基于BBNs的軟件故障預(yù)測(cè)方法

基于BBNs的軟件故障預(yù)測(cè)方法

摘要:本文在分析已有軟件故障預(yù)測(cè)方法后指出:代寫論文單純從軟件開發(fā)過程的某個(gè)階段或基于幾種度量來預(yù)測(cè)軟件故障是不充分的.提出綜合利用軟件開發(fā)過程信息構(gòu)建基于BBNs軟件故障預(yù)測(cè)模型.本文從一個(gè)基本的貝葉斯信念網(wǎng)(BBNs)故障預(yù)測(cè)模型出發(fā)，擴(kuò)展基本節(jié)點(diǎn)，得到了一個(gè)較完善的故障預(yù)測(cè)模型，結(jié)合已有的關(guān)于軟件度量的研究成果，提出利用軟件度量和專家知識(shí)確定節(jié)點(diǎn)狀態(tài)概率分布.仿真實(shí)驗(yàn)結(jié)果表明該模型與實(shí)際情況相符合，具有一定的故障預(yù)測(cè)能力.關(guān)鍵詞:軟件故障預(yù)測(cè);貝葉斯信念網(wǎng);軟件度量1引言當(dāng)前關(guān)于軟件故障預(yù)測(cè)的研究大都集中于軟件工程領(lǐng)域的某個(gè)方面，代寫畢業(yè)論文如面向?qū)ο笙到y(tǒng)中利用各種度量屬性建立模型預(yù)測(cè)故障數(shù)和故障傾向，利用測(cè)試過程中用例的覆蓋率預(yù)測(cè)模塊故障，利用專家經(jīng)驗(yàn)建立專家知識(shí)庫預(yù)測(cè)故障等等.軟件故障的原因貫穿于軟件開發(fā)全過程，僅從一個(gè)方面來考察軟件故障是不充分的.近十幾年備受關(guān)注的貝葉斯網(wǎng)絡(luò)(BBNs)對(duì)于解決復(fù)雜系統(tǒng)不確定因素引起的故障具有很大的優(yōu)勢(shì)，被認(rèn)為是目前不確定知識(shí)表達(dá)和推理領(lǐng)域最有效的理論模型.本文提出基于BBNs的故障預(yù)測(cè)方法，綜合利用軟件開發(fā)過程信息預(yù)測(cè)軟件故障.2軟件故障預(yù)測(cè)的研究現(xiàn)狀預(yù)測(cè)故障的方法可以分為兩大類:(1)基于數(shù)量的技術(shù)，關(guān)注預(yù)測(cè)軟件系統(tǒng)中的故障數(shù);代寫碩士論文(2)基于分類的技術(shù)，關(guān)注于預(yù)測(cè)哪些子系統(tǒng)具有故障傾向.第一類已經(jīng)有一些研究，但是開發(fā)一個(gè)有效的模型比較困難.第二類方法更成功一些.利用軟件度量來預(yù)測(cè)故障傾向是一個(gè)重要的趨勢(shì)和研究?jī)?nèi)容，當(dāng)前的預(yù)測(cè)模型涉及軟件設(shè)計(jì)度量，代碼度量和測(cè)試度量.軟件維護(hù)的歷史數(shù)據(jù)，例如軟件改變歷史[1]和過程質(zhì)量數(shù)據(jù)[2]也被用于軟件故障預(yù)測(cè).很多專家認(rèn)為開發(fā)過程的質(zhì)量是產(chǎn)品質(zhì)量(這里默認(rèn)是殘留故障密度)最好的預(yù)測(cè)器.AhmedE.Hassan等人提出利用啟發(fā)式規(guī)則預(yù)測(cè)軟件子系統(tǒng)故障傾向[3].還有文獻(xiàn)提出利用測(cè)試過程中的各種數(shù)據(jù)(如測(cè)試覆蓋率)來預(yù)測(cè)故障[2].分析已有的故障預(yù)測(cè)模型，它們大多基于軟件開發(fā)過程中的某一個(gè)或幾個(gè)階段的數(shù)據(jù)，或者基于一種或者幾種度量，如軟件復(fù)雜性度量和測(cè)試度量.但顯而易見，影響軟件質(zhì)量的關(guān)鍵因素不僅僅是其幾個(gè)度量.軟件故障與軟件開發(fā)全過程往往具有不確定的因果關(guān)聯(lián)關(guān)系，導(dǎo)致軟件故障的因素很多，單純從軟件開發(fā)過程的某個(gè)階段或基于幾種度量來預(yù)測(cè)軟件故障是不充分的.BBNs本身是一種不確定性因果關(guān)聯(lián)模型，具有強(qiáng)大的不確定性問題處理能力，能有效進(jìn)行多源信息表達(dá)與融合.因此本文提出基于BBNs構(gòu)建軟件故障預(yù)測(cè)模型，綜合利用軟件開發(fā)過程信息預(yù)測(cè)軟件故障.3貝葉斯網(wǎng)絡(luò)一個(gè)BBNs是一個(gè)有向無環(huán)圖，由代表變量的節(jié)點(diǎn)及連接這些節(jié)點(diǎn)的有向邊構(gòu)成.節(jié)點(diǎn)代表隨機(jī)變量，可以是任何問題的抽象，代寫醫(yī)學(xué)論文如問題復(fù)雜度，觀測(cè)現(xiàn)象，意見征詢等.節(jié)點(diǎn)間的有向邊代表了節(jié)點(diǎn)間的相互關(guān)聯(lián)關(guān)系.