面向软件产品线工程的特征模型实例挖掘

摘要

软件产品线是一种大规模的软件复用方法，它是开发一组具有相近且相似需求应用产品的有效途径。在软件产品线的开发过程中，领域需求能够以特征模型的方式表达领域的共性和可变性，并通过设计实现高效的单目标或多目标优化特征选择算法极大程度地满足客户的需求。 目前软件产品线研究领域中存在一些亟待解决的问题。一方面，由于真实的特征模型数量较少，研究人员通常使用随机特征模型或者从其他文献中找出个别特征模型进行研究。另一方面，随着用户需求越来越多，使得开发人员在进行产品开发时需要权衡多个目标，现有文献中多目标优化特征选择算法虽然可以找到较多的非支配解，但是其中可能包含局部最优解或支配解等劣质解。因此，根据以上两方面问题，如何挖掘出更多真实的特征模型以及设计实现出避免产生局部最优解和支配解的多目标优化特征选择算法变得尤为重要。 针对以上存在的两个问题，本文的主要成果和结论如下： （1）对真实的特征模型进行挖掘和验证。本文使用Debian软件包中的数据，将软件包之间的依赖关系和特征模型的关系进行映射，对挖掘出的特征模型进行筛选和有效性验证，结果表明新挖掘出的特征模型均是有效的。 （2）设计并实现更优的多目标优化特征选择算法。本文通过改进多目标整数规划算法的求解过程，并使用已有数据集和新挖掘出来的数据集进行实验，结果表明此方法不仅有效地避免了产生局部最优解和支配解，而且新算法在性能上要优于现有最好的算法。

目录

声明

1 绪论

1.1 研究背景

1.2 研究目的及意义

1.3 研究现状

1.3.1 可变性建模技术

1.3.2 优化特征选择技术

1.4 本文工作

1.4.1 优化特征选择技术

1.4.2 特征模型实例挖掘验证与分析

1.4.3 多目标优化特征选择算法的设计与实现

1.5 本文结构

1.6 本章小结

2 背景知识

2.1 特征模型定义

2.1.1 基本特征模型

2.1.2 扩展特征模型

2.2 特征模型配置及验证工具

2.2.1 特征模型配置管理

2.2.2 特征模型验证工具

2.3 优化特征选择算法分类

2.3.1 原子集

2.3.2 基于遗传策略的优化特征选择算法

2.3.3 基于优化目标数量的优化特征选择算法

2.4 本章小结

3 特征模型挖掘与验证

3.1 Debian软件包分析

3.1.1 Debian软件包

3.1.2 软件包之间的关系

3.2 特征模型实例挖掘设计

3.2.1 特征模型关系映射

3.2.2 特征模型挖掘方案

3.3 特征模型实例挖掘实施

3.3.1 实验平台及配置

3.3.2 实验结果与分析

3.4 本章小结

4 多目标优化特征选择算法设计与实现

4.1 多目标优化问题求解

4.1.1 一般多目标优化问题求解

4.1.2 软件产品线中的多目标优化问题

4.2 多目标优化特征选择算法设计

4.2.1 逻辑表达式转化为不等式求解

4.2.2 多目标整数规划算法设计

4.3 多目标优化特征选择算法实施

4.3.1 实验平台

4.3.2 实验基本配置

4.3.3 实验结果与分析

4.4 本章小结

结论

参 考 文 献

致谢

大连理工大学学位论文版权使用授权书