31、软件中的假设与设计决策:挑战与应对

软件中的假设与设计决策:挑战与应对

1. 软件不确定性原理

在软件开发中,程序里所反映的假设集的持续有效性对程序的有效执行至关重要。对于E型程序而言,其假设集的有效性难以证明,因为我们无法识别该集合的所有成员,而且即便能识别的假设也可能会失效。

如果应用程序或其所在领域发生了变化,而系统却未做出相应的修正,那么无论过去程序的执行情况多么令人满意或有效,它都可能会出现不成功、不可接受或无效的行为。基于此,便有了软件不确定性原理:“E型程序在现实世界中执行结果的有效性无法被绝对预测”。

这里所说的“可接受/有效”和“不可接受/无效”并非指个人或集体对执行结果的主观判断,而是指执行结果是否满足程序的客观目的。该原理以可接受性/有效性而非“满意度”来表述,是为了避免因“满足”一词在计算机科学中的数学含义而产生歧义。

虽然假设并非软件不确定性的唯一来源,但有充分理由认为它是软件不确定性的主要潜在根源。这就表明需要进行假设管理,因为对假设的研究以及如何确定、管理和控制它们,对于日益依赖软件的社会的未来发展至关重要。

2. 假设失效的实例

很多人可能认为软件不确定性原理只是具有理论意义,实际价值不大。但实际上,有许多实例表明假设失效会导致严重的后果。

实例 详情
CERN粒子加速器 在调试过程中,原本默认可以忽略月球影响的假设被证明是错误的。由于新加速器尺寸增大,月球的引力成为了实验误差的根本来源。
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值