توضیحات
عنوان فارسی: هوش مصنوعی در سرویس گرا طراحی نرم افزار
عنوان انگلیسی مقاله ترجمه شده:
Artificial intelligenceinservice-oriented software design
چکیده:
معماری سرویس گرا (SOA) محبوبیت قابل توجهی بخاطر توسعه برنامه های کاربردی توزیع شده در گستره سازمانی در صنعت نرم افزار به دست آورده است. الگوی SOA قابلیت استفاده مجدد و جمع پذیری نرم افزار در محیط های ناهمگن را با استفاده از استانداردهای باز ترویج می کند. اکثر شرکت های نرم افزاری با کشف و ساخت خدماتی که در حال حاضر بر روی اینترنت در دسترس هستند, بر روی SOA سرمایه گذاری می کنند، در حالی که سازمان های دیگر به کنترل داخلی برنامه های کاربردی و توسعه خدمات جدید با ویژگی کیفیتی متناسب با محیط خاص خود را نیاز دارند. بنابراین، بر اساس نیازهای معماری و تجاری، توسعه دهندگان می توانند از گزینه های مختلفی در درون چارچوب SOA برای طراحی برنامه نرم افزار خود استفاده کنند. هر یک از این گزینه ها بر توازن بین صفات، مانند عملکرد، قابلیت اعتماد و در دسترس بودن، در میان دیگر صفات، دلالت دارند. در این زمینه، هوش مصنوعی (AI) می تواند توسعه دهندگان را در برخورد با طراحی سرویس گرا با تاثیر مثبت در مقیاس پذیری و مدیریت صفات عمومی کمک کند. در این مقاله، ما به تجزیه و تحلیل دقیق، مفهومی و ترکیبی آثار تحقیقات هوش مصنوعی که در کشف، ساخت، یا توسعه خدمات نقش داشته اند, می پردازیم. همچنین مسائل تحقیقاتی باز و چالش های موجود در حوزه های تحقیقاتی فوق را تشخیص خواهیم داد. نتایج حاصل از خصوصیات 69 روش معاصر در جهت تحقیقات بالقوه در این حوزه ها نشان داده شده است. به این نتیجه رسیدیم که هوش مصنوعی در بهره برداری از منابع معنایی و دستیابی به خواص با کیفیت کمک کرد تا به تولید، ترکیب، و توسعه خدمات انعطاف پذیر و متغیر سازگار منجر شود.
- مقدمه
معماری سرویس گرا (SOA) توسط صنعت نرم افزاری برای ساخت برنامه های کاربردی نرم افزار تجاری و گسترده، که باید هر دو ویژگی با کیفیت بالا و سازگار با تغییرات بازار (Erickson و Siau، 2008) را داشته باشند, انتخاب شده است. علاوه بر این، SOA فرصت هایی برای بهبود چابکی و سرعت در هماهنگی با نیازهای تجاری با زیرساخت های فناوری اطلاعات را ایجاد می کند (Hassanzadeh et al., 2011). در این زمینه، SOA استفاده مجدد از خدمات را ترویج می دهد به این صورت که به سرعت برنامه های کاربردی که خدمات نامیده شده و در حال حاضر اجرا می شوند و در اینترنت در دسترس هستند, را مونتاژ می کند.
هر دو خدمات وب موجود در اینترنت و نیاز به برآورده کردن نیاز های متعدد کاربر و کیفیت سرویس (QoS) منجر به ایجاد یک موقعیت برای استفاده از هوش مصنوعی (AI) می شوند. مزیت اصلی استفاده از AI که ناشی از عملکرد کارآمد آن در محیط های دینامیکی، گسترده، غیر قطعی و نامشخص می باشد; کاهش فضای جستجو است. علاوه بر این، AI به نظر می رسد زمانی که مقیاس پذیری بالا, مدیریت صفات عمومی و ترکیب سرویس معتبر و تایید شده (آزادی بن بست و خواص ایمنی)مورد نیاز است, کارآمد باشد.
