基于最小置信度的嵌入式软件成熟度静态分析

陈会平

(四川工业科技学院 电子信息与计算机工程学院, 四川 德阳 618500)

0 引 言

随着嵌入式软件发展日益成熟, 嵌入式软件成熟度静态分析工作受到社会的高度重视, 引起许多测评机构对其进行分析和研究[1-2]。但在嵌入式软件静态分析方面, 由于各项测试单位本身对测试等级和测试类型的要求差异, 目前还没有形成完全规范且覆盖全部测试等级的方法, 尤其是在静态分析以及部件测试方面存在十分明显的差异。由于嵌入式型号软件测试周期十分紧缺, 相关专家主要通过简单的静态分析进行测试。任武[3]利用聚类技术将系统划分为多个更小且容易控制的子系统, 将软件的主要特征设定为出发点, 组建目标系统的核心架构, 分析不同结构和模块间的关联性, 全面添加到已经构建的聚类中, 完成静态分析。李家栋[4]主要使用动态模拟分析软件(AFT： Aft fathom)和CAESAR II两者相结合, 在AFT软件中模拟计算出水击载荷, 同时将结果导入CAESAR II中进行静态分析。以上两种算法由于未能加入最小置信度及大数据技术, 导致静态分析结果不理想, 且静态分析费用偏高。笔者进行基于最小置信度的嵌入式软件成熟度静态分析, 仿真实验结果表明, 所提算法不仅能有效减少静态分析费用, 同时还能获取更加理想的静态分析结果。

1 基于最小置信度及大数据的嵌入式软件成熟度评价指标预处理

嵌入式软件成熟度评价是进行静态分析的基础, 通过嵌入式软件成熟度评价体系描述人类对嵌入式软件的认知和理解程度, 同时也能描述评价过程的具体进展[5-6]。结合相关标准定义, 同时将最小置信度作为隶属准则, 组建嵌入式软件成熟度评价指标体系, 具体如图1所示。

图1 嵌入式软件成熟度评价指标体系Fig.1 Evaluation index system of embedded software maturity

在评价指标体系中, 嵌入式软件成熟度评价主要是通过多个不同的方面进行衡量, 以下进行详细地分析。

1) 嵌入式软件成熟度功能性主要是由准确性以及适应性等4个不同的评价指标组成。

2) 嵌入式软件成熟度可靠性主要是由容错性以及成熟性等4个评价指标组成。

3) 嵌入式软件成熟度维护性主要是由易分析性以及易改变性等5个评价指标组成。

4) 嵌入式软件成熟度易用性主要是由易学性以及易理解性等5个评价指标组成。

5) 嵌入式软件成熟度移置性主要是由适应性以及共存性等5个评价指标组成[7-8]。

6) 嵌入式软件成熟度效率主要是由时间特性以及资源利用特性等3个评价指标组成。

当评价指标体系建立后, 需结合大数据技术对指标一致化和无量纲化处理, 得到有效指标。以下给出具体的操作过程。

评价指标体系中共含有n个被评价对象, 使用m个评价指标对评价对象的运行情况进行分类和排序[9], 则有

(1)

其中Xij表示第i个评价对象中第j个评价指标对应的观测值；Yi表示第i个被评价对象的综合取值。通过式(1)可知, 对评价结果可靠性产生影响的主要因素为Xj和不同指标的权重wj。

主要采用Delphi对各项评价指标进行筛选, 这是一种目前使用范围比较广泛的调研方式。在设计评价准则过程中, 可以在评价指标中随机抽取一项, 然后分别咨询每位专家的意见。经过多轮研究分析后, 使全部专家的意见达到统一, 以此为依据确定评价指标体系[10]。

最小均方差法的主要指导思想为： 设定n个被评价对象中各评价指标的具体取值范围, 虽然评价指标在评价体系中占据十分重要的地位, 但对评价对象而言没有任何实际意义和作用。所以, 为全面降低各项评价指标之间的关联性, 需要剔除无利用价值的指标。其中样本的均方差表示为

(2)

(3)

通常情况下, 在指标X1,X2,…,Xm中各种类型的指标, 对指标集X而言, 可以进行以下形式的划分

(4)

其中Xi(i=1,2,3,4)表示4种不同类型的指标集。

指标集X1,X2,…,Xm在综合评价前期需要对各项指标进行一致化处理[11-12], 否则将无法判定评价函数Yi的取值在什么区间内能达到最优。

对居中型指标X, 需要设定

(5)

对区间指标X1, 需要设定

(6)

通过设定的条件均可将指标转换为极大型指标。

一般情况下, 由于评价体系中各评价指标的来源和量级不同, 从而使指标之间的不可公度性也不同。下面需要借助大数据技术对各项指标进行预处理, 具体操作流程如下。

1) 中心化处理。现阶段使用比较广泛的无量纲化方法的计算式为

(7)

