3.1.3 Discovery of Desirable Soluti

3.1.3 Discovery of Desirable Solutions
Since the fitness function is a measure of `goodness' of the solutions, another natural approach to validation consists of seeing just how much the fitness increases and gathering empirical data to provide evidence of the kinds of solution which may be obtained for typical problem elements.
3.1.4 Efficiency
In many (but by no means all) cases, a search-based approach may be slower than an existing analytical approach, because the search will involve rep eated trials of the fitness function to evaluate candidate solutions. However, so long as the search based technique can produce better solutions, there will be many software engineering applications where the search-based approach is more appropriate because quality overrides speed.
Where there exists a technique for producing solutions which is always applicable and which produces consistently high-quality solutions, a search based approach will clearly still be preferable if it produces solutions of equal or better quality more speedily.
3.2 Validation with respect to Existing Analytial Techniques
In this section the phrase `analyti al te hniques' is used to describe any non search-based algorithm for con-structing solutions to the Software Engineering problem in question.
Where there exist analytic techniques for constructing reasonable solutions, search-based techniques will still be applicable. For instance, where analytical techniques are known to favour certain forms of solution or to have biases which affect their behaviour, a search-based technique may find solutions which cannot be discovered by the analytical technique. Where analytical techniques are applicable only to a subset of the problem space, search techniques may provide a mechanism for `flling in the gaps'. Where analytical techniques are not consistently good at constructing solutions, search-based techniques may be used as a `second guess'. Finally, where analytic techniques exist, but are known to produce sub-optimal solutions, these existing techniques may be used to seed the metaheuristi seach with an initial population of reasonable solutions. It would then be hoped that the metaheuristi search would improve upon these initial seeds.
For each of these situations, analytic techniques produce only a part of the overall answer and metaheuristi search can be used to augment the existing approach.
3.2.1 Avoiding Bias in Analytical Techniques
Where metaheuristi search is used to address bias in existing analytic solutions, the evaluation criteria will measure the novelty of solutions relative to those produced (and their relative fitness) compared to those produced by the analytic approaches. In such situations, even where the metaheuristic technique does not outperform the analytic techniques on fitness, it may be validated in terms of the additional insight gained from considering solutions previously thought atypical or non-standard.
3.2.2 Filling Problem Space Gaps left by Analytical Solutions
Where existing analytic techniques are not applicable to the entire problem space, the use of metaheuristics may be partially validated, simply by showing that they `fill in the gaps'. However, a stronger validation would clearly involve demonstrating comparable (or improved) fitness of metaheuristic solutions relative to those produced by analytic algorithms. However, where problem subspaces uncovered by analytic algorithms represent `harder' problems to solve than those which are covered, this criterion may be too stringent. In this situation validation may simply show that the metaheuristic technique is capable of producing better solutions for previously uncovered areas of the problem space than can be found with random search alone.
3.2.3 Optimisation of Partial or Suboptimal Analytical Solutions
Where metaheuristic techniques are used to provide second guesses or where such algorithms are seeded by an initial population of results from an existing analytic algorithm, the metaheuristic technique should clearly be shown to provide improvement (i.e. increased fitness). A simple-minded hybrid approach could simply try both the existing approach and a search-based approch and select the best solution. Fortunately, any such comcbined analytical and metaheuristic technique need only produce better results than the pure analytical approach on `a few' ocasions in order to be considered worth while. The interpretation of `a few' will depend upon the domain of application.
3.2.4 Choice of Technique and Fitness Function
The general application of metaheuristic techniques to Software Engineering presents a large number of choies. The representation, fitness functions, operators and search technique to apply must all be carefully considered. For some applications, a simple hill- climbing approach may produce either good or adequate results. For other problems the multi-modal nature of the fitness landscape may demand a more robust technique. In general, it will be wise to experiment with a variety of techniques, fitness funtions and op erators. Fortunately, the highly generic nature of search-based techniques support just this form of experimentation.
Finally, for some appli ations, the fitness function itself may require some form of validation. Where there exist well-understood and widely aepted metrics for assessing elements of the solution space, the fitness function will not require validation; it an simply be appropriated from the software measurement literature. However, in the software measurement literature there are few unontroversial metrics [34 , 15 ]. Where there is disagreement about how to measure candidate solutions, the fitness function used and the landscape it imposes on the solution space will require validation. In all cases, the algorithmi complexity of the computation of the fitness function may be an issue. In some application areas a computationally demanding fitness evaluation may render the approach impractical, even where searches are often highly productive with respect to the solutions found.
3.3 Psy hologi al Considerations
Software Engineering in volves aesthetic as well as technical qualities. It may b e found, as with more aesthetic applications of metaheuristic search [7 , 9 , 2], that a non-automatic , human-based fitness evaluation is required. In such cases, the psychological implications of repeated trials on the same human subject (and the judgment biases that this may induce) should be considered. There is also a `h uman dimension' to Search-Based Software Engineering research where the solution pro-duced requires an explanation. In most cases the fitness function should be well-understood, so that the solutions an be explained purely in terms of their superior fitness. However, it may also be the ase that the metaheuristic search approach is applied to give insight in to the fitness function itself. Where a metric which captures the 5 property (or properties) of interest is hard to define, the seach may be used to explore the fitness landscapes reated by several candidate metrics/fitness functions.

