本發(fā)明屬于計(jì)算機(jī)技術(shù)領(lǐng)域，具體地涉及一種基于子樹分解的軟件產(chǎn)品線產(chǎn)品派生方法。

背景技術(shù)：

軟件產(chǎn)品線是一組相關(guān)聯(lián)的系列產(chǎn)品，也被稱為產(chǎn)品家族。各軟件產(chǎn)品擁有共同的核心資產(chǎn)，產(chǎn)品家族中產(chǎn)品成員之間的差異被稱為可變性。通常使用特征模型來描述這樣的一個(gè)產(chǎn)品集合，特征往往對應(yīng)著系統(tǒng)的功能模塊，組成構(gòu)件等。而產(chǎn)品是由一組選定的特征構(gòu)成，特征模型定義了特征與特征之間的約束關(guān)系，判定由特征生成產(chǎn)品的有效性。對于軟件產(chǎn)品線而言，產(chǎn)品派生是指從其領(lǐng)域工程所得到的特征模型上選擇合適的特征，然后由選擇的特征構(gòu)建軟件產(chǎn)品的過程。如何復(fù)用核心資產(chǎn)并高效率的進(jìn)行軟件產(chǎn)品的派生是研究軟件產(chǎn)品線的重要目的。目前主流算法是利用多目標(biāo)優(yōu)化算法來進(jìn)行特征選擇。

在具體應(yīng)用領(lǐng)域，一個(gè)合法(沒有約束違反情況)的產(chǎn)品才是能實(shí)際可行的方案。產(chǎn)品有效率將是軟件產(chǎn)品線特征模型選擇問題的一個(gè)很重要的評估指標(biāo)?，F(xiàn)有算法，例如sayyad以及henard等人的研究中，最終種群的有效個(gè)體比率(vr)指標(biāo)則表現(xiàn)不佳。具體到問題本身，由于當(dāng)前對特征模型進(jìn)行基因編碼時(shí)，當(dāng)前算法大部分對特征模型進(jìn)行直接編碼，基因節(jié)點(diǎn)之間的相關(guān)性太高，交叉變異過程中難以保持子代的有效性，進(jìn)而導(dǎo)致最終解集的產(chǎn)品有效率較低的情況出現(xiàn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于針對現(xiàn)有技術(shù)的缺陷，提供基于子樹分解的軟件產(chǎn)品線產(chǎn)品派生方法。

本發(fā)明的技術(shù)方案如下：一種基于子樹分解的軟件產(chǎn)品線產(chǎn)品派生方法，包括如下步驟：

a、從待進(jìn)行產(chǎn)品派生的產(chǎn)品線提取得到特征模型；

b、采用遺傳算法對所述特征模型進(jìn)行特征選擇，形成新的解集；

c、將步驟b得到的所有解集，按照特征模型變異對應(yīng)的解釋，轉(zhuǎn)換為對應(yīng)的產(chǎn)品配置，并交由產(chǎn)品線其他工序生成最終產(chǎn)品。

優(yōu)選地，步驟a具體包括如下步驟：

a1、使用步驟xml格式從待進(jìn)行產(chǎn)品派生的產(chǎn)品線提取得到特征模型；

a2、將得到的特征模型轉(zhuǎn)化為cnf格式，便于調(diào)用步驟at求解器以及約束違反項(xiàng)的計(jì)數(shù)。

優(yōu)選地，在步驟b具體包括如下步驟：

b1、根據(jù)步驟a得到的特征模型獲得所有特征樹子樹；

b2、隨機(jī)選擇所述特征模型中的一個(gè)特征樹子樹，并將所述特征樹子樹對應(yīng)的基因位進(jìn)行交叉操作；

b3、將交叉得到的個(gè)體進(jìn)行單點(diǎn)變異操作，融合親代個(gè)體與子代個(gè)體形成一個(gè)新種群，對所述新種群中的所有個(gè)體進(jìn)行適應(yīng)度計(jì)算，按照適應(yīng)度大小排序從而得到新的解集。

