검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

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 클러스터형 CBR 접근 방식을 사용하여 자체 구성 가능한 자율 시스템의 효율성 향상

Malik Jahan KHAN, Mian Muhammad AWAIS, Shafay SHAMAIL

  • 조회수

    0

  • 이것을 인용

요약 :

인간 신체의 자연스러운 자기 관리 행동에서 영감을 받은 자율 시스템은 소프트웨어 시스템에 자기 관리 행동을 주입할 것을 약속합니다. 이러한 동작을 통해 소프트웨어 시스템의 자가 구성, 자가 치유, 자가 최적화 및 자가 보호 기능이 가능해집니다. 실시간 실행 환경과 같이 효율성이 핵심 문제인 시스템에서는 자체 구성이 필요합니다. 자율 시스템의 자기 구성 문제를 해결하기 위해 사례 기반 추론을 포함한 다양한 문제 해결 기술의 사용이 문헌에서 보고되었습니다. 사례 기반 추론 접근 방식은 자율 능력을 달성하는 데 도움이 될 수 있는 과거 경험을 활용합니다. 사례 형태의 사례 기반에 더 많은 경험이 추가됨에 따라 학습 과정이 향상됩니다. 이로 인해 케이스 기반이 더 커집니다. 사례 기반이 클수록 계산 비용 측면에서 효율성이 감소합니다. 이러한 효율성 문제를 극복하기 위해 본 논문에서는 보고된 문제의 해결책을 찾기 위해 사례 기반을 클러스터링하는 것을 제안합니다. 이 접근 방식은 새 사례를 사례 기반의 관련 클러스터로 제한하여 검색 복잡성을 줄입니다. 사례 기반 클러스터링은 일회성 프로세스이므로 정기적으로 반복할 필요가 없습니다. 본 문서에서 제안된 접근 방식은 새로운 클러스터형 CBR 프레임워크의 형태로 설명되었습니다. 제안된 프레임워크는 AFFA(Autonomic Forest Fire Application) 시뮬레이션에서 평가되었습니다. 이 문서에서는 시뮬레이션된 AFFA의 개요와 제안된 프레임워크에서 사례 기반을 클러스터링하기 위한 세 가지 다른 클러스터링 알고리즘에 대한 결과를 제시합니다. 기존 CBR 접근 방식과 클러스터형 CBR 접근 방식의 성능 비교는 ARP(Accuracy, Recall and Precision) 및 계산 효율성 측면에서 제시되었습니다.

발행
IEICE TRANSACTIONS on Information Vol.E93-D No.11 pp.3005-3016
발행일
2010/11/01
공개일
온라인 ISSN
1745-1361
DOI
10.1587/transinf.E93.D.3005
원고의 종류
PAPER
범주
컴퓨터 시스템

작성자

키워드