关新的方法,围绕在软件开发前期如何有效开展可靠性建模与评估问题,论文主要解决了复杂软件的可靠性结构描述与计算困难,并进一步提出适用于软件结构演化过程的可靠性分析方法。同时论文在传统软件可靠性增长模型的改进以及可靠性结构化模型的实证方面也作了深入探讨。论文主要工作如下:（1）阐述了软件可靠性评估的研究背景与研究意义,明确了软件可靠性模型与软件可靠性评估之间的关系,对两类主要模型——软件可靠性增长模型与软件可靠性结构化模型分别从建模思想、主要模型及适用范围等方面进行论述,总结了目前软件可靠性建模方法存在的不足,指出需要进一步解决的问题。（2）针对软件开发后期可靠性预测问题,研究了结合测试工作量与故障检测率对非齐次Poission过程类可靠性模型的改进。首先详细论述了非齐次Poi...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：150 页
【学位级别】：博士
【部分图文】：
SR评估与SR模型关系
合肥工业大学博士学位论文88SRGM的改进方法并验证其预测性能；提出基于代数方法的SR结构化建模理论，以支持面向复杂软件开发前期的SR评估；基于代数方法的描述与计算能力，提出支持完整软件演化过程的SR序列化建模及评估分析方法；并为实证代数方法构建了基于软件度量数据的SR评估流程框架。论文各章研究内容之间的关系如图1.2所示。图1.2论文各章研究内容之间的关系Fig1.2Therelationshipamongtheresearchcontentsofeachchapter1.4.1研究内容论文研究内容分以下四个方面：（1）构建结合测试工作量与故障检测率的SRGM，以更精确地进行开发后期SR预测。当前主要SRGM模型相较于早期经典模型，其建模方法考虑了测试环境、测试行为等多种因素。反映环境及行为特征的典型因素包括测试工作量与故障检测率，但以往建模方法中二者并没有被统一在一个模型框架内。论文建立了结合测试工作量与故障检测率的一体化模型框架，用以对一类SRGM作出改进，这是建模方法上的创新。测试工作量与故障检测率从不同角度反映了软件故障排除过程，改进后模型因融合二者从而增强了模型表述与拟合能力，通过实例验证，其进一步改善了可靠性增长模型的预测性能。（2）构建基于结构分析的SR评估代数方法，以更有效地进行开发前期SR估计。结构设计是否复杂是决定软件系统复杂程度的主要因素，对结构复杂性的描
合肥工业大学博士学位论文1616由Poission分布性质，在区间(0,t]内恰好发生n次失效的概率为()[()]Pr{()},0,1,2,!nmtmtNtnenn===L（2.16）由式2.16，可以定义可靠性函数R(t)如下：R(t)PrN(t)0em(t)===即在区间(0,t]内无失效发生的概率。通常，使用它的一般形式：R(x|t)PrN(tx)N(t)0e[m(tx)m(t)]+=+==（2.17）其中R(x|t)表示以时刻t为起点、x为长度的区间(t,t+x]内无失效发生概率。Goel随后提出了基于G-O模型的广义形式[44]：()[1exp()]cmt=abt（2.18）其中参数c为测试质量常数，失效率与可靠性函数可参照式2.15与式2.17导出。图2.1比较了基本模型与其广义形式的函数曲线。如图示，二者的均值函数在经过前期的快速上升后均趋于平缓，但是失效率曲线变化有明显区别，推广模型基于了如下现实：多数增长模型都假设测试期的软件失效率逐步递减，但实际情况是失效率会先上升而后下降，原因在于测试开始时故障检出会随着测试人员的业务熟练度提升而增加，达到临界点后又会随着系统中残留错误数显著减少而下降。当c=1时，广义模型退化为基本G-O模型。(a)G-O模型（a=500,b=0.015）(b)广义G-O模型（a=500,b=0.015,c=1.5）图2.1G-O模型及其广义形式的m(t)与λ(t)曲线Fig2.1Them(t)&λ(t)curvesofG-Omodelanditsgeneralizedform从模型拟合度出发，Yamada与Ohba等提出了一系列S型增长曲线模型[45,46]，它们基于失效均值曲线的S型建模，即认为失效数开始时增长缓慢，然后经过一个快速增长期，直至最后趋于饱和。典型的S型均值函数如下：
【参考文献】：
期刊论文
[1]间接互惠与合作演化的若干问题研究进展[J]. 张艳玲,刘爱志,孙长银. 自动化学报. 2018(01)
[2]基于改进自适应混沌控制的逆可靠度分析方法[J]. 李彬,郝鹏,孟增,李刚. 应用数学和力学. 2017(09)
[3]An Approach to Modelling and Analysing Reliability of Breeze/ADL-based Software Architecture[J]. Chen Li,Hong-Ji Yang,Hua-Xiao Liu. International Journal of Automation and Computing. 2017(03)
[4]小模型大数据:一种分析软件行为的代数方法[J]. 俞一峻,刘春. 软件学报. 2017(06)
[5]Performance Measures for Systems Under Multiple Environments[J]. Baoliang Liu,Lirong Cui,Shubin Si,Yanqing Wen. IEEE/CAA Journal of Automatica Sinica. 2016(01)
[6]ABC:一种全生命周期软件体系结构建模方法[J]. 梅宏,黄罡,张路,张伟. 中国科学:信息科学. 2014(05)
[7]基于结构分析的复杂软件可靠性评估方法[J]. 王强,陆阳,方欢,朱晓玲. 系统工程学报. 2013(02)
[8]网构软件体系结构代数模型[J]. 赵会群,孙晶. 中国科学:信息科学. 2013(01)
