چکیده فارسی :

پیش بینی كیفی مشخصات كیفیت معماری های نرم افزار یعنی مشخصات كاركردی اضافی مثل اجرا، پایایی و هزینه، در طول طراحی از روش مهندسی نرم افزار سیستماتیك پشتیبانی می كند. طراحی معماریهایی كه رابطه جایگزین خوب بین معیارهای كیفیت متنوع را نمایش می دهد، دشوار است، چرا كه حتی بعد از ایجاد یك طراحی كاربردی، درجات آزدی باقیمانده در معماری نرم افزار باعث گسترش فضای طراحی بزرگ، ناپیوسته می شود. در روش كنونی، معماری های نرم افزار درصدد یافتن راه حل های دستی هستند كه وقت گیر می باشند و مستعد خطا هستند و منجر به طرحهای زیر بهینه می شوند. ما یك روش مكانیزه جهت جستجوی فضای طراحی برای راه حل های خوب پیشنهاد داریم كه از یك مدل معماری اولیه شروع می شود، این روش بطور مكرر تغییر می نماید و مدلهای معماری را ارزیابی می نماید. روش ما، از الگوریتم ژنتیك چند معیاری با توجه به معماریهای نرم افزاری استفاده می كند كه با مدل مولفه پالادیو مدلسازی می شود. این روش، از عملكرد كمی، پایایی و پیش بینی هزینه پشتیبانی می كند و به دیگر معیارهای كیفیت كمی معیارهای نرم افزاری سطحی می یابد ما، كاربردپذیری روشمان را با بكار بردن آن در یك مدل معماری با سیستم اطلاعات تجاری مبتنی بر مولفه ارزیابی نمودیم و روابط جایگزین معیارهای كیفیت مان را از طریق بررسی اتوماتیك بیش از 1200 كاندید طراحی تحلیل نمودیم.

چکیده انگلیسی :

Quantitative prediction of quality properties (i.e. extra functional properties such as performance, reliability, and cost) of software architectures during design supports a systematic software engineering approach. Designing architectures that exhibit a good trade-off between multiple quality criteria is hard, because even after a functional design has been created, many remaining degrees of freedom in the software architecture span a large, discontinuous design space. In current practice, software architects try to find solutions manually, which is time-consuming, can be error prone and can lead to suboptimal designs. We propose an automated approach to search the design space for good solutions. Starting with a given initial architectural model, the approach iteratively modifies and evaluates architectural models. Our approach applies a multi-criteria genetic algorithm to software architectures modelled with the Palladio Component Model. It supports quantitative performance, reliability, and cost prediction and can be extended to other quantitative quality criteria of software architectures. We validate the applicability of our approach by applying it to an architecture model of a component-based business information system and analyse its quality criteria trade-offs by automatically investigating more than 1200 alternative design candidates.