این خدمات را می توان توسط برنامه های کاربردی کشف و ترکیب بدست آورده و همسان سازی و یکپارچه سازی کرد. کشف سرویس روندی است که خدمات موجود بر اساس شرح خواص عملکردی و غیر عملکردی خود در جای مناسبشان قرار می گیرند. به طور کلی، یک سیستم برای کشف خدمات نیاز به یک سرویس زبان توصیف، وسیله انتخاب خدمات (یعنی، دلال) و معماری کشف (یعنی، غیر متمرکز P2P) دارد. ترکیب سرویس نقش ها و قابلیت را ترکیب می کند تا خدمات مختلف را در یک سرویس تک کامپوزیت جمع کند که می توان از آنها در ترکیب های بعدی استفاده کرد؛ ترکیب خدمات شامل مسائل پیچیده ای است که فراتر از توانایی های انسان برای رسیدگی به این فرایند بصورت کاملا دستی است. کشف و ترکیب خدمات توسط چند روش به منظور تسهیل در بدست آوردن قابلیت ها در برنامه های کاربردی بر اساس SOA نشان داده شده است(Dustdar and Schreiner, 2005; Rao and Su,2005). با این حال، خدمات ناشی از کشف و ترکیب ممکن است موفق به برطرف کردن نگرانی هایQoS لازم و یا اهداف تجاری نگردد، منجر به ساخت سرویس های جدید با استفاده از دستورالعمل های توسعه توسط توسعه دهندگان خواهد شد. به دور از یک فرایند تصادفی، توسعه جایگزینی خدمات به طور کلی توسط مجموعه ای از دستورالعمل ها انجام می شود، ترکیب دانش در مورد روش های طراحی قابل توصیه به منظور انتخاب مناسب ترین گزینه در میان گزینه های متعدد موجود، حتی برای فضاهای جستجو کوچک است.
بر اساس مطالب بالا، استفاده از هوش مصنوعی به عنوان یک استراتژی مناسب برای کشف راه حل های ممکن برای کشف، ترکیب و توسعه خدمات می باشد. انتخاب یک جایگزین مناسب می تواند هم دارای خطا و هم وقت گیر باشد(Tekinerdogan و Aksit، 2002)؛ بنابراین، توسعه دهندگان باید توسط AI در انتخاب میان گزینه های طراحی موثر یاری شوند که از نظر ویژگی های با خواص با کیفیت هم مناسب باشند. پیشرفت های قابل توجهی در زمینه ی تحقیقات هوش مصنوعی و محبوبیت برنامه ریزی AI و تکامل محاسبات در توسعه نرم افزار سبب گسترش حوزه پژوهشی به سمت کمک به توسعه دهندگان در کشف، ترکیب و توسعه خدماتی که نگرانی خاص QoS را از میان دیگر محدودیت ها برطرف کنند.
در این مقاله، به تجزیه و تحلیل دقیق، مفهومی و ترکیبی 69 آثار تحقیقاتی قابل توجه که به توصیف روش های کشف، ترکیب، یا توسعه خدمات مربوط می شود, می پردازیم. ما همچنین مسائل تحقیقاتی باز و چالش های موجود در حوزه پژوهش مذکور را تشخیص می دهیم. نتایج ما می تواند توسط هر دو محققان و پژوهشگران، برای تجزیه و تحلیل روش های فعلی برای شناسایی حوزه ی بالقوه برای تحقیقات بیشتر و یا برای تجزیه و تحلیل نقاط قوت و ضعف روش های فعلی و انتخاب مناسب ترین زمینه حرفه ای ، مورد استفاده قرار گیرد.
این مقاله به شرح زیر است: در بخش 2 روش تحقیق را توصیف می کند؛ بخش 3 گزارشی در مورد روش های کشف خدمات می دهد؛ بخش 4 آثاری را که برای ترکیب خدمات انجام شده اند, مورد بحث قرار می دهد؛ بخش 5 آثاری را که به توسعه خودکار یا نیمه خودکار خدمات پرداخته اند ارائه می دهد. بخش 6 روند آینده و مسائل باز در کشف، ترکیب و توسعه خدمات را مورد بحث قرار می دهد. اظهارات نهایی و نتیجه گیری در بخش 7 آمده است.
