Ontological model and decision-making algorithm for the selection of software development tools

Proshkina Elena Nikolaevna PhD in Technical Science Associate Professor, Department of Mathematical Support and Application of Computers, Penza State University 440026, Russia, Penzenskaya oblast', g. Penza, ul. Krasnaya, 40 enp58@list.ru Balashova Irina Yur'evna PhD in Technical Science Associate Professor, Department of Mathematical Support and Application of Computers, Penza State University 440026, Russia, Penzenskaya oblast', g. Penza, ul. Krasnaya, 40 irs-80@mail.ru

Dzyuba Elena Anatol'evna Senior Lecturer, Department of Mathematical support and application of a computer, Penza State University 440026, Russia, Penzenskaya oblast', g. Penza, ul. Krasnaya, 40 kazakova_ea@mail.ru

Введение

В настоящее время в связи с большим разнообразием инструментальных средств разработки проблема выбора возникает на каждом этапе жизненного цикла программного обеспечения. Существует множество средств автоматизации, которые могут быть использованы на одном или нескольких этапах жизненного цикла сразу. Они позволяют автоматизировать отдельные этапы разработки программного обеспечения, что уменьшает трудоемкость и временные затраты, связанные с управлением жизненным циклом программного обеспечения. ^[1]

Выбор инструментальных средств разработки программного обеспечения осуществляется на основе множества критериев: стоимость, сопровождение, выполняемые функции, поддерживаемые этапы жизненного цикла, поддерживаемые стандарты, нотации, методологии, интеграция с другими средствами разработки, используемые платформы, программно-аппаратные требования, поддерживаемые форматы представления данных. Поэтому поиск инструментального средства с оптимальным набором значений по всем этим критериям является довольно непростой задачей.

Онтологическая модель принятия решений по выбору инструментальных средств разработки программного обеспечения

Для построения онтологической модели принятия решений по выбору инструментальных средств разработки программного обеспечения необходимо определить множества ее классов, отношений между классами, атрибутов классов и функций на множестве классов и отношений онтологии.

Определим классы онтологической модели принятия решений по выбору инструментальных средств разработки программного обеспечения:

сущность, этап жизненного цикла (ЖЦ), класс инструментального средства (ИС), множество ИС, пакет ИС, инструментальное средство, критерий оценки, функция, нотация, стандарт, методология, платформа, производитель, язык программирования.

Классы построенной онтологической модели образуют таксономию ^[2]. Представим онтологическую модель принятия решений по выбору инструментальных средств разработки программного обеспечения в виде неоднородного ориентированного графа (рис.1).

Рисунок 1 Граф онтологической модели принятия решений по выбору инструментальных средств разработки программного обеспечения

Для поддержки ведения онтологии и решения на ее основе задачи выбора инструментальных средств разработки программного обеспечения необходимо определить на построенной модели операции добавления и модификации основных концептов онтологии. Приведем операции, определенные на онтологической модели принятия решений по выбору инструментальных средств разработки программного обеспечения: операция добавления экземпляра класса, операция модификации экземпляра класса, операция удаления экземпляра класса, операция добавления атрибута класса, операция модификации атрибута, операция добавления отношения, операция модификации отношения, операция добавления класса, операция удаления класса.

Алгоритм принятия решений по выбору инструментальных средств разработки программного обеспечения

Для оценки и принятия решения по выбору инструментальных средств разработки программного обеспечения на основе представленной онтологической модели предлагается алгоритм, основанный на методе оценки подобия объектов в интеллектуальном пространстве знаний:

1. определение эталонного пакета инструментальных средств;

2. формирование набора потенциальных инструментальных средств;

3. формирование набора потенциальных пакетов инструментальных средств;

4. оценка подобия потенциальных пакетов и эталонного пакета инструментальных средств;

5. выбор пакета наиболее близкого к эталонному.

Каждое эталонное инструментальное средство задается множеством классов :

и множеством экземпляров классов с экземплярами отношений между ними.

Эталонный пакет задается множеством классов :

и множеством экземпляров классов с экземплярами отношений между ними.

Для оценки онтологических мер близости объектов чаще всего используют теоретико-множественный подход Тверски и как развитие этого подхода нормализованную модель, согласно которой мера близости двух объектов в интеллектуальном пространстве знаний определяется близостью метаописаний этих объектов ^[2,6]. Подобие между метаданными может быть определено через подобие входящих в него экземпляров понятий ^[4]:

где

- – величина близости метаописаний объекта и объекта ;

- – величина близости экземпляров понятий и , входящих в метаописания и соответственно.

