基于定量结构图实现软件系统自治功能的机器学习方法

自治计算旨在通过赋予软件系统自我管理功能来应对日益恶化的网络环境，描绘出了软件工程发展的美好蓝图。自治软件迫切需要高层次和可扩展的自治功能实现方法，以图扩大自治系统规模，提高自治管理水平，改变自治功能范围狭小、水平低下的状况。机器学习是实现软件自治功能的重要手段。本项目针对自治系统的结构性和演化性本质，提出依据自治系统定量结构图进行机器学习实现自治功能的思想。通过定义统一、规范、可迭代的定量结构图的数据结构，综合表达出自治系统的结构信息、动态连接信息和状态信息；面向定量结构图研究分布式、层次化、可迭代和可扩展的机器学习方法，从结构和动态的观点建立起大规模和高层次的自治功能，将机器学习实现自治功能的方式从目前局部的、孤立的、静态的方式转化为系统的、联系的、动态的方式，拓展实现软件系统自治功能的新途径。生成具有自主知识产权的、符合自治软件开放构架、协议和标准的自治功能构件，促进自治软件的发展。