who proposed a GA-based approach to

who proposed a GA-based approach to automatically synthesize software architectures
consisting of several design patterns.
Other authors have proposed new SBSE approaches, specifically targeted at the
design phase of the software development process. Feldt [1999] presented a model
to explore the difficulty in early software development phases by using GP and also
describes a prototype of interactive software development workbench called WISE that
uses biomimetic algorithms [Feldt 2002]. Several authors have also considered SBSE
techniques for balancing Quality-of-Service (QoS) objectives, such as Khoshgoftaar
et al. [2004a, 2004b], who proposed an approach for calibrating a multiobjective Module-
Order Model (MOM) using GP.
The problem of QoS-aware Web service composition was introduced by Canfora et al.
[2005a], who use GAs to solve QoS-aware composition optimization problems. This
problem, which lies at the heart of service-oriented computing, implemented as Web-
based systems, has recently been taken up and studied by other authors. Jaeger and
¨
Muhl [2007] discussed the Quality-of-Service-based Web services selection problems
using GAs. Ma and Zhang [2008] proposed a GA-based method for Web service compo-
sition and Web service selection that takes into account QoS constraints. Zhang et al.
[Su et al. 2007; Zhang et al. 2006, 2007a] applied GAs for Web services selection with
global QoS constraints.
Several authors have addressed the design problem of component selection and inte-
gration. This component selection problem is closely related to the requirement assign-
ment problem. Baker et al. [2006] presented results on greedy optimization and SA for
component selection, while Yang et al. [2006] proposed an approach for the software in-
tegration problem by using GAs to reduce risk. Classical OR techniques have also been
applied to component selection problems: Desnos et al. [2008] combined backtracking
and branch-and-bound techniques for the automatic component substitution problem
to optimize software reuse and evolution. Other authors have considered the compo-
nent selection problem as a selection optimization problem. For example, Cortellessa
et al. [2008a] presented a framework to support the selection of COTS components.
These approaches minimize system construction cost. Vijayalakshmi et al. [2008] pro-
posed a GA-based approach to select an optimized combination of components and
Kuperberg et al. [2008] proposed a GP-based platform-independent reengineered para-
metric behavior model for black-box components performance prediction.
State-based models of design are increasingly popular and these create opportunities
for SBSE research because of the wealth of research on synthesis of state-based models
from examples, using optimization techniques. Goldsby et al. [Goldsby and Cheng
2008a, 2008b; Goldsby et al. 2008] presented an evolution-based tool for software
behavioral model generation to improve the quality of systems. The system, Avida-
MDE, generates a set of communicating state-based models of system behavior using
model inference techniques that allow a finite state machine model to be synthesized
from cases. A related approach was used by Lucas and Reynolds [2005], who presented
an EA for learning deterministic finite automaton to optimally assign state labels and
compare its performance with the evidence-driven state merging algorithm.
Feldt, one of the early pioneers of the application of SBO to SE, showed how fault
tolerance could be designed into systems using GP to evolve multiple diverse software
variants [Feldt 1998a, 1998b, 1998c]. This is a novel approach to N -version computing,
in which highly fault-tolerant systems are created several times, in different ways, to
increase robustness. The goal was to increase quality since the GP evolved versions
would be qualitatively different from any human-generated “diverse versions”.
In the traditional N -version computing approach, different teams of programmers
are deployed to develop the different (and hopefully, therefore, diverse) solutions to
the same problem. Of course, the development of different versions of a system in this

Kết quả (Việt) 1:

những người đề xuất một cách tiếp cận dựa trên GA để tự động tổng hợp kiến trúc phần mềm bao gồm một số mẫu thiết kế. Các tác giả đã đề xuất SBSE mới phương pháp tiếp cận, specifically nhắm mục tiêu vào các thiết kế các giai đoạn của quá trình phát triển phần mềm. Feldt [1999] trình bày một mô hình để khám phá difficulty trong đầu các giai đoạn phát triển phần mềm bằng cách sử dụng bác sĩ gia đình và cũng Mô tả một nguyên mẫu của bàn làm việc phát triển phần mềm tương tác được gọi là khôn ngoan mà sử dụng biomimetic thuật toán [Feldt 2002]. Một số tác giả cũng đã xem xét SBSE kỹ thuật cho cân bằng mục tiêu chất lượng dịch vụ (QoS), chẳng hạn như Khoshgoftaar et al. [2004a, 2004b], người đề nghị một cách tiếp cận để đo đạc một mô-đun multiobjective- Thứ tự mô hình (MOM) bằng cách sử dụng GP. Vấn đề của QoS, nhận thức Web dịch vụ thành phần đã được giới thiệu bởi Canfora et al. [2005a], những người sử dụng khí để giải quyết vấn đề tối ưu hóa thành phần QoS, nhận thức. Điều này vấn đề, mà nằm ở trung tâm của dịch vụ theo định hướng máy tính, thực hiện như là Web- Dựa trên hệ thống, có gần đây được thực hiện và nghiên cứu của tác giả khác. Jaeger và ¨ Muhl [2007] thảo luận vấn đề lựa chọn dịch vụ chất lượng-của-dịch vụ-dựa trên Web sử dụng khí. Ma và Zhang [2008] đề xuất một phương pháp dựa trên GA cho Web dịch vụ dùng- sition và lựa chọn dịch vụ Web sẽ đưa vào tài khoản QoS ràng buộc. Trương et al. [Su et al. 2007; Trương et al. 2006, 2007a] áp dụng khí cho lựa chọn dịch vụ Web với những hạn chế QoS toàn cầu. Một số tác giả đã giải quyết vấn đề thiết kế của thành phần lựa chọn và inte- Gration. Vấn đề lựa chọn thành phần này liên quan chặt chẽ đến Ấn định yêu cầu- ment vấn đề. Baker et al. [2006] trình bày kết quả tối ưu hóa tham lam và SA cho thành phần lựa chọn, trong khi Yang et al. [2006] đề xuất một cách tiếp cận cho phần mềm tại- tegration các vấn đề bằng cách sử dụng khí để giảm nguy cơ. Cổ điển OR kỹ thuật cũng đã áp dụng cho thành phần lựa chọn vấn đề: Desnos et al. [2008] kết hợp backtracking và các chi nhánh và ràng buộc kỹ thuật cho vấn đề thay thế các thành phần tự động để tối ưu hóa tái sử dụng phần mềm và tiến hóa. Các tác giả khác đã coi là dùng- nent lựa chọn vấn đề như là một vấn đề tối ưu hóa sự lựa chọn. Ví dụ: Cortellessa et al. [2008a] trình bày một khuôn khổ để hỗ trợ việc lựa chọn của các thành phần cũi trẻ em. Các phương pháp tiếp cận giảm thiểu chi phí xây dựng hệ thống. VIJAYALAKSHMI et al. [2008] pro- Đặt ra một cách tiếp cận dựa trên GA để chọn một sự kết hợp tối ưu hóa của các thành phần và Kuperberg et al. [2008] đề xuất một bác sĩ gia đình dựa trên nền tảng độc lập reengineered para- số liệu hành vi các mô hình cho hộp đen thành phần hiệu suất dự đoán. Nhà nước dựa trên mô hình của thiết kế là ngày càng phổ biến và những tạo cơ hội SBSE nghiên cứu bởi vì sự giàu có của các nghiên cứu trên tổng hợp của nước dựa trên mô hình từ ví dụ, bằng cách sử dụng kỹ thuật tối ưu hóa. Goldsby et al. [Goldsby và Cheng 2008a, 2008b; Goldsby et al. 2008] trình bày một sự tiến hóa dựa trên các công cụ cho phần mềm hành vi mô hình các thế hệ để cải thiện chất lượng của hệ thống. Hệ thống Avida- MDE, tạo ra một tập hợp các liên lạc nhà nước dựa trên mô hình của hệ thống bằng cách sử dụng hành vi Mô hình suy luận kỹ thuật mà cho phép một mô hình máy finite nhà nước để được tổng hợp từ trường hợp. Một cách tiếp cận liên quan đã được sử dụng bởi Lucas và Reynolds [2005], người trình bày một EA cho việc học tập xác định finite automaton để tối ưu gán nhãn bang và so sánh hiệu suất của nó với nhà nước điều khiển bằng chứng qua việc hợp nhất các thuật toán. Feldt, một trong những người tiên phong đầu của việc áp dụng SBO SE, cho thấy làm thế nào lỗi khoan dung có thể được thiết kế vào hệ thống bằng cách sử dụng bác sĩ gia đình để phát triển nhiều phần mềm đa dạng Phiên bản [Feldt 1998a, 1998b, 1998c]. Đây là một cách tiếp cận mới để N-Phiên bản máy tính, trong đó rất chịu lỗi hệ thống được tạo ra nhiều lần, trong nhiều cách khác nhau, đến tăng mạnh mẽ. Mục đích là để tăng chất lượng kể từ khi bác sĩ gia đình phát triển phiên bản sẽ là chất lượng khác nhau từ bất kỳ con người tạo ra "đa dạng phiên bản". Trong truyền thống N-Phiên bản máy tính tiếp cận, các đội bóng khác nhau của lập trình viên được triển khai để phát triển khác nhau (và hy vọng rằng, do đó, đa dạng) các giải pháp để cùng một vấn đề. Tất nhiên, sự phát triển của các phiên bản khác nhau của một hệ thống ở đây