Kết quả (Việt) 1:

3.1.3 phát hiện giải pháp mong muốnKể từ khi chức năng thể dục là một thước đo của lòng tốt của các giải pháp, một phương pháp tự nhiên để xác nhận bao gồm nhìn thấy chỉ cần bao nhiêu tập thể dục làm tăng và thu thập các dữ liệu thực nghiệm để cung cấp bằng chứng về các loại giải pháp mà có thể được thu được cho các yếu tố vấn đề điển hình.3.1.4 hiệu quảTrong trường hợp nhiều (nhưng do không có nghĩa là tất cả), một cách tiếp cận dựa trên tìm kiếm có thể chậm hơn so với một cách tiếp cận phân tích hiện tại, vì việc tìm kiếm sẽ liên quan đến thử nghiệm eated đại diện của các chức năng thể dục để đánh giá giải pháp ứng cử viên. Tuy nhiên, do đó, miễn là các kỹ thuật tìm kiếm dựa trên có thể sản xuất các giải pháp tốt hơn, sẽ có nhiều công nghệ phần mềm ứng dụng mà tìm kiếm dựa trên phương pháp tiếp cận là thích hợp hơn bởi vì chất lượng ghi đè lên tốc độ.Trong trường hợp có tồn tại một kỹ thuật để sản xuất các giải pháp đó là luôn luôn áp dụng và mà sản xuất một cách nhất quán cao chất lượng giải pháp, một phương pháp tiếp cận tìm dựa rõ ràng vẫn sẽ thích hợp hơn nếu nó tạo ra các giải pháp bằng hoặc tốt hơn chất lượng hơn nhanh chóng.3.2 xác nhận đối với hiện tại Analytial kỹ thuậtTrong phần này cụm từ 'analyti al te hniques' được sử dụng để mô tả bất kỳ phòng không tìm kiếm dựa trên thuật toán cho con-structing giải pháp cho vấn đề công nghệ phần mềm trong câu hỏi. Nơi có tồn tại các kỹ thuật phân tích để xây dựng các giải pháp hợp lý, tìm kiếm dựa trên kỹ thuật sẽ vẫn được áp dụng. Ví dụ, nơi kỹ thuật phân tích được gọi ủng hộ các hình thức nhất định của giải pháp hoặc có thành kiến mà ảnh hưởng đến hành vi của họ, một kỹ thuật tìm kiếm dựa trên có thể tìm thấy giải pháp mà không thể được phát hiện bởi các kỹ thuật phân tích. Nơi các kỹ thuật phân tích được áp dụng chỉ cho một tập con của không gian vấn đề, tìm kỹ thuật có thể cung cấp một cơ chế cho 'flling vào những khoảng trống'. Nơi phân tích kỹ thuật không phải là một cách nhất quán tốt tại xây dựng các giải pháp, tìm kiếm dựa trên kỹ thuật có thể được sử dụng như là một 'thứ hai đoán'. Cuối cùng, khi phân tích kỹ thuật tồn tại, nhưng được biết là sản xuất giải pháp tiểu tối ưu, các kỹ thuật hiện tại có thể được sử dụng để hạt giống công metaheuristi với một dân số ban đầu của giải pháp hợp lý. Nó sau đó đã được hy vọng rằng metaheuristi tìm sẽ cải thiện sau khi các hạt giống ban đầu. Đối với mỗi của các tình huống này, phân tích kỹ thuật sản xuất chỉ là một phần của câu trả lời tổng thể và metaheuristi tìm kiếm có thể được sử dụng để tăng cường các phương pháp hiện có.3.2.1 tránh thiên vị trong phân tích kỹ thuật Nơi metaheuristi tìm được sử dụng để giải quyết các xu hướng trong các giải pháp phân tích hiện tại, các tiêu chí đánh giá sẽ đo tính mới của giải pháp tương đối so với những người sản xuất (và của thể dục tương đối) so với những người sản xuất bằng phương pháp tiếp cận phân tích. Trong tình huống như vậy, thậm chí nơi mà các kỹ thuật metaheuristic không tốt hơn các kỹ thuật phân tích về thể dục, nó có thể được xác nhận về sự thấu hiểu thêm thu được từ xem xét giải pháp trước đây nghĩ không điển hình hoặc không chuẩn.3.2.2 làm đầy những khoảng trống Space vấn đề trái bởi giải pháp phân tích Trong trường hợp hiện tại phân tích kỹ thuật không phải là áp dụng cho toàn bộ vấn đề không gian, việc sử dụng của metaheuristics có thể được một phần xác nhận, chỉ đơn giản bằng cách hiển thị rằng họ 'điền vào các khoảng trống '. Tuy nhiên, một xác nhận mạnh mẽ hơn rõ ràng sẽ bao gồm thể hiện thể dục so sánh (hoặc cải thiện) trong các giải pháp metaheuristic tương đối so với những người sản xuất bởi các thuật toán phân tích. Tuy nhiên, trong trường hợp vấn đề subspaces phát hiện bởi phân tích thuật