Search-Based Software Engineering:

Search-Based Software Engineering: Trends, Techniques and Applications 11:27

For these reasons, it is probable that there will be a rapid growth in the breadth of
SBSE research. The growth trend revealed by Figure 1(a) is very likely to continue and
authors will continue to find ways to bring new SE subareas within the remit of SBSE.

12.2. Scalability

One of the biggest problems facing software engineers is that of scalability of results.
Many approaches that are elegant in the laboratory turn out to be inapplicable in the
field, because they lack scalability. Fortunately, one of the attractions of the search-
based model of optimization is that it is naturally parallelizable. HC can be performed
in parallel, with each climb starting at a different point [Mahdavi et al. 2003b]. GAs,
being population based, are also naturally parallel; the fitness of each individual can
be computed in parallel, with minimal overheads [Asadi et al. 2010; Mitchell et al.
2001]. Search algorithms in general and SBSE in particular, therefore offer a “killer
application” for the emergent paradigm of ubiquitous user-level parallel computing.
This trend toward greater parallelism, the need for scalable SE, and the natural
parallelism of many SBSE techniques all point to a likely significant development of
parallel SBSE to address the issue of SE scalability. Recent work by Yoo et al. [2011b]
has also suggested possibilities in the use of General-Purpose Graphics Processing
Units (GPGPU) for inexpensive and effective scalability of SBSE problems.

12.3. Robustness

In some SE applications, solution robustness may be as important as solution function-
ality. For example, it may be better to locate an area of the search space that is rich in
fit solutions, rather than identifying an even fitter solution that is surrounded by a set
of far less fit solutions.
In this way, the search seeks stable and fruitful areas of the landscape, such that near
neighbors of the proposed solution are also highly fit according to the fitness function.
This would have advantages where the solution needs to be not merely good enough
but also strong enough to withstand small changes in problem character [Beyer and
Sendhoff 2007].
Hitherto, research on SBSE has tended to focus on the production of the fittest
possible results. However, many application areas require solutions in a search space
that may be subject to change. This makes robustness a natural property to which the
research community could and should turn its attention.

12.4. Feedback and Insight

False intuition is often the cause of major error in software engineering, leading to
misunderstood specifications, poor communication of requirements, and implicit as-
sumptions in designs. SBSE can address this problem. Unlike human-based search,
automated search techniques carry with them no bias. They automatically scour the
search space for the solutions that best fit the (stated) human assumptions in the
fitness function.
This is one of the central strengths of the search-based approach. It has been widely
observed that search techniques are good at producing unexpected answers. For exam-
ple, EAs have led to patented designs for digital filters [Schnier et al. 2004] and the
discovery of patented antenna designs [Linden 2002]. Automated search techniques
will effectively work in tandem with the human, in an iterative process of refinement,
leading to better fitness functions and thereby better encapsulation of human assump-
tions and intuition.

Kết quả (Việt) 1:

