没有合适的资源?快使用搜索试试~ 我知道了~
首页时间和不确定数据的自适应系统建模框架研究
时间和不确定数据的自适应系统建模框架研究
0 下载量 82 浏览量
更新于2024-06-19
收藏 14.14MB PDF 举报
"这篇博士学位论文关注的是面向自适应系统的建模框架,特别是在处理时间和不确定数据方面。该研究是在雷恩第一大学、布列塔尼洛瓦尔大学和卢森堡大学的数学与信息通信技术学院进行,专业为计算机科学。论文的焦点在于创建一个能够有效地整合时间和不确定性因素的建模框架,以提升自适应系统在面对动态变化和不确性时的决策质量。 论文的答辩和评审过程严谨,由多位知名学者参与,包括尼斯大学的Philippe Collet教授、JKU林茨的Manuel Wimmer教授以及卢森堡大学的Nicolas Navet教授等。论文的指导团队由Olivier Barais教授和Yves LeTraon教授共同领导,他们分别来自雷恩第一大学和卢森堡大学,同时还有François Fouquet博士作为顾问,他担任DataThings公司的首席技术官。 论文的核心问题在于,当前的技术在建模动态自适应系统时,对于变化和不确定性处理不足,导致系统可能做出次优决策。为解决这一问题,论文提出了一种新的建模方法,将时间和不确定性视为首要考虑的概念,旨在更高效地封装这些复杂因素。 论文的背景部分提到了智能电网的应用,这是信息技术和通信技术在传统电网中的一种创新应用,以应对电力行业的挑战,如提高电网的弹性。智能电网需要能够对突发情况进行快速理解和反应,这需要通过抽象技术来降低复杂性,以便进行有效的治理操作和推理任务。 适应性是软件系统的一个关键特性,使它们能够在不断变化的环境中自我调整。论文的研究成果对于提升自适应系统的智能化水平,特别是在处理实时数据和不确定性方面,有着重要的理论和实践价值。"
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/88492506/bg10.jpg)
30
6
0
可能比不进行任何更改还要糟糕。
0
更一般地说,数据几乎可以说是不确定的,并且在发展中。
0
在大多数情况下,操作员都使用估计值[BMM14;Met08;AY09]。
0
不确定性可能是由数据收集方式解释的。我们可以区分三个类别:传感器、人类和计算结果。传感器(软件或硬件)始终估计值,并且由于测量方法的不确定性而具有精度值。人类容易出错。计算
可以给出近似值或基于不确定数据。这种不确定性会传播到最终结果。
0
硬件)始终估计值,并且由于测量方法的不确定性而具有精度值。人类容易出错。计算
可以给出近似值或基于不确定数据。这种不确定性会传播到最终结果。
0
实际情况如图1.2所示。例如,中央处理器(CPU)时钟的不确定性太低,无法对处理器的负载百分比造成损害。然而,在智能电网中,电缆负载的不确定性可能会触发对过载的错误检测,如图1.2所
示。如果数据的不确定性会误导对系统行为或状态的理解,那么15
0
对于特定领域,这种不确定性可能会影响对10
0
因此,我们认为数据的不确定性影响了开发的所有阶段
0
开发人员应该实现一个具有不确定性意识的系统。对于自适应系统,这种缺乏信心可能会触发次优的适应。
0
提供机制来帮助开发人员抽象和操作不确定的数据。
0
文献提供了帮助工程师推理或操作软件的方法,从设计到执行。在这篇论文中,我们专注于设计阶段。我们坚信设计技术应该具备以下特
0
数据不确定性,或至少概率分布。例如,信任函数[Sha76]通过组合多个数据源来减少这种不确定性。概率编程[GHN+14]社区提供了框架和25
0
语言[MWG+18;BDI+17]用于通过计算传播概率。
0
然而,据我们所知,还没有研究评估
0
数据不确定性对软件开发的影响。以下挑战仍然是软件工程界的一个悬而未决的问题:
0
如何设计具有不确定性意识的软件(设计、实现、测试和验证)?
