16、自适应架构的多目标性能优化方法

自适应架构的多目标性能优化方法

在当今科技飞速发展的时代，自适应系统（Self-adaptive Systems，SaSs）的架构工程成为了一个备受关注的研究领域。本文将深入探讨一种基于进化计算的多目标性能优化方法，旨在解决自适应系统中的控制器选择策略（Controller Selection Policy，CSP）问题。

1. 自适应系统架构工程概述

在过去的15年里，自适应系统的架构工程逐渐成为重要的研究课题。自适应系统由管理子系统和被管理子系统组成。管理子系统实现系统的自适应逻辑，控制被管理子系统；被管理子系统则通过传感器和执行器感知和影响环境。这种控制通常遵循MAPE - K反馈循环，即知识型架构模型，将自适应过程分为监测（Monitor）、分析（Analyze）、规划（Plan）和执行（Execute）四个连续活动。

在解决自适应系统架构工程问题时，通常会利用模型驱动架构（Model - Driven Architecture，MDA）原则来抽象系统及其自适应机制。此外，控制理论（Control Theory，CT）和机器学习（Machine Learning，ML）等范式也被成功应用于设计高效的自适应机制，以支持一定程度的自动化性能优化。

2. 相关工作

已有许多通过机器学习优化自适应系统性能的方法。例如，Elkhodary等人解决了系统特征的运行时自适应问题，并支持多种学习算法来学习自适应决策对系统目标的影响；Jung等人则通过决策树学习器实现了系统的离线重新配置。

近期，Faniyi等人提出了一种自适应系统的自我感知架构风格，通过服务选择进行自适应；Borges等人将形式验证和机器学习相结合，用于验证