[发明专利]一种软件自适应决策验证系统

说明书

本发明涉及一种软件自适应决策验证系统，包括模型转换模块和模型验证模块。其中，所述的模型转换模块，用于将经过自适应决策策略作用演变的多种异构的层次化多agent系统模型由模型转换器转换成统一的中间模型，并将所述中间模型输出作为模型验证模块的输入；所述的模型验证模块，将模型转换模块输出的中间模型作为输入，在中间模型上进行分析、验证，判断中间模型是否满足目标性质，从而完成自适应决策策略的验证，同时，还可以实现多个中间模型的对比，进而实现多种异构的层次化多agent系统模型的对比，从中挑选出符合目标性质的优良模型，最终筛选出优良的自适应决策策略，对于不符合目标性质的策略给出改进建议。

技术领域

本发明属于计算机应用技术领域，主要涉及形式化建模与验证领域，尤其涉及基于层次化多agent系统模型的软件自适应决策验证系统。

背景技术

随着软件应用范围的不断扩大，其运行平台正从传统的计算机延展到嵌入式设备、移动设备和开放的互联网，并与物理系统、社会系统等更加紧密地融合在一起。这种开放、动态、难控的运行环境要求软件系统需具备一定程度的自适应能力，也就是说，软件系统应能主动感知环境和需求的变化，并据以调整自身结构和行为，产生自适应决策策略，以持续地提供满足用户期望的服务。然而，自适应决策策略可能会对系统的执行行为、性能以及功能等多方面产生影响。在保障软件系统本身的功能性需求、非功能性需求以及安全性需求等前提下，如何保证软件自适应决策策略的有效性和正确性显得至关重要。

现有的相关专利，例如申请号为201110167018.7的中国发明专利申请，涉及一种基于机器学习的分布式缓存策略自适应切换方法及其系统。基于基准测试对各缓存策略进行评价，确定影响缓存策略性能表现的场景要素；分别在不同场景要素条件下收集各缓存策略的数据集；训练该数据集得到缓存性能模型；基于缓存性能模型与集群环境下的在线监测数据决策最优缓存策略，在当前缓存策略与最优策略不一致时执行缓存策略切换。采用机器学习的方法建立可以准确刻画当前场景的缓存性能模型，并通过构建性能数据仓库周期性的更新该模型，进一步提高了模型的精度，可以较好的适应环境的动态变化，增强缓存服务的柔性和自适应性。

然而在以上专利中，软件自我验证效率仍有不足。

发明内容

为解决以上现有技术中存在的问题，本发明提出了基于层次化多agent系统模型的软件自适应决策验证系统，通过将经过自适应决策策略作用演变的多种异构的层次化多agent系统模型转换成统一的中间模型，在中间模型上进行形式化验证，验证中间模型是否满足某些目标性质，从而达到验证软件自适应决策策略的有效性和正确性的目的，实现软件自适应决策策略的验证。

具体的，本发明提出了一种软件自适应决策验证系统，所述系统包括模型转换模块和模型验证模块，两模块之间协调工作；

所述的模型转换模块，用于将经过自适应决策策略作用演变的多种异构的层次化多agent系统模型由模型转换器转换成统一的中间模型，并将所述中间模型输出作为模型验证模块的输入；

所述的模型验证模块，将模型转换模块输出的中间模型作为输入，在中间模型上进行分析、验证，判断中间模型是否满足目标性质，从而完成自适应决策策略的验证，同时，还可以实现多个中间模型的对比，进而实现多种异构的层次化多agent系统模型的对比，从中挑选出符合目标性质的优良模型，最终筛选出优良的自适应决策策略，对于不符合目标性质的策略给出改进建议。

优选的，如上所述的软件自适应决策验证系统，所述多种异构的层次化多agent系统模型由层次化MAS模型经过自适应决策策略作用演变而成。

优选的，如上所述的软件自适应决策验证系统，所述层次化多agent系统模型是对软件系统进行抽象建模而形成一个以功能目标为单位，将软件与环境置于统一架构的集分布式与集中式控制于一体的分层式多Agent的系统模型。