基于BBNs的軟件故障預測方法

基于BBNs的軟件故障預測方法

摘要:本文在分析已有軟件故障預測方法后指出:代寫論文單純從軟件開發(fā)過程的某個階段或基于幾種度量來預測軟件故障是不充分的.提出綜合利用軟件開發(fā)過程信息構建基于BBNs軟件故障預測模型.本文從一個基本的貝葉斯信念網(wǎng)(BBNs)故障預測模型出發(fā)，擴展基本節(jié)點，得到了一個較完善的故障預測模型，結(jié)合已有的關于軟件度量的研究成果，提出利用軟件度量和專家知識確定節(jié)點狀態(tài)概率分布.仿真實驗結(jié)果表明該模型與實際情況相符合，具有一定的故障預測能力.關鍵詞:軟件故障預測;貝葉斯信念網(wǎng);軟件度量1引言當前關于軟件故障預測的研究大都集中于軟件工程領域的某個方面，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測故障數(shù)和故障傾向，利用測試過程中用例的覆蓋率預測模塊故障，利用專家經(jīng)驗建立專家知識庫預測故障等等.軟件故障的原因貫穿于軟件開發(fā)全過程，僅從一個方面來考察軟件故障是不充分的.近十幾年備受關注的貝葉斯網(wǎng)絡(BBNs)對于解決復雜系統(tǒng)不確定因素引起的故障具有很大的優(yōu)勢，被認為是目前不確定知識表達和推理領域最有效的理論模型.本文提出基于BBNs的故障預測方法，綜合利用軟件開發(fā)過程信息預測軟件故障.2軟件故障預測的研究現(xiàn)狀預測故障的方法可以分為兩大類:(1)基于數(shù)量的技術，關注預測軟件系統(tǒng)中的故障數(shù);代寫碩士論文(2)基于分類的技術，關注于預測哪些子系統(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.利用軟件度量來預測故障傾向是一個重要的趨勢和研究內(nèi)容，當前的預測模型涉及軟件設計度量，代碼度量和測試度量.軟件維護的歷史數(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測.很多專家認為開發(fā)過程的質(zhì)量是產(chǎn)品質(zhì)量(這里默認是殘留故障密度)最好的預測器.AhmedE.Hassan等人提出利用啟發(fā)式規(guī)則預測軟件子系統(tǒng)故障傾向[3].還有文獻提出利用測試過程中的各種數(shù)據(jù)(如測試覆蓋率)來預測故障[2].分析已有的故障預測模型，它們大多基于軟件開發(fā)過程中的某一個或幾個階段的數(shù)據(jù)，或者基于一種或者幾種度量，如軟件復雜性度量和測試度量.但顯而易見，影響軟件質(zhì)量的關鍵因素不僅僅是其幾個度量.軟件故障與軟件開發(fā)全過程往往具有不確定的因果關聯(lián)關系，導致軟件故障的因素很多，單純從軟件開發(fā)過程的某個階段或基于幾種度量來預測軟件故障是不充分的.BBNs本身是一種不確定性因果關聯(lián)模型，具有強大的不確定性問題處理能力，能有效進行多源信息表達與融合.因此本文提出基于BBNs構建軟件故障預測模型，綜合利用軟件開發(fā)過程信息預測軟件故障.3貝葉斯網(wǎng)絡一個BBNs是一個有向無環(huán)圖，由代表變量的節(jié)點及連接這些節(jié)點的有向邊構成.節(jié)點代表隨機變量，可以是任何問題的抽象，代寫醫(yī)學論文如問題復雜度，觀測現(xiàn)象，意見征詢等.節(jié)點間的有向邊代表了節(jié)點間的相互關聯(lián)關系.有向圖蘊涵了條件獨立性假設，用A(vi)表示非vi后代節(jié)點構成的任何節(jié)點集合，用∏(vi)表示vi的直接雙親節(jié)點集合，則P(vi|(A(vi)∪∏(vi)))=P(vi|∏(vi)).用條件概率表(conditionalprobabilitiestable，CPT)來描述點與點之間關聯(lián)，條件概率表可以用P(vi|∏(vi))來描述，它表達了節(jié)點同其父節(jié)點的相關關系———條件概率.沒有任何父節(jié)點的節(jié)點概率為其先驗概率.圖1用BBNs描述了一個簡單的關于軟件產(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對構造者的信念(專家知識和經(jīng)驗)建模，基于這個模型它能夠提供精確的數(shù)學計算和預測.4基于BBNs的軟件故障預測方法將BBNs應用于軟件故障預測的步驟是:(1)確定變量及其順序;(2)建立BBNs結(jié)構;(3)確定BBNs的參數(shù)(CPT).本文從軟件開發(fā)過程來建立一個BBNs基本模型，并以此模型為基礎擴展節(jié)點.4·1一個BBNs故障預測的基本模型影響軟件項目風險的基本因素可分為兩組，一是與組織相關的因素，包括組織文化，管理經(jīng)驗和能力以及過程成熟度.二是與項目相關的因素[4].影響軟件故障的基本因素可以描述為圖2的基本模型.方框是可以擴展的基點.“項目特征”和“驗證和確認”影響到軟件開發(fā)的需求分析，設計，實現(xiàn)和測試過程，軟件故障受開發(fā)過程的影響，這個模型涵蓋了軟件開發(fā)過程4·2擴展的BBNs故障預測模型我們用已探測的故障數(shù)，殘留故障數(shù)，代寫職稱論文殘留故障密度和測試中故障密度四個節(jié)點來描述軟件故障，分別用“問題復雜度”，“設計功效”和“測試功效”節(jié)點描述需求分析，設計和測試過程.V&V[4]與問題復雜度，設計功效和測試功效三個變量關系緊密，因此本文去掉V&V節(jié)點，將這些描述V&V節(jié)點的變量(如測試覆蓋率，員工能力等)用來確定問題復雜度，設計功效和測試功效的參數(shù).本文采用如圖3所示的BBNs故障預測模型，這個模型可以解釋為兩個階段:第一個階段覆蓋了軟件生命周期的規(guī)約，設計和編碼;第二個階段覆蓋了測試.設計規(guī)模和缺陷數(shù)節(jié)點為整數(shù)或者一個限定的范圍，故障密度為實數(shù)，其他節(jié)點有下面的狀態(tài):很高，高，中等，低，很低.問題復雜度表示待開發(fā)問題集中內(nèi)在的復雜度，這些問題是規(guī)約中離散的功能需求，問題復雜度和設計功效之間的不匹配將導致引入故障數(shù)和設計規(guī)模增大.測試階段在設計階段之后，實踐中實際分配的測試功效比所要求的少得多.測試功效和設計規(guī)模之間的不匹配將會影響已探測故障的數(shù)目，引入故障是其邊界條件.已探測故障和引入故障之差是殘留故障數(shù).測試中故障密度是已探測故障和設計規(guī)模的函數(shù)(已探測故障/設計規(guī)模)，同樣，殘留故障密度是殘留故障數(shù)/設計規(guī)模.這里的問題復雜度，設計功效和測試功效的粒度仍然較大，不利于確定其狀態(tài)，將其繼續(xù)擴展，建立相應子網(wǎng)來描述這些節(jié)點:(1)問題復雜度子網(wǎng)(圖4);(2)設計功效子網(wǎng)(圖5);(3)測試功效子網(wǎng)(圖6).4·3確定BBNs參數(shù)接下來的問