基于GNSGA-Ⅱ的多目标软件模块聚类算法

对多目标软件模块聚类问题进行研究,提出一种基于改进的非支配排序遗传算法(Non dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)(GNSGA-Ⅱ)多目标软件模块聚类算法。利用软件模块质量(Modularization Quality,MQ)与非孤立分布(Non-isolated Distribution,NSD)两个目标,将软件模块聚类建立为多目标优化模型。在NSGA-Ⅱ算法的基础上引入外部存档用以存放搜索到的非支配个体,使得迭代NSGA-Ⅱ过程中能够同步更新外部存档,保留精英解,改善解集分布差,提高算法的多样性。实验结果表明,相较于NSGA-Ⅱ算法、分组遗传算法(Grouping Gene-tic Algorithm,GGA)和爬山算法(Hill Climbing,HC),所提算法获得的各系统模块聚类结果的软件模块质量和非孤立分布平均提高1.18倍和1.02倍,聚类结果更好。

一种基于逻辑的Java模块依赖图构建工具

目前Java模块依赖图MDG(Module Dependency Graph)的构建工具还比较稀缺,从一定程度上限制了基于MDG图的软件模块聚类算法的应用。针对这一问题,提出一种基于逻辑的Java模块依赖图构建工具TL4JMDG(the tool logic-based for Java MDG)。在开源框架JTransformer和tu Prolog的支持下,TL4JMDG工具以逻辑方式实现了Java模块关系的抽取和MDG图的生成。阐述TL4JMDG工具的设计与实现,并给出TL4JMDG工具和基于Chava工具构建MDG的耗时比较。TL4JMDG工具具有较好的可配置性、可扩展性和性能,使得目前已有的基于MDG图的聚类算法能更好地应用于Java软件模块聚类。