0
1.2.2长期行动的推理
0
重新配置智能电网意味着通过打开或关闭保险丝来改变电力流动。如前所述,技术人员需要亲自驾驶到保险丝位置来修改它们的状态。在卢森堡智能电网的情况下,电表每15分钟
发送一次能量测量数据,但不是同步的。因此,在决定重新配置智能电网的时间和测量效果的时间之间,至少会有15分钟的延迟。另一方面,事故应该
0
关闭保险丝。如前所述,技术人员需要亲自驾驶到保险丝位置来修改它们的状态。在卢森堡智能电网的情况下,电表每15分钟发送一次能量测量数据,但不是同步的。因此,在决定重新配置智能电
网的时间和测量效果的时间之间,至少会有15分钟的延迟。另一方面,事故应该在接下来的几分钟内被检测到。如果适应过程不考虑这种速率差异,可能会导致重复决策。
0
在接下来的几分钟内被检测到。如果适应过程不考虑这种速率差异,可能会导致重复决
策。
![](https://csdnimg.cn/release/download_crawler_static/88492506/bg11.jpg)
t
1
t
2
t
3
t
1
+ t
2
+
t
3
>> f
M
15
7
0
时间
0
监测
0
频率(fM)
0
检测到事故触发行动可测量效果
0
测量效果之前的延迟
0
执行行动
0
t1:执行行动前的时间t2:执行时间t3:测量效果前的延迟
0
追溯效果到情况
0
图1.3:长期行动的示意图
0
在下一分钟内被检测到。如果适应过程不考虑这种速率差异,可能会导致重复决策。
0
更一般地说,监测频率和
0
行动效果被测量的时间。这种情况的一个原因是本文中所称的长期行动,如图1.3所示。长期行动被定义为5
0
需要执行时间(执行延迟和执行时间)或具有长期效果的行动。第二个原因是无法降低
监测频率,因为在某些情况下系统必须具有反应性。这种频率差异可能会损害决策过程
。
0
因此,我们认为决策过程应该考虑这一点
0
如果监测阶段的频率低于可测量的行动效果的时间,则会延迟。据我们所知,没有一种
方法允许开发人员实现这样的工具。因此,研究界面临的一个挑战是:
0
如何对长期行为及其影响进行建模、存储和查询?
0
1.2.3诊断适应过程
0
智能电网的行为受到无法控制的多个因素的影响
0
由电网管理者控制。一个例子是天气条件。智能电网依赖于分布在多个参与者之间的能源生产。例如,以前主要是消费者的用户现在可以通过在房屋屋顶上安装太阳能电池板来产生能源。这种能源的
产生取决于天气,以及
0
主要是消费者之前,现在可以通过在房屋屋顶上安装太阳能电池板来产生能源。这种
能源的产生取决于天气,以及
![](https://csdnimg.cn/release/download_crawler_static/88492506/bg12.jpg)
25
8
0
即使在第3个季节中,行为的随机性仍然存在。工程师们仍然需要实施一个适应过程,
这可能导致次优的电网配置。
0
面对日益复杂和大规模的软件系统(例如智能
0
网格系统),我们都可以同意存在残余缺陷的存在[BdMM+17;MPS15;HBB15]。即使进行了细致的验证5
0
或验证过程中,很可能会遇到在设计时没有预料到的意外行为。单独使用现有的形式建模和验证方法可能无法预测这些故障
[TOH17]。因此,需要提出补充技术来定位异常行为及其起源,以便以安全的方式处理它。10
0
Bencomo等人[BWS+12]认为,关于系统行为的全面解释
0
系统行为对诊断的质量产生重大影响,并简化故障排除的任务。为了实现这一点,如图1.3所示,我们认为自适应软件系统应该配备可追溯性管理设施,将所做的决策与其(i)环境联系起来,这些决
策是在15
0
即系统状态的历史和目标要求的历史,以及(ii)执行的动作及其对系统的影响。特别是,自适应系统应该保留相关历史事件的记录。此外,它应该能够将系统的目标与适应和决策相联系,以及20
0
已经做出,并反之亦然。最后,为了使开发人员能够以清晰和可理解的方式与系统进行
交互,还应提供适当的抽象来实现跟踪和历史的导航。换句话说,一个未解决的全局挑
战是:
0
如何追溯适应决策对其环境的影响?
0
1.2.4对系统不一致状态进行建模
0
每个计量器每15分钟发送一次消耗和产生的数据。然而,
0
此集合不是同步的。也就是说,不是所有计量器在相同的时间戳发送数据。因此,接收所有数据的全局系统没有全局的30
0
对于电网的所有部分,电力数据都具有相同的新鲜度。电力数据是不稳定的:由于洗衣
机的启动或结束等原因,一分钟内可能会发生峰值或下降。因此,由于信息过时,电网
的重新配置可能不是最优的。
0
系统的不同部分可能以不同的速度发展。一些系统35
0
硬件和软件方面的异构性使得系统的演化或反应速度不同。例如,如果某些组件正在工
作
0
3太阳的角度会影响太阳能电池板产生的能量量。这个角度根据季节变化。
![](https://csdnimg.cn/release/download_crawler_static/88492506/bg13.jpg)
9
0
当电池电量不足时,它们会进入睡眠周期以节省能量。相反,如果其他一些设备直接连
接到电源,它们可以更快地响应。
0
尽管存在这种速率差异,但在特定时间对系统进行全局视图
0
可能仍然需要一个参考点。这个视角应该处理具有不同新鲜度的数据。例如,适应过程可能需要全局视图的5
0
系统。在最坏的情况下,一些数据将过时且无法使用。
0
在设计适应过程时,工程师因此需要解决方案来处理不一致的系统状态。例如,一种解决方案可以无缝地估计过时数据的当前值。
0
具有不一致的系统状态。例如,一种解决方案可以无缝地估计过时数据的当前值。因此,软件工程社区面临的一个全球挑战是:10
0
如何表示、查询和存储不一致的系统状态和行为?
