基于Spark并行搜索的自适应决策优化机制的研究与实现

发布时间：2021-11-20 01:02

　　随着计算机技术的迅速发展,软件系统的规模也在不断增加并且趋向于复杂,这也导致人为调整软件行为的过程变得更加困难、易出错、并耗费时间、精力和成本,软件健壮性不足。互联网环境下的软件系统需要应对复杂的软件变化并且持续地满足用户的需求,因此软件系统自身需要在运行过程中具备自适应能力,即可以在运行过程中动态调整自己的行为、属性、结构等以适应环境或用户需求的变化,从而提高系统的适应能力,延长软件的使用时间。自适应软件通过建立自适应控制循环（MAPE）实现对软件的自适应控制,其中自适应决策环节主要负责生成自适应策略。因此,自适应决策的能力直接影响着自适应软件的质量属性与对外服务,是自适应软件领域的热点与难点问题。自适应决策的本质定义是将变化作为目标,从若干备选方案中寻找或产生最能满足目标的自适应策略的过程。因此,它不仅是一种状态迁移的问题,也是一个优化问题。从优化的角度出发,将有可能建立新的自适应决策方法。因此,本人所在课题组将基于搜索的软件工程和自适应软件领域相结合,同时根据遗传算法在全局搜索以及扩展性方面的优势,利用遗传算法来实现软件的自适应决策。根据基于搜索的软件工程的思想,将不同软件变化可... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

自适应决策之首页页面展示

自适应决策之前商品浏览页面展示

自适应决策之后首页页面展示

【参考文献】：
期刊论文
[1]基于PVM的最小权三角划分并行遗传算法研究[J]. 张冬梅,姜鹏飞,何兴恒,杨捷.  计算机工程与应用. 2007(02)

硕士论文
[1]基于RPC的高并发网络通信中负载均衡的研究[D]. 马原.浙江理工大学 2017
[2]基于Spark的云化报表系统的设计与实现[D]. 杨宁.南京邮电大学 2016
[3]基于Spark平台的实时流计算推荐系统的研究与实现[D]. 张贤德.江苏大学 2016
[4]并行遗传算法及其在网格任务调度中的应用研究[D]. 刘文娟.河北工程大学 2013
[5]基于遗传算法的面向对象的遥感图像分类技术[D]. 马永聪.上海交通大学 2010
[6]遗传优化神经网络在大坝变形监测中的应用[D]. 黄胜林.辽宁工程技术大学 2008
[7]结合遗传算法的粒子群优化模型及其应用研究[D]. 王慧.山东师范大学 2008
[8]基于遗传模拟退火算法的生物信息学双序列比对方法研究[D]. 王素华.东北师范大学 2006



本文编号：3506250