用改进的遗传算法实现架构恢复

高层架构恢复对软件维护和软件进化至关重要.把实现架构恢复的聚类问题看作优化问题,通过对常规遗传算法中初始群体产生策略、选择操作方法、交叉概率和变异概率的自适应性等重要参数和关键环节的改进,设计并实现了混合遗传聚类算法(hybridgeneticclusteringalgorithm,简称HGCA).同时也对该算法的有效性和综合性能进行了实验分析,结果表明,该算法对初始群体的产生有较好的约束作用.与传统遗传算法相比,它的群体性能和收敛性能都较优,且收敛精度高.同时,基于MoJo度量模型的相似性度量值充分说明了HGCA算法对架构恢复的正确性和有效性.

一种基于层次聚类的软件架构恢复方法

针对软件聚类侧重相似度测度而欠缺考虑实体和特征的特性的问题,提出一种基于层次聚类的软件架构恢复方法(HCSAR)。该方法有针对性地选取实体和特征,提出特征的多重加权策略,采用信息丢失度作为相似度测度,选取和设计软件聚类的客观和主观评估准则。与目前效果较好的软件聚类方法相比,HCSAR在聚类中期能生成更多的簇,主观判定数更低,能够通过调整关注点获得不同的聚类结果,使用设计的评估准则分析聚类结果还能有效辅助系统划分。

基于模式匹配的软件架构恢复的研究

行业软件的开发常常是一个不断进化的过程。架构恢复对于软件维护和软件进化至关重要。本文介绍了软件架构恢复策略的框架、步骤和相关研究;描述了基于模式匹配进行软件架构恢复的方法,着重介绍了该架构恢复所基于的恢复环境、执行过程和模式匹配算法的具体实现。最后,给出了对C lips系统进行实验所得到的恢复结果的评估。

结合动静态分析实现架构恢复的方法

在大型遗留系统的维护活动中,通过聚类技术将系统划分为更小和更易于控制的子系统,是理解软件架构的一项重要措施。传统架构恢复的研究主要关注静态结构,而面向对象系统由于多态和动态绑定等复杂因素的存在,仅有结构分析还不足以支持架构恢复。功能特征作为一种可触发可观察的系统行为反映了系统实现的功能需求,已经成为构建核心架构的基础。提出一种动静态结合的分析方法,以软件特征作为出发点,通过特征的场景执行以及模块聚类,建立起目标系统的核心架构,然后分析系统的静态结构以提取模块的依赖关联,补充实体到已建立的聚类中。通过对两个开源项目的实验评估和讨论,分析所提方法的有效性和适用性。

基于凝聚式信息瓶颈的加权层次聚类算法

提出一种针对面向对象软件架构恢复的基于凝聚式信息瓶颈的加权层次聚类算法(ABWHC)。该算法采用信息丢失度作为相似度度量标准,扩充聚类特征和权值,利用面向对象软件的特性,为实体或簇生成用以描述其含义的标签组。实验结果表明,ABWHC算法不仅能改善聚类的性能,还能恢复面向对象软件的架构。