【摘 要】
：
软件模块聚类通过将软件系统的源代码划分为小而有意义的部分,使得理解遗留程序成为可能。有效的软件模块聚类算法能够提高软件内部质量,对软件的维护和演化具有重要意义。本文针对软件质量评估的片面性问题,提出了基于软件模块全局稳定性和执行路径复杂度的新指标作为目标函数。此外,还设计了两种基于差分进化的多目标算法来解决软件模块聚类问题。最后,通过大量实验测试了新目标函数和两种算法的效果和性能。下面是本文的主要
论文部分内容阅读
软件模块聚类通过将软件系统的源代码划分为小而有意义的部分,使得理解遗留程序成为可能。有效的软件模块聚类算法能够提高软件内部质量,对软件的维护和演化具有重要意义。本文针对软件质量评估的片面性问题,提出了基于软件模块全局稳定性和执行路径复杂度的新指标作为目标函数。此外,还设计了两种基于差分进化的多目标算法来解决软件模块聚类问题。最后,通过大量实验测试了新目标函数和两种算法的效果和性能。下面是本文的主要工作:1.针对传统MQ（Modularity Quality）指标衡量单一的问题,提出了全局稳定性指标和执行路径复杂度指标。从稳定性和执行路径复杂度两个方面对MQ进行了补充,以指导基于搜索的软件模块聚类算法获得更易于维护的模块划分。2.提出了基于多种群差分变异的多目标正余弦算法（Multiple Objective Sine Cosine Algorithms based on Multiple Populations Difference Mutation,MOSCAMPDM）,该算法主要分为三个部分:首先,基于软件系统的结构相似度对种群进行初始化,使相似度较高的软件实体初始化为同一模块,加快算法收敛速度;然后,通过离散正余弦算法更新个体位置,围绕当前较优解决方案的领域进行局部搜索。最后,在多目标多种群框架的基础上,采用基于差分变异的多种群共享技术,增加种群多样性的同时推进帕累托解集的求解。3.提出了基于多种群差分进化的多目标软件聚类算法（Multiple Populations Multiple Objective Algorithm based on Differential Evolution for SMCPs,MPMODESMCP）:一方面,在较优模块划分方案间获取良好、稳定且大小适中的软件模块进行保留,在提高收敛速度的同时有效防止差分进化算法陷入局部最优;另一方面,在随机模块划分方案间获取差异性进行变异,以维持差分算法的种群多样性。最后,融合多种交叉策略作为种群共享技术推进帕累托解集的求解,以有效解决多目标软件模块聚类问题。
其他文献
意大利设计中，出灰机油缸与出灰托盘的联接方式很复杂，更换油缸、关节轴承、轴承铜套时相当困难。在改进中取消原有设计中的关节轴承、轴承铜套等组合件，采用普通钢板与螺母组合联接。改进后减少了维护和维修时间，降低了维修费用与事故成本，同时也提高了产品的质量。
元宇宙是互联网发展全要素的集合体，是以虚拟现实为基础、以云计算及人工智能等新技术为支撑、以数据化生产与消费体验为核心的全新形态新型社会空间载体。在元宇宙时代到来之际，红色资源的开发与利用面临前所未有的机遇与挑战。本文通过探讨元宇宙红色文化的概念内涵界定与价值意蕴，梳理元宇宙红色资源开发利用的现状，提出红色资源的开发应坚持“虚实融生”的理念，探索基于全息成像的沉浸式互动展示模式；加强对用户需求信息的
图数据是很多现实应用的数据形式:在社交领域,Facebook,Twitter,Linkedin等社交软件可通过图数据来管理社交关系,实现好友推荐;在零售领域,沃尔玛等商店可使用图数据实现商品实时推荐,给买家更好的购物体验;在金融领域,银行可通过图数据进行风控处理等等。图数据的价值在于它能够显式地表达出数据间的复杂关联结构,帮助图神经网络算法更好地挖掘出数据背后的结构特征,提供更精准更可靠的决策支持
在近期大热的货币、基金交易环境下,大多数刚接触或不太投入精力的普通人通常都会愿意相信周围有经验的朋友的推荐或者跟随一些粉丝量大的博主进行购买,从而使自己获取利益。在现实社会中,每个群体中的个体并不是完全理性的,这些个体在做决定时往往会偏向于向团体中的某个或某些特定个体学习,这些在团体中具有一定影响力的特定个体也常常被称为领导者或者榜样。一直以来,学者们从不同的角度探讨研究博弈模型,希望通过一些现实
传染病一直被列为人类生存和进步的主要挑战,特别是新型冠状病毒于2020年初在全球范围内蔓延,截止2022年3月,全球新冠病毒已确诊病例超过3亿例,并造成了超过500万人口的死亡。因此,新冠病毒的传播预测和各地区重新开放时最佳防控策略的选择逐渐成为了研究热点。基于自适应复杂系统的多智能体模型在新冠病毒爆发初期极其缺乏高质量数据的情况下,通过敏感性分析合理设定模型中的参数,从微观层面建模来预测宏观世界
随着深度学习在各个领域的巨大成功,深度神经网络（DNN）的鲁棒性和稳定性引起了越来越多的关注。但是,最近的研究证实,几乎所有DNN都存在对抗性示例问题,这意味着将DNN部署于现实生活中存在重大的安全隐患。目前,对抗攻击已经出现在图像识别,自然语言处理,目标检测等领域。在图像分类中,对抗攻击主要分为假阴性（Type II）攻击方式和假阳性（Type I）攻击方式。根据攻击者是否能够得到模型参数等信息
＜正＞党的二十大报告全面系统总结了新时代十年生态文明建设取得的重大成就、重大变革，对新征程生态文明建设作出重大战略部署。报告鲜明指出，中国式现代化是人与自然和谐共生的现代化。这是以习近平同志为核心的党中央对中国特色社会主义生态文明建设认识的新突破，是习近平生态文明思想的核心主题。我们要深入学习领会，牢牢把握党的二十大关于加强生态文明建设的新部署新任务新要求，牢固树立和践行绿水青山就是金山银山的理念
边缘计算在靠近用户的一侧提供计算资源,避免了用户到数据中心的数据传输,可以有效减轻数据中心功耗和网络传输带宽的压力,提高服务的响应速度。随着5G和物联网技术的发展,很多延迟敏感性较高的应用,如自动驾驶和无人驾驶车辆等被部署到边缘网络。然而,单一的边缘服务器覆盖范围有限,且用户具有移动性,例如当用户从某个服务器的覆盖范围移动到另一个服务器的覆盖范围时,可能导致服务质量下降甚至服务中断。为了保证服务的
当下,广大求职者的就业与否往往是一个事关国家或企业人才战略发展的关键问题。随着Covid-19疫情的大肆流行,世界经济已经显现出加速衰退的趋势,这无疑给各国的就业市场造成了空前巨大的压力。因此,就业问题一直是学术界的热门话题之一。然而,国内外在相关领域的许多研究都存在着诸多缺陷,这些不足主要体现在三个方面:其一,大部分研究方法仍然局限于社会学的传统方法,并未充分应用计算机技术;其二,大量研究所依据
计算机视觉旨在识别和理解图像或视频中的内容。其具有定位、分类、检测和分割四大基本任务。其中目标检测的目标包括两个子任务:分类和边界框回归。然而在诸多研究者涌入目标检测领域,使得大量且高质量的深度学习框架被提出并开源,以提高通用目标检测的性能。这为目标检测提供了新的解决方案,当把深度学习的方法引用到目标检测后,可通过神经网络学习特征表达能力更强的特征信息极大地提高了目标检测算法的检测性能。当目标检测