La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Improving Efficiency of Self-Configurable Autonomic Systems Using Clustered CBR Approach Améliorer l'efficacité des systèmes autonomes auto-configurables à l'aide d'une approche CBR en cluster

Malik Jahan KHAN, Mian Muhammad AWAIS, Shafay SHAMAIL

  • Vues en texte intégral

    0

  • Citer

Résumé:

Inspirés du comportement naturel d’autogestion du corps humain, les systèmes autonomes promettent d’injecter un comportement d’autogestion dans les systèmes logiciels. Un tel comportement permet des capacités d'auto-configuration, d'auto-réparation, d'auto-optimisation et d'auto-protection dans les systèmes logiciels. L'auto-configuration est requise dans les systèmes où l'efficacité est la question clé, tels que les environnements d'exécution en temps réel. Pour résoudre les problèmes d'autoconfiguration dans les systèmes autonomes, l'utilisation de diverses techniques de résolution de problèmes a été rapportée dans la littérature, notamment le raisonnement basé sur des cas. L'approche de raisonnement basée sur des cas exploite l'expérience passée qui peut être utile pour atteindre les capacités autonomes. Le processus d'apprentissage s'améliore à mesure que davantage d'expérience est ajoutée à la base de cas sous forme de cas. Il en résulte une base de cas plus large. Une base de cas plus grande réduit l’efficacité en termes de coût de calcul. Pour surmonter ce problème d'efficacité, cet article suggère de regrouper la base de cas, afin de trouver ensuite la solution au problème signalé. Cette approche réduit la complexité de la recherche en limitant un nouveau cas à un cluster pertinent dans la base de cas. Le regroupement de la base de cas est un processus unique et n'a pas besoin d'être répété régulièrement. L'approche proposée présentée dans cet article a été décrite sous la forme d'un nouveau cadre de RBC groupé. Le cadre proposé a été évalué sur une simulation d’application autonome de feux de forêt (AFFA). Cet article présente un aperçu de l'AFFA simulé et des résultats sur trois algorithmes de clustering différents pour regrouper la base de cas dans le cadre proposé. La comparaison des performances de l'approche CBR conventionnelle et de l'approche CBR groupée a été présentée en termes d'exactitude, de rappel et de précision (ARP) et d'efficacité de calcul.

Publication
IEICE TRANSACTIONS on Information Vol.E93-D No.11 pp.3005-3016
Date de publication
2010/11/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1587/transinf.E93.D.3005
Type de manuscrit
PAPER
Catégories
Système d'ordinateur

Auteurs

Mots-clés

Table des matières