優(yōu)選地，在步驟b1中具體包括如下步驟：

b11、建立所述特征樹子樹的根節(jié)點(diǎn)集合，其中，所述根節(jié)點(diǎn)集合是特征樹所有節(jié)點(diǎn)組成的集合；

b12、從跨子樹約束集合中取出一條約束，對所述約束中的對應(yīng)特征樹上的兩個(gè)節(jié)點(diǎn)求取最小公共祖先節(jié)點(diǎn)，并將所述兩個(gè)節(jié)點(diǎn)到所述最小公共祖先節(jié)點(diǎn)路徑上的所有節(jié)點(diǎn)從所述根節(jié)點(diǎn)集合中移除；

b13、不斷重復(fù)步驟b12直到所述跨子樹約束集合為空，則所述根節(jié)點(diǎn)集合中包含所有的特征樹子樹的根節(jié)點(diǎn)。

優(yōu)選地，在步驟b2中具體包括如下步驟：

b21、從所述特征樹子樹的根節(jié)點(diǎn)集合中移除特征樹的根節(jié)點(diǎn)；

b22、對所有特征樹子樹所含的節(jié)點(diǎn)數(shù)進(jìn)行計(jì)數(shù)，按照輪盤選擇算法選擇待交叉的子樹根節(jié)點(diǎn)，得到所有待交叉的基因位；

b23、判斷親代個(gè)體中待交叉的根節(jié)點(diǎn)對應(yīng)的基因位是否均為true，如果是，則進(jìn)行交叉操作，如果否，則重復(fù)步驟b22得到新的待交叉基因位。

本發(fā)明提供的技術(shù)方案具有如下有益效果：

所述基于子樹分解的軟件產(chǎn)品線產(chǎn)品派生方法可以在遺傳算法的框架下高效地對具體的軟件產(chǎn)品線工程特征模型進(jìn)行產(chǎn)品派生；而且，通過設(shè)計(jì)基于特征樹子樹的新交叉算子來改進(jìn)迭代效果，可以根據(jù)實(shí)際表現(xiàn)顯著地提高最終解集的有效產(chǎn)品率。

附圖說明

圖1是一個(gè)簡單手機(jī)樣例的特征樹子樹結(jié)構(gòu)示意圖；

圖2是本發(fā)明實(shí)施例提供的基于子樹分解的軟件產(chǎn)品線產(chǎn)品派生方法的流程框圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

除非上下文另有特定清楚的描述，本發(fā)明中的元件和組件，數(shù)量既可以單個(gè)的形式存在，也可以多個(gè)的形式存在，本發(fā)明并不對此進(jìn)行限定。本發(fā)明中的步驟雖然用標(biāo)號進(jìn)行了排列，但并不用于限定步驟的先后次序，除非明確說明了步驟的次序或者某步驟的執(zhí)行需要其他步驟作為基礎(chǔ)，否則步驟的相對次序是可以調(diào)整的。可以理解，本文中所使用的術(shù)語“和/或”涉及且涵蓋相關(guān)聯(lián)的所列項(xiàng)目中的一者或一者以上的任何和所有可能的組合。

需要說明的是，產(chǎn)品通常由一組選中的特征構(gòu)成，特征則對應(yīng)著具體系統(tǒng)的某項(xiàng)功能。特征模型(featuremodels)則可以被用來描述這樣的整個(gè)產(chǎn)品家族。特征模型可以用來表達(dá)一個(gè)產(chǎn)品線上的所有可能產(chǎn)品，并且能夠準(zhǔn)確的表達(dá)各個(gè)特征之間的約束關(guān)系。一個(gè)特征模型可由一顆特征樹來描述，由一系列特征以及之間的約束關(guān)系構(gòu)成：

a)親代特征及其子特征的約束關(guān)系；

b)跨子樹約束，通常是依賴和互斥關(guān)系。

一個(gè)特征模型通常能轉(zhuǎn)換成布爾析取范式(cnf)。字句代表了特征之間的約束關(guān)系，變量對應(yīng)著特征，可以是選中的特征(fi)或是未選中的特征整個(gè)特征模型可以表示成為一個(gè)布爾約束關(guān)系：其中l(wèi)j＝fj或如參考圖1所示的一個(gè)簡單手機(jī)特征模型為例，產(chǎn)品派生即從圖示9個(gè)節(jié)點(diǎn)中選擇需要的節(jié)點(diǎn)在滿足所有約束條件的情況下組成一個(gè)手機(jī)產(chǎn)品。

而且，一個(gè)產(chǎn)品配置由特征模型的組選中特征構(gòu)成，可以表示為：c＝{l1，…，lm}，其中l(wèi)j＝fj或fj表示產(chǎn)品配置中存在特征fj，表示產(chǎn)品配置中不存在特征fj。