toán đại diện cho các vấn đề 'khó hơn' để giải quyết hơn những người được bao phủ, tiêu chuẩn này có thể được quá nghiêm ngặt. Trong tình huống này xác nhận chỉ đơn giản là có thể hiển thị các kỹ thuật metaheuristic là khả năng sản xuất các giải pháp tốt hơn cho các khu vực trước đây phát hiện của không gian vấn đề hơn có thể được tìm thấy với ngẫu nhiên tìm một mình.3.2.3 tối ưu hóa một phần hoặc Suboptimal giải pháp phân tích Nơi metaheuristic kỹ thuật được sử dụng để cung cấp thứ hai đoán hoặc nơi các thuật toán được hạt giống bị loại bởi một dân số ban đầu của các kết quả từ một thuật toán phân tích hiện tại, các kỹ thuật metaheuristic rõ ràng sẽ được hiển thị để cung cấp cải tiến (tức là tăng thể dục). Một cách tiếp cận hybrid minded có thể chỉ đơn giản là cố gắng cả hai cách tiếp cận hiện tại và approch dựa trên tìm kiếm và chọn giải pháp tốt nhất. May mắn thay, bất kỳ như comcbined metaheuristic và phân tích kỹ thuật chỉ cần sản xuất các kết quả tốt hơn so với phương pháp tiếp cận phân tích tinh khiết trên 'một vài' lần để được xem xét trong khi giá trị. Việc giải thích của 'một số' sẽ phụ thuộc vào tên miền của ứng dụng.3.2.4 sự lựa chọn của kỹ thuật và chức năng thể dục Các ứng dụng chung của metaheuristic kỹ thuật phần mềm kỹ thuật trình bày một số lớn các choies. Các đại diện, thể dục chức năng, nhà điều hành và kỹ thuật tìm kiếm để áp dụng phải tất cả được xem xét cẩn thận. Cho một số ứng dụng, một đơn giản hill - phương pháp leo núi có thể tạo ra kết quả tốt hoặc đầy đủ. Cho các vấn đề bản chất đa phương thức của cảnh quan thể dục có thể yêu cầu một kỹ thuật mạnh mẽ hơn. Nói chung, nó sẽ là khôn ngoan để thử nghiệm với một loạt các kỹ thuật, thể dục thiết và op erators. May mắn thay, bản chất rất chung của tìm kiếm dựa trên kỹ thuật hỗ trợ chỉ này hình thức của thử nghiệm. Cuối cùng, đối với một số ations öùng, chức năng thể dục chính nó có thể yêu cầu một số hình thức xác nhận. Nơi có tồn tại được hiểu và rộng rãi aepted số liệu để đánh giá các yếu tố không gian giải pháp, các chức năng thể dục sẽ không yêu cầu xác nhận; nó một chỉ đơn giản là phù hợp từ các tài liệu đo lường phần mềm. Tuy nhiên, trong các tài liệu đo lường phần mềm có rất vài unontroversial số liệu [34, 15]. Trường hợp có bất đồng về làm thế nào để đo lường giải pháp ứng cử viên, các chức năng thể dục được sử dụng và cảnh quan nó áp đặt trên không gian giải pháp sẽ yêu cầu xác nhận. Trong mọi trường hợp, sự phức tạp algorithmi của những tính toán của các chức năng thể dục có thể là một vấn đề. Trong một số lĩnh vực ứng dụng một đánh giá thể dục đòi hỏi computationally có thể khiến cách tiếp cận không thực tế, ngay cả tìm kiếm đâu thường rất hiệu quả đối với các giải pháp tìm thấy.3.3 Psy hologi al cân nhắc Công nghệ phần mềm trong volves thẩm Mỹ cũng như chất lượng kỹ thuật. Nó có thể b e tìm thấy, như với các ứng dụng hơn thẩm Mỹ của metaheuristic tìm [7, 9, 2], một đánh giá phòng không tự động, nhân dựa trên thể dục là cần thiết. Trong trường hợp này, những tác động tâm lý của các thử nghiệm lặp đi lặp lại trên cùng một chủ đề của con người (và biases bản án này có thể gây ra) nên được xem xét. Đó cũng là một kích thước h uman' ' để nghiên cứu công nghệ phần mềm dựa trên tìm nơi giải pháp pro duced yêu cầu một lời giải thích. Trong hầu hết trường hợp các chức năng thể dục nên cũng hiểu, để các giải pháp một được giải thích hoàn toàn về thể dục cấp trên của họ. Tuy nhiên, nó cũng có thể là ase metaheuristic tìm cách tiếp cận được áp dụng để cho cái nhìn sâu sắc vào chức năng thể dục chính nó. Trường hợp một số liệu mà chụp 5 tài sản (hoặc tài sản) quan tâm là khó để xác định, tìm kiếm có thể được sử dụng để khám phá thể dục phong cảnh reated bởi một số ứng cử viên số liệu/thể dục chức năng.