16、精准表达修复时间预测及并行机器调度问题研究

精准表达修复时间预测及并行机器调度问题研究

在软件开发和工业生产等多个领域，问题解决时间的预测以及任务调度问题一直是关键的研究方向。下面将详细介绍两个重要的研究方面，一是关于问题/错误解决时间的预测框架，二是针对无关并行机器调度问题的高效算法。

问题/错误解决时间预测

• 实验设置与数据处理
  • 研究涉及两个不同的场景，分别是Eclipse的bug跟踪场景和VINST问题管理系统场景。在Eclipse的bug跟踪场景中，使用了多种FTPM归纳方法，在有无bug历史事件的两种学习设置下进行测试。同时，通过日志操作运算符获得了原始数据的不同视图L0 - L4。在VINST问题管理系统场景中，分析的日志来自沃尔沃IT比利时提供的问题处理系统，将1487条问题记录转化为轨迹集，并通过简单的日志操作生成了两个稍微精炼的日志视图L‘0和L‘1。
  • 对于VINST问题管理系统，每条问题解决案例p有多个主要属性，包括问题的影响程度（如中、低、高）、受影响的产品、当前解决问题的支持团队及其相关的职能部门和组织线、支持团队所在的国家、当前处理问题的资源及其国籍、问题的状态和子状态等。

• 预测结果分析

  • Eclipse bug跟踪场景 ：从表2的回归结果可以看出，在无bug历史的设置下，预测误差相对较高，无论使用哪种归纳方法（如IBK或RepTree）以及对原始日志应用何种预处理操作。而在“历史感知”设置下，误差明显降低。特别是在使用更精炼的