版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、軟件模塊聚類問題(software module clustering problems,SMCPs)的目的是基于軟件模塊間的連接關(guān)系對軟件系統(tǒng)進(jìn)行自動劃分并得到模塊化較好的聚類結(jié)果。軟件模塊聚類對軟件系統(tǒng)設(shè)計、維護(hù)和發(fā)展的過程起著至關(guān)重要的作用,其結(jié)果對軟件系統(tǒng)的設(shè)計和維護(hù)起著重要的指導(dǎo)作用。隨著商業(yè)和生活的需求,軟件系統(tǒng)的功能越來越強(qiáng)大,同時軟件系統(tǒng)的大小也隨之上升,這使得軟件模塊聚類的作用尤為重要。本論文主要針對軟件模塊聚類問題,
2、提出了兩種不同的軟件模塊聚類算法,分別是基于多智能體進(jìn)化的軟件模塊聚類算法(Multi-agent Evolutionary Algorithm for SMCPs, MAEA-SMCPs)和基于密母算法的軟件模塊聚類算法(Memetic Algorithm for SMCPs, MA-SMCPs),同時提出兩種不同的軟件模塊化聚類評價指標(biāo),分別是IMQ(Improved Modularity Quality)和MS(Modularit
3、y based on Similarity)。下面是本文的主要工作:
1.結(jié)合軟件模塊聚類的目的,提出MAEA-SMCPs和MA-SMCPs兩種算法對模塊化質(zhì)量函數(shù)MQ進(jìn)行優(yōu)化,將軟件模塊聚類問題轉(zhuǎn)化為單目標(biāo)優(yōu)化問題。實驗部分,我們使用17個實際生活中的軟件系統(tǒng)網(wǎng)絡(luò)對算法進(jìn)行測試,并且將實驗結(jié)果與其它傳統(tǒng)優(yōu)化算法進(jìn)行系統(tǒng)地比較和分析。實驗結(jié)果表明這兩種算法能夠有效地解決軟件模塊聚類問題,優(yōu)化后得到的MQ指標(biāo)要明顯優(yōu)于其它傳統(tǒng)算
4、法。實驗顯示, MAEA-SMCPs算法的性能更加優(yōu)越,穩(wěn)定性好,結(jié)果收斂更快。
2.根據(jù)實際軟件設(shè)計的常用準(zhǔn)則,針對原始MQ指標(biāo)的不足之處進(jìn)行改進(jìn)和補(bǔ)充,提出IMQ指標(biāo)。新的指標(biāo)不僅保留了原始MQ指標(biāo)的特性,而且還考慮了軟件系統(tǒng)結(jié)構(gòu)中的全局模塊、接口模塊、軟件聚類間的單向調(diào)用性等特征。實驗采用5種不同的算法對MQ和IMQ指標(biāo)分別進(jìn)行優(yōu)化,并通過17個實際軟件系統(tǒng)網(wǎng)絡(luò)進(jìn)行測試,實驗表明IMQ指標(biāo)得到的實驗結(jié)果比原始的MQ指標(biāo)得
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于聚類的軟件模塊缺陷預(yù)測方法研究.pdf
- DSSP聚類評價指標(biāo).pdf
- 聚類結(jié)果評價方法與聚類知識提取技術(shù)的研究.pdf
- 符號數(shù)據(jù)聚類評價指標(biāo)研究.pdf
- 聚類集成優(yōu)化方法研究.pdf
- 企業(yè)崗位聚類與考核指標(biāo)提取方法研究.pdf
- 多指標(biāo)綜合評價的非參數(shù)方法和缺失數(shù)據(jù)的聚類方法研究.pdf
- 對聚類及聚類評價若干問題的研究.pdf
- 面向聚類問題的微粒群優(yōu)化理論及方法.pdf
- 聚類評價的研究與應(yīng)用.pdf
- 基于聚類與粒子群優(yōu)化的基因選擇方法研究.pdf
- 多指標(biāo)綜合評價理論與方法問題研究.pdf
- 基于圖聚類的多維數(shù)據(jù)和軟件聚類研究.pdf
- 24585.基于聚類有效性指標(biāo)的模糊分類評價問題研究
- 基于程序聚類的軟件缺陷預(yù)測方法研究.pdf
- 軌跡聚類研究模塊(林)
- 劃分聚類與基于密度聚類算法的改進(jìn)方法研究.pdf
- 和聲搜索聚類優(yōu)化模型的PPI功能模塊挖掘算法研究.pdf
- 智能聚類方法中的克隆網(wǎng)絡(luò)聚類算法研究與應(yīng)用.pdf
- 產(chǎn)品設(shè)計結(jié)構(gòu)聚類優(yōu)化方法研究.pdf
評論
0/150
提交評論