При определении подобия экземпляров понятий выделяют три составляющие:

- таксономическое подобие (определяется на основе близости в иерархии онтологии);

- реляционное подобие (определяется на основе сходства отношений экземпляров);

- атрибутивное подобие (определяется на основе близости значений атрибутов экземпляров).

Подобие экземпляров понятий чаще всего определяют как аддитивную свертку трех ее составляющих ^[4], которую мы будем использовать для оценки подобия реального и эталонного инструментальных средств разработки программного обеспечения:

где

- – таксонометрическое подобие экземпляров понятий;

- – реляционное подобие экземпляров понятий;

- – атрибутивное подобие экземпляров понятий;

- и – веса соответствующих составляющих подобия экземпляров понятий.

Коэффициенты и определяются значениями атрибутов «Вес таксономического подобия», «Вес реляционного подобия» и «Вес атрибутивного подобия» класса «ИС» онтологической модели соответственно. Степень подобия двух экземпляров будет принимать значение из интервала ^[0,1].

Таксономическое подобие двух экземпляров и с учетом характера структуры онтологической модели будем определять как отношение числа общих суперпонятий обоих экземпляров к числу всех суперпонятий обоих экземпляров:

где – это множество вершин, которое содержит все вышележащие в таксономической иерархии вершины-понятия (суперпонятия) по отношению к заданной вершине-понятию и саму заданную вершину

То есть степень таксономического подобия двух экземпляров равна 1, если эти экземпляры равны, и равна 0, если эти экземпляры отличны друг от друга.

Степень реляционного подобия двух экземпляров и , где экземпляр соответствует некоторому эталону, принимая во внимание характер структуры онтологической модели, целесообразно вычислять только на основе тех отношений, для которых экземпляры и могут использоваться в качестве домена ^[3]. Тогда получим:

где и – множества отношений, в которых допускается использование в качестве домена экземпляров и соответственно.

Для каждого отношения из множества и экземпляра существует множество ассоциированных экземпляров :

Реляционное подобие двух экземпляров и с учетом отношения будем вычислять следующим образом:

Атрибутивное подобие экземпляров понятий основывается на подобии значений атрибутов этих экземпляров ^[5,6]. Атрибуты можно рассматривать как отношения, диапазоны которых представляют собой различные типы данных.

Пусть есть множество атрибутов экземпляра . Тогда множество общих атрибутов экземпляров и определяется как .

Введем понятие множества значений атрибута для экземпляра :

Близость значений и атрибута есть некоторое значение из диапазона от 0 до 1, то есть .

Значение близости значений определенного атрибута вычисляется в зависимости от типа и смыслового содержания атрибута ^[7,8,9]. Например, для строковых данных в качестве меры близости можно использовать минимальное число символов, которые нужно удалить или добавить при переходе из одной строки в другую. Для цифровых данных обычно используется инверсия разности, пронормированная максимальным значением атрибута ^[10,11].

Близость двух экземпляров и относительно атрибута вычисляется по формуле:

Тогда степень атрибутивного подобия двух экземпляров и , где экземпляр соответствует некоторому эталону целесообразно вычислять:

Учитывая характер задачи выбора инструментальных средств разработки программного обеспечения и структуры построенной онтологической модели, можно выделить только один атрибут, на основе которого встает необходимость вычисления атрибутивного подобия двух экземпляров. Этим атрибутов является «Значение стоимости» класса «ИС». Чаще всего возникает задача найти инструментальные средства, стоимость которых не превышает некоторого значения. Тогда атрибутивное подобие двух значений стоимости будет целесообразно вычислять по формуле:

где и – значения атрибута «Значение стоимости» экземпляров и соответственно, причем экземпляр соответствует некоторому эталону.

При формировании пакетов реальных инструментальных средств необходимо учитывать экземпляры отношения «интегрирован с», связывающие экземпляры класса «ИС». Значение атрибута «Значение стоимости» для сформированного экземпляра класса «Пакет ИС» будет вычисляться как сумма значений атрибутов «Значение стоимости» всех экземпляров класса «ИС», являющихся диапазоном отношения «содержит» для созданного экземпляра класса «Пакет ИС».

Конечным результатом работы предлагаемого алгоритма будет пакет инструментальных средств, который выбирается из множества альтернативных пакетов.

Заключение

Разработанная онтологическая модель и алгоритм принятия решений позволит вести онтологии для накопления и обработки знаний и фактов, необходимых для принятия решений о выборе инструментальных средств разработки программного обеспечения, сократить материальные и временные затраты на поиск согласованного решения по выбору инструментальных средств разработки программного обеспечения.