- روش تحقیق
هدف از این تحقیق شناسایی آثار مهم در استفاده از AI در کشف، ترکیب و توسعه خدمات وب، و پس از آن، طبقه بندی این آثار به طوری که به کشف شکاف، مسائل مهم و فرصت مطالعه و تحقیق بیشتر منجر شود. بررسی های ما با توجه به دستورالعمل به خوبی تثبیت شده ی Kitchenham برای بررسی ادبیات سیستماتیک در مهندسی نرم افزار و برای رسیدن به هدف، با نتایج بی طرفانه و قابل تکرار انجام شده است (Kitchenham and Charters, 2007). سوالات پژوهش (RQ) که روند بررسی ما را هدایت می کند:
- :RQ1 چه شواهدی وجود دارد AI منجر به دستیابی به نتایج بهتر در مقایسه با روش های دیگر برای کشف، ساخت و یا توسعه خدمات شود ؟
- :RQ2 ویژگی های اصلی، ویژگی های مشترک، و تفاوت میان رویکردهای مبتنی بر هوش مصنوعی موجود برای کشف، ساخت و یا توسعه خدمات چیست؟
- :RQ3 آیا باید انتظار نتایج دقیق تر زمانی که کشف، ساخت و یا توسعه ی خدمات با استفاده از برنامه ریزی، یا با استفاده از الگوریتم ژنتیک انجام می شود, داشته باشیم؟
- :RQ4 چالش های پژوهش، نیازها و روند آینده در زمینه های کشف، ساخت و یا توسعه خدمات چیست؟
روش بررسی ما با یک جستجوی مبتنی بر کلید واژه با استفاده از پایگاه داده های زیر شروع می شود:
- Google Scholar
- کتابخانه دیجیتال ACM
- کاوش IEEE
- Science Direct
- لینک Springer
جستجوی نشریه ابتدا از نظر ساختار ترکیبی از کلمات کلیدی مرتبط انجام شد. هر گونه ترکیب ” Web Service composition”، ” Web Service discovery “، ” service-matchmaking “، ” semantic service composition “، ” semantic service discovery “، ” Web Service development “، یا مشکلات مربوط به ” Web Service realization ” که شامل مفاهیم ” automatic “،” intelligent “،” Service oriented computing “،” service-oriented architecture “، با تاکید بر تکنیک های هوش مصنوعی برای دستیابی به نتایج مطلوب پوشش داده شد. پس از اولین بررسی سریع، نشریات واجد شرایط از طریق ارجاعات متقابل به دست آورده شد. محدوده ی نشریات به صورت زیر ذکر شده است:
• فقط نشریات مربوط به کشف سرویس وب، ترکیب سرویس وب و مشکلات توسعه سرویس وب در نظر گرفته شده اند.
• فقط نشریات مربوط به استفاده از روش های مبتنی بر هوش مصنوعی محسوب می شوند.
• فقط مقالات مجله / کنفرانس کارشناسی شده به زبان انگلیسی نوشته شده محسوب می شوند.
تحقیقات ما شامل بیش از دوازده سال (2002-2014) بوده و ما در مجموع از 69 رویکرد مبتنی بر هوش مصنوعی برای کشف (29 روش)، ترکیب (34 روش) و توسعه خدمات (6 روش) را بررسی کرده ایم. شکل 1 توزیع آثار پژوهشی براساس سال انتشار را تصویر می کشد. تعداد آثار پژوهشی که با استفاده از پشتیبانی از AI برای کشف، ترکیب و توسعه خدمات نوشته شده از سال 2007 تا 2012 افزایش یافته است، چون الگوی SOA محبوبیت زیادی در صنعت نرم افزار به دست آورده است. شایان ذکر است که استفاده از AI در تحقیقات توسعه نرم افزار سرویس گرا شده از سال 2007 افزایش یافته و این روند به نظر می رسد حتی بیشتر هم افزایش یابد. تکنیک محبوب AI که بش از همه بررسی شده اند برنامه ریزی AI، الگوریتم های تکاملی، زنجیره Markov و خوشه بندی هستند. مطالعه ما از آثار مورد بررسی نشان داده است که تحقیقات بیشتری در این زمینه برای غلبه بر محدودیت های فعلی نرم افزار با استفاده از روش های مانند AI برای حل مسائل باز برای کشف، ساخت و یا توسعه مورد نیاز است
توجه:
- برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
- لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.
به منظور سفارش ترجمه تخصصی مقالات خود بر روی کلید زیر کلیک نمایید.
سفارش ترجمه مقاله
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.