[发明专利]基于隐马尔科夫模型和多目标进化算法的软件自适应方法

摘要

本发明公开了一种软件自适应的方法，在软件监控、分析、计划、执行(MAPE‑K)过程循环中，在系统的运行时对软件及系统进行动态自适应。在监控阶段，应用隐马尔科夫模型(HMM)来对各个系统组件进行可靠性建模，并在运行时不断通过学习算法优化此模型的参数，以此计算得出各组件的可靠性；在分析阶段中，应用监控阶段得到的各组件可靠性作为输入，应用离散时间马尔科夫链(DTMC)，将各组件的调用关系映射为系统各状态的转移关系，计算系统可靠性；在计划阶段，根据特定使用场景，设定多种目标需求，如可靠性、能耗、性能等，作为多目标进化算法的输入(MOEA)，以此来计算系统应进行迁移的合理配置集合。

主权项

一种基于隐马尔科夫模型和多目标进化算法的软件自适应方法，特征在于，包括：a)HMM监控方法：应用HMM根据运行时的上下文参数实时地对系统的各个组件进行可靠性建模，并计算得出其可靠性数值；b)DTMC分析方法：根据上一个HMM监控方法对每个系统组件得出的可靠性，根据各个组件的互相调用关系映射为系统状态的转移关系，从而构建DTMC模型，最后根据此模型的状态转移矩阵计算系统可靠性；c)MOEA规划方法：将所有可选配置作为遗传算法的输入，退出条件是多种目标需求的组合；根据系统的多种需求目标来进行最优配置的生成和选择；HMM监控方法中：首先，根据设计时各个组件的内部原始状态转移关系，初步针对每个组件建立静态HMM模型；然后根据运行时对系统的监控数据，应用学习型的BM算法，对每个组件进行动态训练；根据经过训练而收敛的该模型中的状态转移矩阵计算其平稳分布，得到平稳分布状态下每个组件到达失效状态的概率，组件的可靠性即为1减去进入失效状态的概率；所述BM算法为Baum‑Welch算法；DTMC分析方法包括：将各组件的调用关系映射成为状态转移关系，形成一个离散时间马尔科夫链；得到该马尔科夫链的状态转移矩阵，根据此矩阵和可靠性模型计算出此系统的系统可靠性；具体步骤为：步骤201，初始化各组件调用关系；步骤202，将各组件调用关映射为系统各状态转移关系；步骤203，通过运行时监控的各组件的状态转移关系，得到状态转移矩阵是为M；步骤204，由于采用的基于结构的软件可靠性模型，因此计算系统可靠性的时候，需要计算单位矩阵减去状态转移矩阵的行列式的值|I‑M|，去除矩阵M的最后一行和第一列以后的矩阵的行列式的值是为|E|，退出状态的组件的可靠性为R，可靠性计算公式为：R=(-1)k+1Rk|E||I-M|]]>步骤205，得出当前配置下系统可靠性，并将值传递给MOEA模块。