軟件規(guī)模的增長使得軟件開發(fā)的難度越來越大,而SaaS移植因其移植過程中的靈活性和可擴展性成為在云環(huán)境中進行軟件開發(fā)的重要手段。在移植過程中需要將遺留系統(tǒng)的可重用部分包裝為服務(wù),所以如何識別出完整且獨立的服務(wù)是移植過程中首先面臨的問題。論文針對已有的服務(wù)識別方法中存在的服務(wù)質(zhì)量低、識別質(zhì)量差等問題,對基于類關(guān)系類型信息的軟件聚類方法進行了改進,優(yōu)化了自底向上的服務(wù)識別過程。論文主要有以下幾方面創(chuàng)新之處:1.改進基于類關(guān)系類型信息軟件聚類方法。提出一種半隨機的初始化種群生成方法,并通過引入自適應(yīng)遺傳算法保證遺傳算法種群的多樣性,解決原方法軟件聚類結(jié)果不穩(wěn)定的問題,提高服務(wù)識別的質(zhì)量。2.針對聚類算法進行多目標優(yōu)化。使用主客觀綜合賦權(quán)法將多目標軟件聚類問題轉(zhuǎn)化為單目標問題,實驗結(jié)果證明優(yōu)化后的單目標聚類算法在不影響服務(wù)質(zhì)量的前提下,明顯縮短了聚類時間,提高了服務(wù)識別的效率。3.實例驗證。使用將基于工作流的云資源選擇系統(tǒng)作為遺留系統(tǒng),進行自底向上的服務(wù)識別,對軟件聚類結(jié)果進行分析,驗證服務(wù)識別方法的正確性。論文通過大量的對比實驗驗證改進后的方法無論在服務(wù)識別的準確性還是時間效率上都有了明顯的提...

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.4軟件聚類算法偽代碼Figure3.4paretosoftwareclusteringbyGA算法描述如下：

Class1Class2Class3class5associationimplementationdependencyextendClass4class7Class6class9Class8Class10associationimplementationassociationde....

圖3.5JUnit中的類以及類之間的關(guān)系

SaaS移植中自底向上的服務(wù)識別方法第i個類被劃分到了第j個群集中。

圖3.6JUnit中類對應(yīng)的R-MDGFigure3.6theR-MDGcorrespondingtotheclassesofJUnit

SaaS移植中自底向上的服務(wù)識別方法i個類被劃分到了第j個群集中。圖3.5JUnit中的類以及類之間的關(guān)系Figure3.5theclassesandtherelationshipsbetweenclassofJUnit

圖5.2云資源選擇系統(tǒng)對應(yīng)GraphML文件Figure5.2GraphMLfileofcloudresourceselectionsystem

圖5.2云資源選擇系統(tǒng)對應(yīng)GraphML文件Figure5.2GraphMLfileofcloudresourceselectionsystem圖5.3云資源選擇系統(tǒng)模塊依賴圖Figure5.3MDGofcloudresourceselec....

本文編號：3974678