Tìm kiếm dựa trên công nghệ phần mềm: Xu hướng, kỹ thuật và ứng dụng 11:27 Đối với những lý do này, nó là có thể xảy ra rằng sẽ có một sự tăng trưởng nhanh chóng trong chiều rộng của SBSE nghiên cứu. Xu hướng tăng trưởng tiết lộ của con số 1(a) là rất có khả năng để tiếp tục và tác giả sẽ tiếp tục nhiều cách để mang lại subareas Nam mới trong vòng chuyển SBSE. 12.2. khả năng mở rộng Một trong những vấn đề lớn nhất đối mặt với kỹ sư phần mềm là khả năng mở rộng của kết quả. Nhiều phương pháp tiếp cận được thanh lịch tại Trung tâm lần lượt ra được không thể dùng được trong các Quấn, bởi vì họ thiếu khả năng mở rộng. May mắn thay, một trong những điểm thu hút của tìm kiếm- Dựa trên mô hình của tối ưu hóa là nó tự nhiên parallelizable. HC có thể được thực hiện song song, với mỗi leo lên bắt đầu tại một thời điểm khác nhau [Mahdavi et al. 2003b]. Khí, là dân dựa, cũng được tự nhiên song song; fitness của mỗi cá nhân có thể được tính toán song song, với tối thiểu overheads [Asadi et al. 2010; Mitchell et al. 2001]. các thuật toán tìm kiếm nói chung và SBSE đặc biệt, do đó cung cấp một "killer ứng dụng"cho các mô hình cấp cứu phổ biến người dùng cấp song song tính toán. Xu hướng này về hướng xử lý song song lớn hơn, sự cần thiết cho khả năng mở rộng SE, và tự nhiên xử lý song song của nhiều kỹ thuật SBSE tất cả các điểm đến một sự phát triển khả năng significant song song SBSE để giải quyết vấn đề của Tây Bắc khả năng mở rộng. Tác phẩm gần đây bởi Yoo et al. [2011b] cũng có đề xuất khả năng trong việc sử dụng General-Purpose xử lý đồ họa Đơn vị (GPGPU) cho khả năng mở rộng không tốn kém và hiệu quả của các vấn đề SBSE. 12.3. mạnh mẽ Trong một số ứng dụng Tây Bắc, giải pháp mạnh mẽ có thể là quan trọng như giải pháp chức năng- lượng. Ví dụ, nó có thể tốt hơn để xác định vị trí này có diện tích không gian tìm giàu Giải pháp fit, chứ không phải xác định một giải pháp ngay cả fitter được bao quanh bởi một tập hợp giải pháp fit ít. Bằng cách này, việc tìm kiếm tìm kiếm khu vực ổn định và hiệu quả của cảnh quan, như vậy mà gần hàng xóm của giải pháp được đề xuất là cũng đánh giá cao fit theo chức năng fitness. Điều này sẽ có lợi thế mà các giải pháp cần phải không chỉ đơn thuần là tốt, đủ nhưng cũng mạnh mẽ, đủ để chịu được những thay đổi nhỏ trong vấn đề nhân vật [Beyer và Sendhoff 2007]. Hiện nay, nghiên cứu về SBSE có chiều hướng tập trung vào việc sản xuất của fittest kết quả có thể. Tuy nhiên, nhiều ứng dụng lĩnh vực đòi hỏi các giải pháp trong một không gian tìm kiếm đó có thể bị thay đổi. Điều này làm cho mạnh mẽ một tài sản tự nhiên mà các cộng đồng nghiên cứu có thể và nên chuyển sự chú ý của nó. 12.4. thông tin phản hồi và cái nhìn sâu sắc Sai trực giác thường là nguyên nhân của lỗi lớn trong công nghệ phần mềm, dẫn đến hiểu lầm specifications, nghèo truyền thông yêu cầu, và tiềm ẩn như- sumptions trong thiết kế. SBSE có thể giải quyết vấn đề này. Không giống như con người dựa trên tìm kiếm, kỹ thuật tìm kiếm tự động thực hiện với họ không thiên vị. Họ tự động sự lau các công cụ tìm không gian cho các giải pháp tốt nhất fit các giả định của con người (tuyên bố) trong các Chức năng fitness. Đây là một trong những thế mạnh Trung tâm tìm kiếm dựa trên phương pháp tiếp cận. Nó đã rộng rãi quan sát thấy rằng kỹ thuật tìm được tốt tại sản xuất bất ngờ câu trả lời. Cho kỳ thi- ple, EAs đã dẫn thiết kế cấp bằng sáng chế cho kỹ thuật số filters [Schnier và ctv. 2004] và các khám phá của ăng-ten cấp bằng sáng chế thiết kế [Linden 2002]. Kỹ thuật tìm kiếm tự động sẽ có hiệu quả làm việc trong tandem với con người, trong một quá trình lặp đi lặp lại của refinement, dẫn đến fitness chức năng tốt hơn và do đó tốt hơn đóng gói của con người assump- tions và trực giác.