版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、領域建模作為一種面向領域的軟件開發(fā)方法,能夠更具體的表達特定領域的需求。針對某一特定的領域,特定領域開發(fā)人員根據領域專家創(chuàng)建的領域建模語言,能夠快速的構建出領域模型。大量的工程實踐表明領域建模比基于MDA的統一建模語言的方法開發(fā)效率更高。隨著面向領域建模理論越來越完善,面向領域的開發(fā)方法被越來越多的組織機構和公司采用,對領域模型的管理已經成為一個不得不面臨的重要課題。特別是在模型創(chuàng)建過程,對于復雜和龐大的軟件系統采用迭代式開發(fā),通常需要
2、不同的人在不同階段來協作構建模型。為了更好地捕獲和描述系統特征,這就要求能夠跟蹤模型變更并顯示出模型中元素的變化情況,必要時將構建的模型進行合并。
本文在分析面向領域開發(fā)方法包括開發(fā)流程、領域建模語言,模型集成運算、開發(fā)工具等基礎上,針對美國范德比爾特大學ISIS學院提出的一種面向領域開發(fā)方法--模型集成運算,提出了一個模型差異檢測與差異合并算法。算法利用組合標識符和結構相似性來替代以往需要利用唯一標識符來確定模型元素映射關系
3、的方法。將領域模型的差異依據對后續(xù)模型解釋、生成代碼的影響作用分為有效差異、無效差異。進一步將有效差異分為新建、刪除、修改、移動四類,依據提出的模型元素映射算法對模型進行差異檢測,對檢測的結果進行相應的分類。在領域模型差異檢測的基礎上,對多人同時開發(fā)進行模型合并的應用類型,提出一個模型合并沖突檢測的算法,將沖突分為刪除、改變、移動等類別,將沖突原因分類提供給用戶,使用戶能夠快速找到沖突原因并解決沖突,進而進行模型的差異合并。最后依據提出
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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔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
- 多領域模型自動布局算法研究與實現.pdf
- 概念格合并算法及匹配模型研究.pdf
- 基于元搜索調度算法的領域搜索模型研究.pdf
- 基于膚色檢測模型的人臉檢測算法研究.pdf
- 無線傳感器網絡入侵檢測模型與算法研究.pdf
- 基于RS和FSVM的入侵檢測模型與算法研究.pdf
- 基于高斯模型的運動目標檢測與跟蹤算法研究.pdf
- 基于可變形模型的人臉檢測算法研究與應用.pdf
- 基于混合高斯模型的目標檢測與陰影去除算法研究.pdf
- 在線自適應網絡異常檢測系統模型與相關算法研究.pdf
- 21195.有效模型檢測算法與安全性檢測
- 基于模型集成計算的領域模型轉換研究與應用.pdf
- 基于否定選擇算法的異常檢測模型研究.pdf
- DCA算法和NSA算法結合的入侵檢測模型研究.pdf
- 結合SURF與Hough森林模型的人臉檢測算法研究.pdf
- 基于人工免疫的入侵檢測系統模型與算法研究.pdf
- 負荷模型辨識算法與模型結構研究.pdf
- 母公司報表與合并報表差異分析
- 領域設備數據異常檢測方法研究與實現.pdf
- 面向過去算子的隨機模型檢測算法與應用.pdf
評論
0/150
提交評論