例如，圖1中的一個(gè)產(chǎn)品配置為這個(gè)配置對應(yīng)的產(chǎn)品為沒有鍵盤但具備觸屏的手機(jī)，同時(shí)具備重力感應(yīng)和距離感應(yīng)兩類傳感器。由于并沒有違反特征模型中的約束條件，這個(gè)產(chǎn)品是有效的；

但是，將違反了特征模型中約束關(guān)系的配置稱為無效配置，例如則為一個(gè)無效產(chǎn)品配置，它違反了f6→f3的約束關(guān)系。

多目標(biāo)優(yōu)化通常用來研究在具體領(lǐng)域下多個(gè)目標(biāo)同時(shí)最優(yōu)化的問題。多目標(biāo)優(yōu)化問題可以由一組目標(biāo)函數(shù)以及相關(guān)的約束條件組成。令x為產(chǎn)品線步驟pl的所有的可能配置空間，v＝[f1(x)，…，fk(x)]^t為k個(gè)目標(biāo)函數(shù)的優(yōu)化目標(biāo)向量。為了使得k個(gè)目標(biāo)函數(shù)同時(shí)最小，即找到一個(gè)配置項(xiàng)，使得目標(biāo)向量v最小。

基于上述描述，本發(fā)明實(shí)施例提供的基于子樹分解的軟件產(chǎn)品線產(chǎn)品派生方法使用ibea多目標(biāo)遺傳算法實(shí)現(xiàn)多目標(biāo)優(yōu)化的目的。

具體的，請參閱圖2，本發(fā)明實(shí)施例提供的基于子樹分解的軟件產(chǎn)品線產(chǎn)品派生方法具體地包括如下步驟：

步驟1、從待進(jìn)行產(chǎn)品派生的產(chǎn)品線提取得到特征模型。

具體的，在步驟1中，包括如下步驟：

步驟11、使用步驟xml格式從待進(jìn)行產(chǎn)品派生的產(chǎn)品線提取得到特征模型；

步驟12、將得到的特征模型轉(zhuǎn)化為cnf格式(布爾析取范式)，便于調(diào)用步驟at求解器以及約束違反項(xiàng)的計(jì)數(shù)。

步驟2、采用遺傳算法對所述特征模型進(jìn)行特征選擇，形成新的解集。

具體的，在步驟2具體包括如下步驟：

步驟21、根據(jù)步驟1得到的特征模型獲得所有特征樹子樹；

步驟22、隨機(jī)選擇所述特征模型中的一個(gè)特征樹子樹，并將所述特征樹子樹對應(yīng)的基因位進(jìn)行交叉操作；

步驟23、將交叉得到的個(gè)體進(jìn)行單點(diǎn)變異操作，融合親代個(gè)體與子代個(gè)體形成一個(gè)新種群，對所述新種群中的所有個(gè)體進(jìn)行適應(yīng)度計(jì)算，按照適應(yīng)度大小排序從而得到新的解集。

具體的，在步驟21中具體包括如下步驟：

步驟211、建立所述特征樹子樹的根節(jié)點(diǎn)集合，其中，所述根節(jié)點(diǎn)集合是特征樹所有節(jié)點(diǎn)組成的集合；

步驟212、從跨子樹約束集合中取出一條約束，對所述約束中的對應(yīng)特征樹上的兩個(gè)節(jié)點(diǎn)求取最小公共祖先節(jié)點(diǎn)，并將所述兩個(gè)節(jié)點(diǎn)到所述最小公共祖先節(jié)點(diǎn)路徑上的所有節(jié)點(diǎn)從所述根節(jié)點(diǎn)集合中移除；

步驟213、不斷重復(fù)步驟212直到所述跨子樹約束集合為空，則所述根節(jié)點(diǎn)集合中包含所有的特征樹子樹的根節(jié)點(diǎn)。

在步驟22中具體包括如下步驟：

步驟221、從所述特征樹子樹的根節(jié)點(diǎn)集合中移除特征樹的根節(jié)點(diǎn)；

步驟222、對所有特征樹子樹所含的節(jié)點(diǎn)數(shù)進(jìn)行計(jì)數(shù)，按照輪盤選擇算法選擇待交叉的子樹根節(jié)點(diǎn)，得到所有待交叉的基因位；