有向圖蘊(yùn)涵了條件獨(dú)立性假設(shè)，用A(vi)表示非vi后代節(jié)點(diǎn)構(gòu)成的任何節(jié)點(diǎn)集合，用∏(vi)表示vi的直接雙親節(jié)點(diǎn)集合，則P(vi|(A(vi)∪∏(vi)))=P(vi|∏(vi)).用條件概率表(conditionalprobabilitiestable，CPT)來描述點(diǎn)與點(diǎn)之間關(guān)聯(lián)，條件概率表可以用P(vi|∏(vi))來描述，它表達(dá)了節(jié)點(diǎn)同其父節(jié)點(diǎn)的相關(guān)關(guān)系———條件概率.沒有任何父節(jié)點(diǎn)的節(jié)點(diǎn)概率為其先驗(yàn)概率.圖1用BBNs描述了一個(gè)簡(jiǎn)單的關(guān)于軟件產(chǎn)品質(zhì)量的例子[4]，產(chǎn)品質(zhì)量由管理能力和開發(fā)能力確定，表1為其CPT.BBNs對(duì)構(gòu)造者的信念(專家知識(shí)和經(jīng)驗(yàn))建模，基于這個(gè)模型它能夠提供精確的數(shù)學(xué)計(jì)算和預(yù)測(cè).4基于BBNs的軟件故障預(yù)測(cè)方法將BBNs應(yīng)用于軟件故障預(yù)測(cè)的步驟是:(1)確定變量及其順序;(2)建立BBNs結(jié)構(gòu);(3)確定BBNs的參數(shù)(CPT).本文從軟件開發(fā)過程來建立一個(gè)BBNs基本模型，并以此模型為基礎(chǔ)擴(kuò)展節(jié)點(diǎn).4·1一個(gè)BBNs故障預(yù)測(cè)的基本模型影響軟件項(xiàng)目風(fēng)險(xiǎn)的基本因素可分為兩組，一是與組織相關(guān)的因素，包括組織文化，管理經(jīng)驗(yàn)和能力以及過程成熟度.二是與項(xiàng)目相關(guān)的因素[4].影響軟件故障的基本因素可以描述為圖2的基本模型.方框是可以擴(kuò)展的基點(diǎn).“項(xiàng)目特征”和“驗(yàn)證和確認(rèn)”影響到軟件開發(fā)的需求分析，設(shè)計(jì)，實(shí)現(xiàn)和測(cè)試過程，軟件故障受開發(fā)過程的影響，這個(gè)模型涵蓋了軟件開發(fā)過程4·2擴(kuò)展的BBNs故障預(yù)測(cè)模型我們用已探測(cè)的故障數(shù)，殘留故障數(shù)，代寫職稱論文殘留故障密度和測(cè)試中故障密度四個(gè)節(jié)點(diǎn)來描述軟件故障，分別用“問題復(fù)雜度”，“設(shè)計(jì)功效”和“測(cè)試功效”節(jié)點(diǎn)描述需求分析，設(shè)計(jì)和測(cè)試過程.V&V[4]與問題復(fù)雜度，設(shè)計(jì)功效和測(cè)試功效三個(gè)變量關(guān)系緊密，因此本文去掉V&V節(jié)點(diǎn)，將這些描述V&V節(jié)點(diǎn)的變量(如測(cè)試覆蓋率，員工能力等)用來確定問題復(fù)雜度，設(shè)計(jì)功效和測(cè)試功效的參數(shù).本文采用如圖3所示的BBNs故障預(yù)測(cè)模型，這個(gè)模型可以解釋為兩個(gè)階段:第一個(gè)階段覆蓋了軟件生命周期的規(guī)約，設(shè)計(jì)和編碼;第二個(gè)階段覆蓋了測(cè)試.設(shè)計(jì)規(guī)模和缺陷數(shù)節(jié)點(diǎn)為整數(shù)或者一個(gè)限定的范圍，故障密度為實(shí)數(shù)，其他節(jié)點(diǎn)有下面的狀態(tài):很高，高，中等，低，很低.問題復(fù)雜度表示待開發(fā)問題集中內(nèi)在的復(fù)雜度，這些問題是規(guī)約中離散的功能需求，問題復(fù)雜度和設(shè)計(jì)功效之間的不匹配將導(dǎo)致引入故障數(shù)和設(shè)計(jì)規(guī)模增大.測(cè)試階段在設(shè)計(jì)階段之后，實(shí)踐中實(shí)際分配的測(cè)試功效比所要求的少得多.測(cè)試功效和設(shè)計(jì)規(guī)模之間的不匹配將會(huì)影響已探測(cè)故障的數(shù)目，引入故障是其邊界條件.已探測(cè)故障和引入故障之差是殘留故障數(shù).測(cè)試中故障密度是已探測(cè)故障和設(shè)計(jì)規(guī)模的函數(shù)(已探測(cè)故障/設(shè)計(jì)規(guī)模)，同樣，殘留故障密度是殘留故障數(shù)/設(shè)計(jì)規(guī)模.這里的問題復(fù)雜度，設(shè)計(jì)功效和測(cè)試功效的粒度仍然較大，不利于確定其狀態(tài)，將其繼續(xù)擴(kuò)展，建立相應(yīng)子網(wǎng)來描述這些節(jié)點(diǎn):(1)問題復(fù)雜度子網(wǎng)(圖4);(2)設(shè)計(jì)功效子網(wǎng)(圖5);(3)測(cè)試功效子網(wǎng)(圖6).4·3確定BBNs參數(shù)接下來的問