تکنیکهای هوش مصنوعی از قبیل یادگیری، بهصورت گستردهای در سیستمهای مبتنی بر عامل به کار میروند. اما در زمینه ارائه یک دیدگاه مهندسی نرمافزاری از این تکنیکها برای کل چرخه حیات نرمافزار شامل تحلیل، طراحی و تست، در حال حاضر کاستیهایی وجود دارد. در این تحقیق با تمرک More
تکنیکهای هوش مصنوعی از قبیل یادگیری، بهصورت گستردهای در سیستمهای مبتنی بر عامل به کار میروند. اما در زمینه ارائه یک دیدگاه مهندسی نرمافزاری از این تکنیکها برای کل چرخه حیات نرمافزار شامل تحلیل، طراحی و تست، در حال حاضر کاستیهایی وجود دارد. در این تحقیق با تمرکز بر مرحله تحلیل نیازمندی بهعنوان یکی از نخستین مراحل فرآیند تولید نرمافزار، ابزارها و تکنیکهایی برای رفع این کمبودها در مرحله تحلیل پیشنهاد شده است. بدین منظور در این مقاله، مجموعهای از الگوهای تحلیل پایای نرمافزار ارائه شده است. الگوهاي تحليل پایای نرمافزار، مجموعهاي از کلاسهاي عمومي (فراکلاسها) و ارتباطهای میان آنها برای تحلیل یک موضوع خاص هستند که در قالبي مستقل از دامنه مسأله مدلسازی میشوند. این الگوها بر اساس نظریه مدل پایای نرمافزار با معرفی مضمونهای تجاری مانا، اشیای تجاری و اشیای صنعتی مدل مفهومی قابلیت یادگیری را بازنمایی میکنند. این الگوها در دو سطح تجرد ارائه شدهاند و شامل الگوهای یادگیری، نقش، محیط، دانش و نقد میباشند. در این مقاله همچنین روش استفاده از الگوهای ارائهشده برای تحلیل قابلیت یادگیری عامل در دو سیستم مختلف مبتنی بر عامل تشریح شده است. این الگوها میتوانند بهعنوان راهنما در تحلیل عاملهای نرمافزاری یادگیر به کار روند. مزیت استفاده از این الگوها نسبت به روشهای کلاسیک تحلیل نرمافزار آن است که علاوه بر کلاسهای متداول مرتبط با یادگیری در دامنه مسأله، فراکلاسهایی را در مدل تحلیل سیستم بازنمایی میکنند که دانش مرتبط با تحلیل یادگیری را نیز مدل میکنند. همچنین با در نظر گرفتن لایههای مختلف در تحلیل، موجب تولید مدلهایی میشوند که پایداری بیشتری نسبت به تغییرات دارند.
Manuscript profile
Rimag
Rimag is an integrated platform to accomplish all scientific journal requirements such as submission, evaluation, reviewing, editing, DOI assignment and publishing in the web.