FSE/ASE勉強会 A10：Software Maintenance II

Presentation on theme: "FSE/ASE勉強会 A10：Software Maintenance II"— Presentation transcript:

1 FSE/ASE勉強会 A10：Software Maintenance II
紹介者：肥後芳樹 2012/3/21

2 Antonio Filieri Carlo Ghezzi Alberto Leva Martina Maggio
Self-Adaptive Software Meets Control Theory: A Prelimnary Approach Supporting Reliability Requrement Antonio Filieri Carlo Ghezzi Alberto Leva Martina Maggio 2012/3/21

3 概要 Control-theoretical なアプローチを用いることによりモデルレベルでのself-adaptation（自己適用？）を達成 モデルには離散時間マルコフ連鎖を利用 シミュレーションで評価 必要とされる信頼性を時間に応じて変化させ，モデルがどのように振る舞うのかを観察 2012/3/21

4 Self-Adaptive（自己適用型）とは
環境の変化に応じて，その変化に対応すべく自身の振る舞いを変化させること この論文では，要求される信頼性を満たし続けることがself-adaptiveと定義 実験では，要求される信頼性は数値として与えられる 2012/3/21

5 なぜ離散時間マルコフ連鎖を用いるのか 可能性として起こりうる異常状態をモデル化することにより，信頼性に関する事柄を表現できる
要求される信頼性は，モデル上における（以上状態等の）ある状態への遷移の到達可能性として表現されうる 2012/3/21

6 Generalizing Evolutionary Coupling with Stochastic Dependencies
Sunny Wong Yuanfang Cai 2012/3/21

7 概要 マルコフ連鎖を用いてStochastic Dependencies （確立論的な依存関係）定義
5つのソフトウェアの計78のリリースに対して実験 16種類の Stochastic Dependenciesを用いた 既存手法よりは精度が良かった 2012/3/21

8 手法の概要 下記の履歴があったとき cに対するstochastic dependenciesは 工夫点は 大昔のリビジョン情報は使わない
{a,b}, {a,c}, {d}, {a,b}, {a}, {a,b,c}, {b,d}, {a}, {a,d}, {c}, {a,c}, {a} cに対するstochastic dependenciesは 工夫点は 大昔のリビジョン情報は使わない 履歴データには重み（λ）をつける p.295（論文3ページ目）の表 2012/3/21

9 評価方法 Research Questionは4つ 精度は，precision，recall，F値を算出することにより比較
Structure-based IA(Impact Analysis) techniquesと比べてどうか CBO等のメトリクス，依存グラフ（呼び出し関係？） History-based IA techniquesと比べてどうか Kとλをなくしたもの（アイテムセットマイニングのようなもの？） k（大昔の履歴とみなすしきい値）はどの程度精度に影響を与えるか λ（用いる履歴の重み付け）はどの程度精度に影響を与えるか 精度は，precision，recall，F値を算出することにより比較 2012/3/21

10 実験結果 RQ1：すべての対象，すべてのkとλの組み合わせで提案手法が有意に良い
RQ4：const,line,sine,exponで調査 ソフトウェアによって違う 2012/3/21

11 感想 手法に斬新さはあまりない（ような気がする…） 評価がしっかりしている 4ページ目からevaluationの章が始まる
複数の既存手法との比較 Discussionに約1ページ使っている 2012/3/21

12 Jeffrey L. Overbey Ralph E. Johnson
Differential Precondition Checking: A Lightweight Reusable Analysis for Refactoring Tools Jeffrey L. Overbey Ralph E. Johnson 2012/3/21

13 概要 リファクタリングの自動化で難しいのは，そのリファクタリングが振る舞いを変えないことを保証すること
この論文では，この保証のための新しい手法を提案 高速 さまざまなリファクタリングパターンに対応 多言語対応 Fortran，PHP，BCで実験 2012/3/21

14 提案手法の流れ ソースコードからモデルを生成（initial model） ソースコードに対してリファクタリングを適用
リファクタリング後のソースコードからモデルを生成（derivative model） Initial modelとderivative modelに対してpreservation analysisを実行 成功ならそのリファクタリングは振る舞いを変えない そうでないなら振る舞いを変えてしまう 2012/3/21

15 用いたモデル Program graph AST+CFG+PDGを合わせたようなもの？ p.306（論文の4ページ目の図）
2012/3/21 p.306（論文の4ページ目の図）

16 評価 多言語化の評価 スピード このうちのいくつかはEclipseのCDTやJDTでもやってみた
既存手法よりは遅いけど，数秒程度であり許容範囲内 p.310(論文8ページ目の表) 2012/3/21