0
1.2.5建模时间和相互关联的数据
0
电力流受用户的消耗和生产以及
0
电网的最后状态与拓扑的修改一样重要15
0
了解它的演变方式。基于演变,电网运营商可以预测任何未来的事件,比如过载。它还
可以将这种行为的演变与正常行为进行比较,以便检测任何恶意行为。
0
系统的演变与时间维度密切相关。Evo-
0
解决方案和时间是两个相关的概念。对于某些系统,不仅最后的状态20
0
重要,还有它们的演变方式。然后,分析过程将调查这种演变是否正常。他们还可以利
用这种演变来预测系统的演变方式。基于这些预测,他们可以对系统中的未来事件进行
预测。
0
决策不是基于系统的最后状态,而是基于其演变方式。25
0
分析过程因此应同时在系统的结构和其随时间变化的行为中进行导航。工程师需要高效
的工具来在大规模上进行结构化、表示、查询和存储时间和相互关联的数据。
0
时间在软件工程中并不是一个新的挑战。例如,Riviera等人30
0
等已经确定时间是MDE社区的一个挑战。已经定义了不同的方法[BCC+15;KT12;
KH10;HFN+14b]。
0
然而,我们注意到MDE社区所做的研究努力并没有集中在建模、持久化和处理不断变化的数据上。Thomas
0
不关注建模、持久化和处理不断变化的数据。ThomasHartmann在他的博士论文中开始解决这些挑战[Har16]。最终的35
0
全球挑战,尚未得到充分解决,因此是:
0
如何高效地结构化、表示、查询和存储时间数据?
![](https://csdnimg.cn/release/download_crawler_static/88492506/bg14.jpg)
20
30
10
0
1.3论文的范围
0
在前一节描述的所有挑战中,本论文侧重于
0
其中三个是:数据不确定性(第1.2.1节),长期行动(第1.2.2节)和容易出错的适应过程(第1.2.3节)。更具体地说,我们解决了这些挑战的三个子问题。5
0
管理不确定性需要在概率和统计方面具有丰富的专业知识
0
理论。文献提供了不同的解决方案来管理不确定性[Zad;Met08;
Sha76]。应用这些技术需要对基础理论有深入的理解,而且是一项耗时的任务[VMO16]。此外,测试也很困难,而且最重要的是,容易出错。在这篇论文中,我们10
0
因此解决以下问题:
0
子挑战#1:如何为软件工程师简化数据不确定性的处理?
0
适应过程可能依赖于长期行动,例如资源迁移
0
云基础设施。由于缺乏关于未完成操作和15的信息
0
系统的预期效果,推理组件可能会做出重复或次优的决策。启用这种推理机制的一步是
拥有一个能够有效地表示这些长期操作的抽象层。因此,在这篇论文中,我们应对以下
挑战:
0
子挑战#2:如何使未完成的操作及其预期效果能够进行推理?
0
由于系统的复杂性不断增加,开发人员面临困难
0
交付无错误的软件[BdMM+17;MPS15;
HBB15]。此外,复杂系统或大规模系统可能具有新兴行为。系统很可能有一种在设计时没有预料到的异常行为。现有的形式化方法和验证方法可能不足以验证和验证这些过程[TOH17]。在这种情况
下,开发人员通常会应用诊断例程来识别故障的原因。在我们的研究中,我们解决了以下挑战:
0
建模和验证方法可能不足以验证和验证这些过程[TOH17]。在这种情况下,开发人员通
常会应用诊断例程来识别故障的原因。在我们的研究中,我们解决了以下挑战:
0
子挑战#3:如何对自适应过程的决策进行建模以进行诊断?
0
1.4贡献和验证
0
在这篇论文中,我们认为现代建模框架应该考虑
0
不确定性和时间作为第一类概念。在这篇论文中,我提出了两个支持这一观点的贡献。首先,我们定义了一种具有不确定性的语言35
剩余199页未读,继续阅读
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 计算机人脸表情动画技术发展综述
- 关系数据库的关键字搜索技术综述:模型、架构与未来趋势
- 迭代自适应逆滤波在语音情感识别中的应用
- 概念知识树在旅游领域智能分析中的应用
- 构建is-a层次与OWL本体集成:理论与算法
- 基于语义元的相似度计算方法研究:改进与有效性验证
- 网格梯度多密度聚类算法:去噪与高效聚类
- 网格服务工作流动态调度算法PGSWA研究
- 突发事件连锁反应网络模型与应急预警分析
- BA网络上的病毒营销与网站推广仿真研究
- 离散HSMM故障预测模型:有效提升系统状态预测
- 煤矿安全评价:信息融合与可拓理论的应用
- 多维度Petri网工作流模型MD_WFN:统一建模与应用研究
- 面向过程追踪的知识安全描述方法
- 基于收益的软件过程资源调度优化策略
- 多核环境下基于数据流Java的Web服务器优化实现提升性能
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)