Otimização interativa de projeto de arquitetura de linha de produto de software

Abstract

RESUMO: A busca constante por redução de custos, melhoria de qualidade e aumento na velocidade de desenvolvimento de softwares tem feito a indústria utilizar cada vez mais o conceito de reúso. Uma das formas de reúso que tem se destacado é a Linha de Produto de Software (LPS). Em LPS, todo o processo de desenvolvimento é feito considerando-se o futuro reúso de partes/componentes. Para um projeto de LPS é fundamental a definição de uma arquitetura central que represente um design de alto nível para todos os produtos de uma LPS, a Arquitetura de Linha de Produto de Software (ALPS). O projeto de uma ALPS pode envolver vários fatores, muitas vezes conflitantes, o que torna o mesmo uma tarefa que demanda grande esforço humano. A abordagem MOA4PLA, com o suporte da ferramenta OPLA-Tool, possibilita, a partir de um processo de otimização multiobjetivo a geração de um conjunto de soluções alternativas a uma ALPS dada como entrada, otimizadas a partir de métricas específicas de LPS. Processos de otimização como este são estudados em um campo de pesquisa denominado Search Based Software Engineering (SBSE). Pesquisas em SBSE têm demonstrado que a inclusão da opinião do Decision Maker (DM), através de processos interativos, durante o processo de otimização, tem possibilitado o surgimento de soluções que melhor se adéquam a cada DM. Contudo, estas pesquisas apontam também para o surgimento do problema da fadiga. O tratamento deste problema pode ser feito a partir da utilização de algoritmos de Aprendizagem de Máquina (AM). Este trabalho teve como objetivos a inserção da opinião do DM (arquiteto de software) durante o processo de otimização e a incorporação de um modelo de AM na MOA4PLA/OPLA-Tool. Para isso, foram executados três experimentos (Exp 01, Exp 02, Exp 03). Exp 01 visou avaliar a viabilidade do processo interativo. Exp 02 testou três diferentes estratégias para a composição do conjunto de dados de treinamento do modelo de AM. Exp 03 avaliou o Modelo Interativo Proposto (MIP) como um todo (processo interativo + modelo de AM). Estes experimentos permitiram concluir que o MIP possibilita a geração de alternativas de ALPS que melhor atendem as expectativas do arquiteto e, além disso, o modelo de AM adotado foi apto em capturar as preferências de cada arquiteto e pôde substituí-lo com eficiência no processo de avaliação de ALPS.

ABSTRACT: The constant pursuit of cost reduction, quality improvement and increased development speed has made the industry increasingly use the concept of reuse. One of the forms of reuse that has stood out is the Software Product Line (SPL). In SPL, the entire development process is done considering the future reuse of parts/components. For an SPL project it is critical to define a core architecture that represents a high-level design for all SPL products, the Product Line Architecture (PLA). The design of a PLA can, often, involve several conflicting factors, which makes it a task that requires great human effort. The MOA4PLA approach, supported by the OPLA-Tool, enables, from a multi-objective optimization process, the generation of a set of alternative solutions of an initial PLA, optimized from SPL specific metrics. Optimization processes are studied in a research field called Search-Based Software Engineering (SBSE). Researches in SBSE has shown that the inclusion of Decision Maker (DM) opinion through interactive processes, during the optimization process, has enabled the emergence of more adequate solutions to each DM. However, these researches also points to the emergence of the fatigue problem. The treatment of this problem can be done by using Machine Learning (ML) algorithms. This work aimed to insert the DM’s opinion (software architect’s) during the optimization process and the incorporation of an ML model in the MOA4PLA/OPLA-Tool. For this, three experiments were performed (Exp 01, Exp 02, Exp 03). Exp 01 aimed to evaluate the viability of the interactive process. Exp 02 tested three different strategies for composing the ML training data set. Exp 03 evaluated the Proposed Interactive Model (PIM) as a whole (interactive process + ML model). These experiments led to the conclusion that PIM enables the generation of PLA alternatives that best meet the architect’s expectations and, moreover, the ML model adopted was able to capture the preferences of each architect and could effectively replace it in the interactive process.