大规模群体感知和软件协同适应技术研究

Large-scale software systems which support the fusion of human, computers and physical objects is one of the main forms of future software. Those systems need the ability to adapt to its environment flexibility, since their runs in an open environment crossing both the physical and the information space. Because of the increase of the scale and the system's complexity, there is a pressing need of new software adaptation theory and methods. Taking the newly emerged "cloud + terminal" computing paradigm as backgound, this project aims at the collective adaptation and the cooperative adapation mechansims in the large-scale software systems which support the fusion of human, computers and physical objects. In concrete, our research focues on three issues: the cloud-based aggregation and sharing method of large-scale heterogenous environment data, the mechansim to support the cooperative adaptation between the cloud and the terminal, and the technology to promote the adaptability of terminal software with the support of the cloud. We'll validate our work by realizing a prototype and conducting experiments on it. This achievements of this project can provide science support for the construction and running of large-scale software systems which support the fusion of human, computers and physical objects as well as promote the independent innovative ability of our country in the related areas.

支持人机物融合的大型软件系统是未来软件主流形态之一。此类系统运行于物理和信息空间紧密结合的开放环境中，需要具备灵活在线适应环境变化的能力。由于其规模的增长和系统的复杂化，迫切需要新的软件适应理论和方法的支持。本项目以新兴的"云+端"计算模式为背景，针对人机物融合大型软件系统中的群体感知和协同适应机理展开研究，具体研究内容包括海量异构环境数据的云端汇聚和共享机制、云端与终端的在线协同适应机理、后台云支持的终端软件适应能力提升技术三个方面，并将通过原型实现和实验进行验证。本项目将为人机物融合大型软件系统的构造和运行提供科学支撑，提升我国在相关领域的自主创新能力。

人机物融合大型软件系统运行于物理空间与信息空间紧密结合的开放环境中，需要具备灵活适应环境变化的能力，根据环境自主或由人驱动进行在线调整。此类系统兼具“系统之系统”和“信息物理系统”的特征，系统复杂性和规模导致其软件适应活动表现出了一系列新的特点，迫切需要理论、方法和技术的支持。特别是“云+端”模式在这类系统中的广泛应用，使得在实施软件适应活动过程中，不仅要考虑单个结点的“感知-决策-执行“回路，还要考虑跨多个结点、跨“终”端和“云”端的群体感知和协同适应问题。. 针对上述挑战，三年来，课题组秉承“继承创新、重点突破、实验验证”的研究方法，围绕人机物融合大型软件系统中的群体感知和协同适应机理展开研究，根据计划书理论研究和实证研究相结合不断推进工作，达到了预期的研究目标，形成了较为系统、深入和具有原创性的研究成果，部分成果在国内外学术界产生了重要影响。课题技术成果体系由群体感知关键技术、协同适应关键技术、“云”端辅助的适应能力提升关键技术、原型实验与验证四个部份组成，在环境和软件状态探针快速构造方法、基于实时流处理引擎的感知数据汇聚模型、策略语言mRule及其协同冲突消解机制、基于动态软件体系结构的协同适应机制、基于云端资源库的适应能力提升方法、基于混合云架构的适应能力提升方法等多个方面具有明显创新性，在此基础上开展了面向智能交通和大型指控系统典型场景、涵盖智能手机和机器人等多种“端”设备的一系列实验，对课题工作进行了验证。基于部份技术成果所实现的工具已经在关键领域的某大型人机物融合指控系统中的得到实际应用。. 课题出版《软件适应性技术：从个体适应到群体适应》专著1本，在International Journal of Web and Grid Services、Science China Information Sciences、《软件学报》等高水平期刊和会议共计发表学术论文16篇，其中SCI检索5篇、EI检索8篇，申请专利3项。培养博士生1名，硕士生8名。