[发明专利]一种基于遗传算法的体系结构自动优化方法

说明书

技术领域

本发明属于系统体系结构设计和优化方法领域，特别涉及一种基于遗传算法的体系结构自动优化方法。

背景技术

随着社会和技术的发展，许多业务领域的系统越来越复杂，具体表现在覆盖范围更广、要素类型更多、结构关系更杂。为了将规模庞大、业务繁多、关系复杂的信息系统优化整合，构建成有机协同、高效运行的体系，就必须在系统思想指导下，采用科学合理的方法对系统进行设计。体系结构设计就是对复杂系统和“系统之系统”进行设计的方法，它对系统各组成部分(软件、硬件、数据、活动、人员、机构等)及它们之间的搭配和排列(层次、布局、边界、接口关系等)进行设计。随着体系结构设计理论发展，产生了一些不同领域的体系结构框架和设计方法，用来指导和规范体系结构设计过程和设计成果，例如The Open Group提出的《开放组织体系结构框架(TOGAF)》和美国国防部提出的《国防部体系结构框架(DoDAF)》等。

由于体系结构设计工作的困难程度，在完成初步设计方案后，对其进行验证评估和优化是必不可少的。目前验证评估方法主要关注设计方案的正确性、完备性、一致性，以及是否能满足功能性能需求；而对系统的高效性、抗毁性等非功能需求的验证评估较为薄弱，主要采用试验仿真的方法进行评估，并由具备领域知识的设计人员在分析评估结果后对初步方案进行反复优化。此类方法应用于“范围广、要素多、关系杂”的复杂系统，存在时间花费多、人力成本大、优化效率低等问题。

发明内容

发明目的：本发明针对复杂系统的体系结构优化问题，提出一种基于遗传算法的体系结构自动优化方法，对系统的高效性、抗毁性等非功能特性进行优化。

为了解决上述技术问题，本发明公开了一种基于遗传算法的体系结构自动优化方法，包括如下步骤：

步骤1，构建网络模型；

步骤2，进行非功能特性度量；

步骤3，确定综合评估函数、优化约束条件和终止条件；

步骤4，进行基于遗传算法的自动优化。

其中，步骤1包括如下步骤：

步骤1-1，在系统的体系结构初步设计方案中，某些非功能特性(如高效性、鲁棒性等)可能不满足用户需求或合同要求，因此需要进行优化。将需要优化的某非功能特性记为P，从体系结构设计方案中选取涉及到P的视图作为优化对象；

步骤1-2，视图建模：将视图中的要素(机构、系统或子系统)抽象为节点，将要素之间的关系(如组织关系、信息交互关系)抽象为节点之间的边，从而将视图转换为网络模型。

在步骤1-1中视图的选择需要依据体系结构设计方案中各视图所描述的对象和功能，并结合需要优化的非功能特性进行具体分析。例如，某体系结构设计方案采用美国国防部体系结构框架(DoDAF)作为规范，那么如果需要对组织关系进行优化，可就以选择组织关系图(OV-4)作为优化对象；如果需要对信息系统的高效性或抗毁性进行优化，就可以选择系统接口描述图(SV-1)作为优化对象。

步骤1-2中将视图中的要素抽象成的节点的集合记为V＝{v₁,v₂,...,v_n1}，v_n1为第n1个节点，将节点之间的关系抽象成的边的集合记为E＝{e₁,e₂,...,e_n2}，e_n2为第n2个边，将视图转换的网络模型记为G＝<V,E>。以分布式计算系统的体系结构设计为例，系统视图所包含的网络设备、存储设备、计算设备等可以抽象为节点集合V＝{v_计算1,v_计算2,v_存储1,v_网络1...}，集合中的每个节点对应了一个设备，如v_计算1代表了1号计算设备。设备间的数据传输关系可以抽象为边的集合E＝{e_{计算1存储2},e_{计算1网络1},...}，集合中的每条边对应了一个数据传输关系，如e_{计算1存储2}代表了1号计算设备到2号存储设备间的数据传输关系。

步骤2包括：

步骤2-1，基于平均最短路径、介数、聚集系数等网络模型常用度量指标，选择与步骤1-1中指定的非功能特性P相关的网络模型度量指标，对步骤1-2中得到的网络模型进行度量。