초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

소프트웨어 신뢰성을 향상시키는 방법에는 소프트웨어 결함 허용기법 중에서 가장 객관적이고 정량적으로 평가받는 것이 NVP(N-Version Programming)기법이다. 이 기법에서 신뢰도를 추정하는 모델로 이항분포를 사용하는데 이 모델은 각 컴포넌트 신뢰도의 값들이 동일하다는 한계점이 있었다. 본 연구에서는 기존 모델의 한계점을 해결하기 위하여 NVP 신뢰도 분석을 위한 새로운 접근 방법으로 유전자 알고리즘(Genetic Algorithms)을 적용하였고. 또한 적용 모델과 기존 모델을 서로 비교 검토하였다. 그 결과 전체시스템 신뢰도를 일정 수준이상 유지하면서 각 컴포넌트 신뢰도의 값들을 최적화 할 수 있었고. 또한 비용을 최소로 하는 최적의 수를 추정할 수 있었다. 그리고 적용 모델과 기존 모델을 비교 및 평가하여 타당성을 증명하였다.

소프트웨어 신뢰성을 향상시키는 방법에는 소프트웨어 결함 허용기법 중에서 가장 객관적이고 정량적으로 평가받는 것이 NVP(N-Version Programming)기법이다. 이 기법에서 신뢰도를 추정하는 모델로 이항분포를 사용하는데 이 모델은 각 컴포넌트 신뢰도의 값들이 동일하다는 한계점이 있었다. 본 연구에서는 기존 모델의 한계점을 해결하기 위하여 NVP 신뢰도 분석을 위한 새로운 접근 방법으로 유전자 알고리즘(Genetic Algorithms)을 적용하였고. 또한 적용 모델과 기존 모델을 서로 비교 검토하였다. 그 결과 전체시스템 신뢰도를 일정 수준이상 유지하면서 각 컴포넌트 신뢰도의 값들을 최적화 할 수 있었고. 또한 비용을 최소로 하는 최적의 수를 추정할 수 있었다. 그리고 적용 모델과 기존 모델을 비교 및 평가하여 타당성을 증명하였다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 따라서 추정하고자 하는 전체 시스템 신뢰도 값은 더 정확해질 것이다. 그러나 본 연구에서 사용한 5비트의 비트스트링으로 표현한 세대만으로 그 성향을 확실하게 알 수 있으므로 본 연구에서는 가능성만 제시했다. 본 연구에서 설정한 환경에 적합한 비트스트링이 다음 세대에 생존할 확률이 높고 결국 수치의 합과 평균값이 점점 더 커지는 형태로 나타나게 된다.
• 즉, 팀의 능력이나 개발환경 등에 따라서 컴포넌트값들이 달라질 수 있다. 따라서 본 연구에서는 이런 문제점을 해결하기 위해서 NVP 신뢰도 분석을 위한 새로운 접근 방법으로 유전자 알고리즘(Genetic Algorithms)을 적용하고자한다. 또한 적용한 모델이 기존의 모델보다 타당한지를 비교해 본다.
• 본 연구에서는 5개의 버전을 가지고 유전자 알고리즘을 시험적으로 적용해 그 결과를 고찰했다.
• 본 연구에서는 기존의 NVP 신뢰도 추정모형의 한계점을 해결하기 위하여 NVP 신뢰도 분석을 위한 새로운 접근 방법으로 유전자 알고리즘(Genetic Algorithms)을 적용하는 방안을 제안하였다. 이 유전자 알고리즘을 이용한 추정 방안을 이용하여 각 컴포넌트 신뢰도들을 0.
• 유전자 알고리즘은 선택(selection), 교차(crossover), 돌연변이(mutation)와 같은 3단계 유전자 오퍼레이션 (genetic operations)을 사용하여 확률적 탐색이나 최적화를 만들어 낸다[6]. 즉, 3단계 오퍼레이션을 반복함으로써 환경에 대응하는 평가값이 높은 문자열을 만들어내어 문자열의 집단 전체의 평가값을 향상시켜가는 것이다.

가설 설정

• 지금까지 소프트웨어 결함허용 기법들 중에서 객관적이고 정량적이라고 평가받는 것이 NVP 기법이다. 그러나 이 기법은 신뢰도 추정에서 컴포넌트의 신뢰도 값들이 동일하다라는 가정을 가지고 이항분포 모델을 사용하여 전체 시스템 신뢰도를 추정하였다. 그러나 현실적으로 볼 때 컴포넌트의 신뢰도의 값들이 다른 경우가 대부분이다.

제안 방법

• fi는 각 적응도 함수값이다. 그리고 actual count는 다음세대에 존재할 스트링의 반복 개수이고 expected count값을 반올림하여 사용하였다. 기대값(expect count)는 식(5)와 같다.
• 따라서 본 연구에서는 이런 문제점을 해결하기 위해서 NVP 신뢰도 분석을 위한 새로운 접근 방법으로 유전자 알고리즘(Genetic Algorithms)을 적용하고자한다. 또한 적용한 모델이 기존의 모델보다 타당한지를 비교해 본다.
• 본 연구에서는 5개의 버전을 가지고 초기세대의 비트 스트링을 만들었다. 그리고, 가우스함수에 의하여 초기세대의 비트열은 3개 이상이 1로 구성되었다.
• 본 연구에서는 기존의 NVP 신뢰도 추정모형의 한계점을 해결하기 위하여 NVP 신뢰도 분석을 위한 새로운 접근 방법으로 유전자 알고리즘(Genetic Algorithms)을 적용하는 방안을 제안하였다. 이 유전자 알고리즘을 이용한 추정 방안을 이용하여 각 컴포넌트 신뢰도들을 0.5 ~ 0.9 까지 달리 지정하였다. 그 결과 컴포넌트 상태 비트 중에서 하위 비트에 1이 나 타날수록 다음 세대에 살아남을 가능성이 높은 것으로 나타났다.

데이터처리

• Hudake 소프트웨어 결함 허용 기법의 성능 평가를과 같이 비교 실험하였다[8).

이론/모형

• 9로 하였다. 전체 시스템 신뢰도를 구하기 위하여 일반화 수식를 적응도 함수(fitness function)로 사용하였다. 적응도 함수의 전체 시스템 신뢰도는 식(3)과 같다.

성능/효과

• 9 까지 달리 지정하였다. 그 결과 컴포넌트 상태 비트 중에서 하위 비트에 1이 나 타날수록 다음 세대에 살아남을 가능성이 높은 것으로 나타났다. 이 특징은 높은 가중치를 가지는 컴포넌트가 많을수록 전체 시스템의 신뢰도가 향상되는 것을 의미한다.

후속연구

• 한편 본 논문에서 적용시킨 유전자 알고리즘은 기초적인 단계이므로 보다 높은 신뢰성을 보장하기 위해 다양한 기법의 유전자 알고리즘 적용이 요구되며 아울러 이를 기반으로 한 시뮬레이터의 개발이 중요한 향후 연구과제이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기

저자의 다른 논문 :

신경애 (2)