步驟223、判斷親代個(gè)體中待交叉的根節(jié)點(diǎn)對應(yīng)的基因位是否均為true，如果是，則進(jìn)行交叉操作，如果否，則重復(fù)步驟222得到新的待交叉基因位。

步驟3、將步驟2得到的所有解集，按照特征模型變異對應(yīng)的解釋，轉(zhuǎn)換為對應(yīng)的產(chǎn)品配置，并交由產(chǎn)品線其他工序生成最終產(chǎn)品。

例如，圖1是一個(gè)簡單手機(jī)樣例的特征樹子樹，圖中橢圓所圍的節(jié)點(diǎn)構(gòu)成所有的特征樹子樹，在進(jìn)行交叉時(shí)，以特征節(jié)點(diǎn)“傳感器”作為父節(jié)點(diǎn)的子樹可以作為一顆特征樹子樹，設(shè)“傳感器”、“重力感應(yīng)”和“距離感應(yīng)”在編碼中分別編碼為f4，f2，f9，則進(jìn)行交叉操作時(shí)，親代的個(gè)體的f4，f2，f9三個(gè)基因位將同時(shí)交換。

又例如，以圖1為例，在步驟2中采用遺傳算法對所述特征模型進(jìn)行特征選擇，形成新的解集的過程具體如下：

1)設(shè)定參數(shù)，本次示例中種群大小設(shè)為300，變異概率設(shè)為為染色體長度的倒數(shù)，即1/clength，clength為染色體中的基因個(gè)數(shù)；

2)對特征模型進(jìn)行染色體編碼，采用二進(jìn)制編碼，ture表示選定，false表示未選定，參考圖1所示的模型編碼如下：

3)初始化種群，采用隨機(jī)初始化，即個(gè)體的染色體基因位隨機(jī)選擇0或者1；

4)判斷是否達(dá)到給定的迭代代數(shù)，是則結(jié)束操作，選擇種群中所有未違反約束條件的個(gè)體作為最終得到的產(chǎn)品配置。否則繼續(xù)執(zhí)行下一步操作；

5)采用錦標(biāo)賽選擇法，挑選出親代個(gè)體進(jìn)行交叉操作，交叉操作需要按照本發(fā)明設(shè)計(jì)的特征樹子樹交叉的方法，即隨機(jī)選擇特征模型中的一顆特征樹子樹，將特征樹子樹對應(yīng)的基因塊進(jìn)行交叉；

6)對交叉得到的個(gè)體進(jìn)行單點(diǎn)變異操作；

7)融合親代個(gè)體與子代個(gè)體稱為一個(gè)新種群，對新種群中的所有個(gè)體進(jìn)行適應(yīng)度計(jì)算，按照適應(yīng)度大小排序，挑選出前300個(gè)個(gè)體保留，進(jìn)行操作4)。

相較于現(xiàn)有技術(shù)，本發(fā)明具有如下有益效果：所述基于子樹分解的軟件產(chǎn)品線產(chǎn)品派生方法可以在遺傳算法的框架下高效地對具體的軟件產(chǎn)品線工程特征模型進(jìn)行產(chǎn)品派生；而且，通過設(shè)計(jì)基于特征樹子樹的新交叉算子來改進(jìn)迭代效果，可以根據(jù)實(shí)際表現(xiàn)顯著地提高最終解集的有效產(chǎn)品率。

對于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實(shí)施例的細(xì)節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實(shí)現(xiàn)本發(fā)明。因此，無論從哪一點(diǎn)來看，均應(yīng)將實(shí)施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權(quán)利要求而不是上述說明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有變化囊括在本發(fā)明內(nèi)。不應(yīng)將權(quán)利要求中的任何附圖標(biāo)記視為限制所涉及的權(quán)利要求。

此外，應(yīng)當(dāng)理解，雖然本說明書按照實(shí)施方式加以描述，但并非每個(gè)實(shí)施方式僅包含一個(gè)獨(dú)立的技術(shù)方案，說明書的這種敘述方式僅僅是為清楚起見，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)將說明書作為一個(gè)整體，各實(shí)施例中的技術(shù)方案也可以經(jīng)適當(dāng)組合，形成本領(lǐng)域技術(shù)人員可以理解的其他實(shí)施方式。