[9]基于S型测试工作量函数的软件可靠性增长模型[J]. 李秋英,李海峰,陆民燕,王学成. 北京航空航天大学学报. 2011(02)
[10]一种开放环境下的软件可靠性评估方法[J]. 陆文,徐锋,吕建. 计算机学报. 2010(03)
本文编号：3484681
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：150 页
【学位级别】：博士
【部分图文】：
SR评估与SR模型关系
合肥工业大学博士学位论文88SRGM的改进方法并验证其预测性能；提出基于代数方法的SR结构化建模理论，以支持面向复杂软件开发前期的SR评估；基于代数方法的描述与计算能力，提出支持完整软件演化过程的SR序列化建模及评估分析方法；并为实证代数方法构建了基于软件度量数据的SR评估流程框架。论文各章研究内容之间的关系如图1.2所示。图1.2论文各章研究内容之间的关系Fig1.2Therelationshipamongtheresearchcontentsofeachchapter1.4.1研究内容论文研究内容分以下四个方面：（1）构建结合测试工作量与故障检测率的SRGM，以更精确地进行开发后期SR预测。当前主要SRGM模型相较于早期经典模型，其建模方法考虑了测试环境、测试行为等多种因素。反映环境及行为特征的典型因素包括测试工作量与故障检测率，但以往建模方法中二者并没有被统一在一个模型框架内。论文建立了结合测试工作量与故障检测率的一体化模型框架，用以对一类SRGM作出改进，这是建模方法上的创新。测试工作量与故障检测率从不同角度反映了软件故障排除过程，改进后模型因融合二者从而增强了模型表述与拟合能力，通过实例验证，其进一步改善了可靠性增长模型的预测性能。（2）构建基于结构分析的SR评估代数方法，以更有效地进行开发前期SR估计。结构设计是否复杂是决定软件系统复杂程度的主要因素，对结构复杂性的描
合肥工业大学博士学位论文1616由Poission分布性质，在区间(0,t]内恰好发生n次失效的概率为()[()]Pr{()},0,1,2,!nmtmtNtnenn===L（2.16）由式2.16，可以定义可靠性函数R(t)如下：R(t)PrN(t)0em(t)===即在区间(0,t]内无失效发生的概率。通常，使用它的一般形式：R(x|t)PrN(tx)N(t)0e[m(tx)m(t)]+=+==（2.17）其中R(x|t)表示以时刻t为起点、x为长度的区间(t,t+x]内无失效发生概率。Goel随后提出了基于G-O模型的广义形式[44]：()[1exp()]cmt=abt（2.18）其中参数c为测试质量常数，失效率与可靠性函数可参照式2.15与式2.17导出。图2.1比较了基本模型与其广义形式的函数曲线。如图示，二者的均值函数在经过前期的快速上升后均趋于平缓，但是失效率曲线变化有明显区别，推广模型基于了如下现实：多数增长模型都假设测试期的软件失效率逐步递减，但实际情况是失效率会先上升而后下降，原因在于测试开始时故障检出会随着测试人员的业务熟练度提升而增加，达到临界点后又会随着系统中残留错误数显著减少而下降。当c=1时，广义模型退化为基本G-O模型。(a)G-O模型（a=500,b=0.015）(b)广义G-O模型（a=500,b=0.015,c=1.5）图2.1G-O模型及其广义形式的m(t)与λ(t)曲线Fig2.1Them(t)&λ(t)curvesofG-Omodelanditsgeneralizedform从模型拟合度出发，Yamada与Ohba等提出了一系列S型增长曲线模型[45,46]，它们基于失效均值曲线的S型建模，即认为失效数开始时增长缓慢，然后经过一个快速增长期，直至最后趋于饱和。典型的S型均值函数如下：
【参考文献】：
期刊论文
[1]间接互惠与合作演化的若干问题研究进展[J]. 张艳玲,刘爱志,孙长银. 自动化学报. 2018(01)
[2]基于改进自适应混沌控制的逆可靠度分析方法[J]. 李彬,郝鹏,孟增,李刚. 应用数学和力学. 2017(09)
[3]An Approach to Modelling and Analysing Reliability of Breeze/ADL-based Software Architecture[J]. Chen Li,Hong-Ji Yang,Hua-Xiao Liu. International Journal of Automation and Computing. 2017(03)
[4]小模型大数据:一种分析软件行为的代数方法[J]. 俞一峻,刘春. 软件学报. 2017(06)
[5]Performance Measures for Systems Under Multiple Environments[J]. Baoliang Liu,Lirong Cui,Shubin Si,Yanqing Wen. IEEE/CAA Journal of Automatica Sinica. 2016(01)
[6]ABC:一种全生命周期软件体系结构建模方法[J]. 梅宏,黄罡,张路,张伟. 中国科学:信息科学. 2014(05)
[7]基于结构分析的复杂软件可靠性评估方法[J]. 王强,陆阳,方欢,朱晓玲. 系统工程学报. 2013(02)
[8]网构软件体系结构代数模型[J]. 赵会群,孙晶. 中国科学:信息科学. 2013(01)
[9]基于S型测试工作量函数的软件可靠性增长模型[J]. 李秋英,李海峰,陆民燕,王学成. 北京航空航天大学学报. 2011(02)
[10]一种开放环境下的软件可靠性评估方法[J]. 陆文,徐锋,吕建. 计算机学报. 2010(03)
本文编号：3484681
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3484681.html
