IVEA算法：软件产品线中功能与非功能需求的优化特征选择

本文主要探讨了在软件产品线中针对功能（Functional Requirements, FR）和非功能需求（Non-functional Requirements, NFR）进行功能选择的问题。软件产品线是现代软件开发的重要模式，其中有效管理特征（features）的选择对于满足用户需求和提升产品质量至关重要。传统的功能选择往往侧重于FR，但随着NFR在系统性能、可维护性、安全性和用户体验等方面的重要性日益凸显，如何平衡这两类需求成为亟待解决的挑战。 NFRs通常包含数值约束，例如响应时间、内存消耗等，而FRs如核心功能需求则是明确且定量的。然而，由于缺乏明确的标准，如何在满足NFR约束的同时选择最优的特征集合成为一项复杂任务。现有的选择方法往往忽视了这两种需求类型的结合，导致可能牺牲非功能性能以满足功能性需求，或者反之。 为了克服这一问题，论文提出了一种多目标优化算法——Integrated Vector Evaluation Approach (IVEA)，它特别设计了二维适应度函数，旨在同时优化无约束的NFR和约束性FR的组合。这种适应度函数分为两部分：一部分关注在不考虑数量限制的情况下优化NFR的表现，另一部分确保所选特征能满足FR的要求，并且考虑到特征之间的复杂约束和依赖关系。 IVEA采用违规原则来指导优化过程，确保在满足所有约束条件下找到最佳解。论文通过对比IVEA与其他多目标优化算法，如Invasive weed optimization (IBEA-HD), IBEAε+, Non-dominated Sorting Genetic Algorithm II (NSGA-II), 和 Strength Pareto Evolutionary Algorithm 2 (SPEA2)，在不同规模的特征模型上进行了实验。实验结果显示，IVEA在优化NFR方面表现出显著优势，能够在更短的时间内找到满足FR和NFR约束且与特征模型完全匹配的解决方案。 本研究对于软件产品线中的功能选择提供了创新的方法论，强调了同时考虑功能和非功能需求的重要性，并通过IVEA算法展示了在实际应用中的高效性能。这对于提高软件产品的整体质量和市场竞争力具有重要意义。