الگوهای تحلیل پایای یادگیری در عامل‌های نرم‌افزاری هوشمند
محورهای موضوعی : electrical and computer engineeringشیوا وفادار 1 , احمد عبداله‌زاده بارفروش 2
1 - دانشگاه صنعتی امیرکبیر
2 - دانشگاه صنعتی امیرکبیر
کلید واژه: الگوی تحلیل الگوی تحلیل پایای نرم‌افزار مهندسی نرم‌افزار مبتنی بر عامل یادگیری,
چکیده مقاله :
تکنیک‌های هوش مصنوعی از قبیل یادگیری، به‌صورت گسترده‌ای در سیستم‌های مبتنی بر عامل به کار می‌روند. اما در زمینه ارائه یک دیدگاه مهندسی نرم‌افزاری از این تکنیک‌ها برای کل چرخه حیات نرم‌افزار شامل تحلیل، طراحی و تست، در حال حاضر کاستی‌‌هایی وجود دارد. در این تحقیق با تمرکز بر مرحله تحلیل نیازمندی به‌عنوان یکی از نخستین مراحل فرآیند تولید نرم‌افزار، ابزار‌ها و تکنیک‌هایی برای رفع این کمبود‌ها در مرحله تحلیل پیشنهاد شده است. بدین منظور در این مقاله، مجموعه‌ای از الگوهای تحلیل پایای نرم‌افزار ارائه شده است. الگوهاي تحليل پایای نرم‌افزار، مجموعه‌اي از کلاس‌هاي عمومي (فراکلاس‌ها) و ارتباط‌های میان آنها برای تحلیل یک موضوع خاص هستند که در قالبي مستقل از دامنه مسأله مدل‌سازی می‌شوند. این الگوها بر اساس نظریه مدل پایای نرم‌افزار با معرفی مضمون‌های تجاری مانا، اشیای تجاری و اشیای صنعتی مدل مفهومی قابلیت یادگیری را بازنمایی می‌کنند. این الگوها در دو سطح تجرد ارائه شده‌اند و شامل الگوهای یادگیری، نقش، محیط، دانش و نقد می‌باشند. در این مقاله همچنین روش استفاده از الگوهای ارائه‌شده برای تحلیل قابلیت یادگیری عامل در دو سیستم مختلف مبتنی بر عامل تشریح شده است. این الگوها می‌توانند به‌عنوان راهنما در تحلیل عامل‌های نرم‌افزاری یادگیر به کار روند. مزیت استفاده از این الگوها نسبت به روش‌های کلاسیک تحلیل نرم‌افزار آن است که علاوه بر کلاس‌های متداول مرتبط با یادگیری در دامنه مسأله، فراکلاس‌هایی را در مدل تحلیل سیستم بازنمایی می‌کنند که دانش مرتبط با تحلیل یادگیری را نیز مدل می‌کنند. همچنین با در نظر گرفتن لایه‌‌های مختلف در تحلیل، موجب تولید مدل‌هایی می‌شوند که پایداری بیشتری نسبت به تغییرات دارند.
Artificial Intelligence (AI) Techniques (such as learning) are used widely in agent-based systems. However, current research does not address a software engineering view on these techniques that support all the software development process. In this paper, we focus on requirement analysis – as the first step of the software development process and present techniques and tools to cover this shortage. In this regard, we provide a set of stable analysis patterns for learning capability of the agents. Stable analysis patterns are a set of meta-classes and their relations to analyze a specific issue in a domain-independent manner. Using stable analysis concepts, namely Enduring Business Themes (EBT), Business Objects (BO) and Industrial Objects (IO), these patterns represent the conceptual model of the learning. In this paper, we also apply these patterns on two case studies to investigate their applicability. These patterns are used as guidelines during analysis of learning. The main advantage of applying the stable analysis patterns in comparison with conventional analysis methods is modeling the knowledge of the learning analysis in addition to the ordinary classes of the domain. In addition, they generate more stable models via considering different levels of abstraction in the analysis.