[發(fā)明專利]一種考慮成本-可靠性的SRGM決策模型及其構(gòu)建方法

有效

• 申請?zhí)枺?/td>: 202110090904.8
• 申請日: 2021-01-22
• 公開（公告）號: CN112988564B
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計）人: 江文倩;張策;王金勇;劉笛;邱忠銀;盛晟;孫智超;王建遠(yuǎn);呂為工
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（威海）
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06N3/04;G06N3/08
• 代理公司: 北京匯捷知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11531
• 代理人: 盛君梅

本發(fā)明屬于計算機(jī)軟件技術(shù)領(lǐng)域，公開了一種考慮成本?可靠性的SRGM決策模型及其構(gòu)建方法，所述考慮成本?可靠性的SRGM決策模型的構(gòu)建方法包括：問題的形式化描述；擬合與預(yù)測結(jié)果標(biāo)準(zhǔn)化處理：設(shè)定SRGM性能評測合計共有M+N+1個標(biāo)準(zhǔn)；SRGM評價體系結(jié)構(gòu)樹構(gòu)建；基于TOPSIS的SRGM決策算法構(gòu)建：構(gòu)建考慮成本?可靠性的SRGM評價與選擇算法SESABCRC。本發(fā)明結(jié)合已有決策評估數(shù)據(jù)的擬合信息，充分考慮模型擬合與預(yù)測信息的RE值。實驗結(jié)果和分析表明，本發(fā)明的模型和算法可以較好地進(jìn)行SRGM的性能評價與選擇，為對涵蓋測試資源與成本管控和最優(yōu)發(fā)布時間抉擇等在內(nèi)的軟件開發(fā)活動提供重要決策支持。

技術(shù)領(lǐng)域

本發(fā)明屬于計算機(jī)軟件技術(shù)領(lǐng)域，尤其涉及一種考慮成本-可靠性的SRGM決策模型及其構(gòu)建方法。

背景技術(shù)

目前，軟件可靠性增長模型SRGM(Software?Reliability?and?Growth?Model)是軟件測試階段用于建模和預(yù)測可靠性提高過程的重要數(shù)學(xué)工具。準(zhǔn)確建模軟件可靠性并且預(yù)測其可能的趨勢對于確定整個產(chǎn)品的可靠性至關(guān)重要。對SRGM的描述主要是通過建立描述測試過程的數(shù)學(xué)模型，獲得累積檢測的實效數(shù)量表達(dá)式m(t)來實施的。僅從描述SRGM的m(t)來研究是從可靠性的角度來實施，同時也需要考慮到測試成本，即需要考慮到測試工作量TE(Testing?Effort)，其與成本緊密相關(guān)。TE描述了測試資源的消耗，可由測試工作量函數(shù)TEF(Testing?Effort?Function)來描述。軟件發(fā)布不僅要考慮到可靠性要求，成本因素也至關(guān)重要，即軟件發(fā)布必須綜合考慮“成本-可靠性”綜合標(biāo)準(zhǔn)。因此，考慮TE到SRGM中已成為SRGM研究的重要分支，并取得了一系列的成果。

自二十世紀(jì)七十年代末的G-O模型算起，SRGM研究已跨越兩個世紀(jì)，已有近四十年的研究歷史，幾百種模型被提出。這些成果豐富了研究的內(nèi)涵，但同時也為評價與選擇SRGM帶來困難。當(dāng)前主要從擬合與預(yù)測角度對SRGM的性能進(jìn)行評價，即m(t)與真實歷史失效數(shù)據(jù)的擬合情況，以及對未來失效的預(yù)測情況。例如，在對模型與歷史數(shù)據(jù)的擬合評價上，MSE,Variation,MEOP,TS,RMS-PE,BMMRE和R-square常被用來作為度量的選擇，其中除R-square標(biāo)準(zhǔn)以接近于1為優(yōu)，其余標(biāo)準(zhǔn)數(shù)值越小表明擬合效果越好；RE被作為模型對未來數(shù)據(jù)預(yù)測的評價標(biāo)準(zhǔn)，RE越趨緊于0表明預(yù)測效果越好。但事實上，在不同的數(shù)據(jù)集上，尚難以找到一個在上述擬合與預(yù)測標(biāo)準(zhǔn)上均表現(xiàn)優(yōu)秀的模型，此外，直觀單一地從這些數(shù)值的高低來判別模型間的性能優(yōu)劣是較為困難和非定量的。

顯然，如何選擇和評價模型的性能，進(jìn)行更為客觀和科學(xué)的決策成為SRGM研究的一個重要研究方面，當(dāng)前已取得一些進(jìn)展。Sharma?K基于歐幾里得(Euclidean)距離進(jìn)行SRGM的最優(yōu)選擇，通過計算模型與理想解之間的最短距離來確定最優(yōu)者，但缺少對TE和更多評測性能標(biāo)準(zhǔn)，尤其是預(yù)測RE標(biāo)準(zhǔn)的考慮?，F(xiàn)有技術(shù)從決策軟件發(fā)布角度提出了在工程實際中選擇SRGM的方法，其通過評價模型預(yù)測軟件中剩余故障的準(zhǔn)確性來進(jìn)行SRGM的選擇標(biāo)準(zhǔn)。另外，還有現(xiàn)有技術(shù)從MSE擬合標(biāo)準(zhǔn)和自定義的預(yù)測指標(biāo)(相對平衡RE)對SRGM進(jìn)行評價，并給出了具體的SRGM選擇執(zhí)行流程。Lakshmanan提出了一種基于前饋神經(jīng)網(wǎng)絡(luò)(Feed-Forward?Neural?Network，F(xiàn)FNN)的方法，通過測量每種模型的擬合優(yōu)度來選擇SRGM，但在對成本損耗和模型預(yù)測性能的描述都有所欠缺。

這些研究工作從不同角度實施，推動了SRGM選擇與決策研究的發(fā)展，當(dāng)前研究中存有如下不足：

(1)針對現(xiàn)有的SRGM模型，在進(jìn)行比較時，往往只考慮到少數(shù)幾個評判準(zhǔn)則，比如MSE，R-Square等，同時也忽略掉了預(yù)測標(biāo)準(zhǔn)RE在模型選擇中的重要地位，所以很可能會導(dǎo)致選擇出與工程軟件不符合的模型；

(2)在擬合與預(yù)測標(biāo)準(zhǔn)上，不同的評價標(biāo)準(zhǔn)對模型性能度量程度是不同的，應(yīng)予以考慮其權(quán)重；