本文關(guān)鍵詞：基于群體智能算法的構(gòu)件分類(lèi)及選擇方法研究　出處：《湖南工業(yè)大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 構(gòu)件檢索 構(gòu)件挖掘 蟻群算法 粒子群算法

【摘要】：構(gòu)件技術(shù)是支持軟件復(fù)用的核心技術(shù),如何從海量的構(gòu)件庫(kù)中選取出最優(yōu)構(gòu)件提高系統(tǒng)組裝率,這是一個(gè)需要解決的關(guān)鍵問(wèn)題。構(gòu)件的選取一般包括兩個(gè)步驟:構(gòu)件的檢索和構(gòu)件的選擇。構(gòu)件的檢索通常會(huì)選出多個(gè)構(gòu)件類(lèi),效率是檢索的核心問(wèn)題;構(gòu)件的選擇是從構(gòu)件檢索的結(jié)果集中根據(jù)用戶(hù)的需求選出構(gòu)件,如何從檢索出的構(gòu)件類(lèi)中選擇可信性更高的構(gòu)件是本文研究的另外一個(gè)問(wèn)題。本文的主要研究工作如下:(1)針對(duì)構(gòu)件檢索效率的問(wèn)題,首先對(duì)傳統(tǒng)的構(gòu)件分類(lèi)技術(shù)做了分析,針對(duì)其局限性,在構(gòu)件檢索中引入構(gòu)件挖掘分類(lèi)的方法,利用蟻群分類(lèi)算法對(duì)構(gòu)件進(jìn)行復(fù)用規(guī)則挖掘。其次針對(duì)蟻群算法易于早熟的問(wèn)題對(duì)該算法做了改進(jìn),調(diào)整了螞蟻的信息素濃度并引進(jìn)了變異算子。最后通過(guò)實(shí)驗(yàn)驗(yàn)證改進(jìn)的蟻群算法在構(gòu)件查準(zhǔn)率和查全率方面更有效。(2)針對(duì)構(gòu)件選擇可信性問(wèn)題,本文從多個(gè)非功能屬性對(duì)構(gòu)件進(jìn)行評(píng)估,采用粒子群算法選擇滿(mǎn)足用戶(hù)需求的構(gòu)件,根據(jù)該算法在選擇構(gòu)件的過(guò)程中出現(xiàn)“早熟”和易陷入局部較優(yōu)的缺點(diǎn),引入遺傳算法的交叉和變異算子增加種群多樣性,使得改進(jìn)后的算法能夠取得全局最優(yōu)解。最后通過(guò)實(shí)驗(yàn)驗(yàn)證該算法有較好的收斂性,并且選擇出的構(gòu)件更滿(mǎn)足用戶(hù)的需求。
[Abstract]:Component technology is the core technology to support software reuse. How to select the optimal component from the massive component library to improve the system assembly rate. This is a key problem to be solved. The selection of components generally includes two steps: the retrieval of components and the selection of components. The retrieval of components usually selects multiple component classes, and efficiency is the core of retrieval. Component selection is to select components from the result set of component retrieval according to the needs of users. How to select a more credible component from the component class is another problem studied in this paper. The main research work of this paper is as follows: 1) aiming at the efficiency of component retrieval. Firstly, the traditional component classification technology is analyzed, aiming at its limitation, component mining classification is introduced in component retrieval. Ant colony classification algorithm is used to mine the reuse rules of components. Secondly, the algorithm is improved to solve the problem that ant colony algorithm is easy to prematurity. The pheromone concentration of ants is adjusted and mutation operator is introduced. Finally, the improved ant colony algorithm is proved to be more effective in component recall and recall rate. In this paper, the component is evaluated from several non-functional attributes, and the particle swarm optimization algorithm is used to select the components that meet the user's needs. According to this algorithm, the components are precocious and prone to fall into local optimization. The crossover and mutation operators of genetic algorithm are introduced to increase population diversity, so that the improved algorithm can obtain the global optimal solution. Finally, the experimental results show that the algorithm has better convergence. And the selected components more meet the needs of users.
【學(xué)位授予單位】：湖南工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP18;TP311.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李佳偉;喻瑩;董才林;井世忠;;一種網(wǎng)構(gòu)軟件構(gòu)件選擇方法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年03期

2 吳孔江;曾永年;靳文憑;何麗麗;李靜;;改進(jìn)利用蟻群規(guī)則挖掘算法進(jìn)行遙感影像分類(lèi)[J];測(cè)繪學(xué)報(bào);2013年01期

3 曹步清;李兵;;一種網(wǎng)絡(luò)化軟件的按需服務(wù)發(fā)現(xiàn)方法[J];計(jì)算機(jī)科學(xué);2012年01期

4 鐘鳴;張堯?qū)W;周悅芝;田鵬偉;翁林開(kāi);;一種基于用戶(hù)需求協(xié)作修正的構(gòu)件檢索方法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

5 高懿洋;;基于決策樹(shù)的我國(guó)農(nóng)業(yè)數(shù)據(jù)挖掘分析[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2008年05期

6 王銳;馬德濤;陳晨;;數(shù)據(jù)挖掘技術(shù)及其應(yīng)用現(xiàn)狀探析[J];電腦應(yīng)用技術(shù);2007年02期

7 張成文;蘇森;陳俊亮;;基于遺傳算法的QoS感知的Web服務(wù)選擇[J];計(jì)算機(jī)學(xué)報(bào);2006年07期

8 李曼,王大治,杜小勇,王珊;基于領(lǐng)域本體的Web服務(wù)動(dòng)態(tài)組合[J];計(jì)算機(jī)學(xué)報(bào);2005年04期

9 張利彪,周春光,馬銘,劉小華;基于粒子群算法求解多目標(biāo)優(yōu)化問(wèn)題[J];計(jì)算機(jī)研究與發(fā)展;2004年07期

10 王劍,李平,楊春節(jié);蟻群算法的理論與應(yīng)用[J];機(jī)電工程;2003年05期

相關(guān)碩士學(xué)位論文 前3條

1 丁新村;基于樹(shù)匹配和遺傳算法的構(gòu)件檢索算法研究[D];西安理工大學(xué);2008年

2 周龍;基于樸素貝葉斯的分類(lèi)方法研究[D];安徽大學(xué);2006年

3 李雪斌;基于粗糙集理論的規(guī)則挖掘方法研究[D];江西師范大學(xué);2002年

，

本文編號(hào)：1436455