经上述处理后, 指标Xij的平均取值为0, 方差为1, 全面消除量纲和数量级两者对评价指标的影响, 促使各项指标达到统一。

(8)

通过上述操作, 有效实现评价指标的标准化和无量纲化处理。

1.2 嵌入式软件成熟度静态分析

嵌入式软件成熟度静态分析需要将问卷调查和综合评价方法两者进行结合, 以此为依据组建嵌入式软件成熟度评价模型, 同时设定多个维度的技术成熟度综合评估问卷, 计算每个维度对应的专家权重。结合上述分析, 构建综合评价模型, 对嵌入式软件成熟度进行综合属性测度分析, 最终引入判断准则完成嵌入式软件成熟度静态分析。

嵌入式软件成熟度评价问卷调查的设计主要是以嵌入式软件成熟度模型中相关的理论依据作为蓝本, 将相关内容进行统计和扩展, 制定对应的问题集。

嵌入式软件成熟度评估维度权重主要是通过不同项目的背景所设定的。根据问卷调查方式[13], 采用层次分析法(AHP： Analytic Hierarchy Process)方法赋予嵌入式软件成熟度评价维度权重。另外, 在实际评价过程中, 需要优先考虑评价专家的知识经验以及地位等相关信息； 否则, 无法根据结果反映嵌入式软件的成熟度。

结合上述分析, 优先利用问卷调查的形式进行评价, 但专家权重的取值会对评价结果产生较大程度的影响。因为专家权重主要是针对每位专家的意见进行综合评价分析, 计算专家意见的可信度, 同时确定最终获取评价结果的准确性。其中, 专家权重系数的设定需要遵循图2所示得到的几种原则。

属性数学被广泛应用于各种不同的研究领域中, 以属性数学为依据组建嵌入式软件成熟度综合评价模型, 具体如图3所示。

图2 专家权重系数的设定原则 图3 嵌入式软件成熟度综合评价模型 Fig.2 Principles for setting expert Fig.3 Comprehensive evaluation model weight coefficients of embedded software maturity

通过嵌入式软件成熟度综合评价模型进行软件成熟度属性测试分析, 根据属性评价原理能获取维度Ij相对于评价类C1,C2,C3,…,C9的属性测度分类标准矩阵[14-15], 具体表达形式如下

(9)

根据多评价指标属性测度的计算式可知, 技术成熟度对评价类别C1,C2,C3,…,C9的综合测度表示为

(μ1,μ2,…,μ9)=W·R

(10)

其中W表示4维行向量；R表示4×9矩阵。

根据不同评价目的分别采取不同的分析准则。

1) 单项技术成熟度判定时的识别准则。通过属性综合评估原理, 针对有序评价类{C1,C2,C3,…,C9}, 要识别技术T属于哪一类, 同时还需要使用置信度准则。

2) 技术方案优选准则。技术方案是由两个不同的备选技术构成, 其中技术T1的属性测度为μT1(Ci), 技术T2的属性测度为μT2(Ci), 通过评分准则对比T1和T2。

结合上述原则, 通过构建的模型全面进行综合属性测度分析, 最终利用判断准则实现嵌入式软件成熟度静态分析。

2 仿真实验

为验证所提基于最小置信度的嵌入式软件成熟度静态分析方法的有效性, 实验选取100个嵌入式软件作为测试样本进行实验分析, 以下给出详细的实验对比结果。

为更加全面验证嵌入式软件成熟度静态分析结果的好坏, 实验选取评价结果可信度以及嵌入式软件成熟度评价相对误差作为测试指标, 具体实验结果如图4所示。

从图4可以看出, 相比另外两种算法, 所提算法的评价结果可信度更高, 同时相对误差更低。由此证明, 所提算法能获取准确度更高的嵌入式软件成熟度静态分析结果。

a 评价结果可信度 b 相对误差图4 不同算法的嵌入式软件成熟度静态分析结果对比Fig.4 Comparison of static analysis results of embedded software maturity for different algorithms

为更进一步验证所提算法的性能, 实验对比了3种不同算法的嵌入式软件成熟度静态分析费用, 具体实验结果如表1所示。

表1 不同算法的嵌入式软件成熟度静态分析费用对比结果

从表1可知, 当测试样本数量开始持续增加, 每种算法的嵌入式软件成熟度静态分析费用也开始呈直线上升趋势。但由于所提算法在实际研究过程中以最小置信度作为隶属原则, 构建评价指标体系, 同时还利用大数据技术对评价指标进行一致化和无量纲化处理, 从而使整个算法的操作流程得到有效优化, 同时整个算法的静态分析费用也得到有效降低, 并且明显低于另外两种算法。

3 结 语

针对传统静态分析算法存在的问题, 提出一种基于最小置信度的嵌入式软件成熟度静态分析算法。仿真实验结果表明, 所提算法能获取高精度的嵌入式软件成熟度静态分析结果, 同时还能有效减少静态分析费用。