【技术实现步骤摘要】
本专利技术涉及数据分析，具体涉及一种基于多维分析和自适应优化的智能依赖图构建方法。
技术介绍
1、随着软件系统的复杂度不断增加，理解和维护软件各个模块之间的依赖关系变得愈发重要。传统的依赖图构建方法在处理大规模软件系统时面临诸多挑战，例如高复杂度、难以标准化和难以准确匹配不同编程风格下的语义等。在自动生成软件的过程中，需要一种能够精确、高效地分析和构建系统依赖图的方法，以辅助软件的设计、开发和维护。
2、现有技术中，已有不少关于依赖图构建的研究，例如面向程序理解的系统依赖图构建方案和基于知识驱动的程序依赖图构建方案：
3、a、面向程序理解的系统依赖图构建方案
4、该方案通过将程序信息提取、控制依赖子图构建和数据依赖子图构建三个阶段分开处理，降低了程序标准化和程序匹配的复杂度，这对于自动生成软件中依赖关系的识别是非常有益的；
5、然而，上述方案尽管在程序理解和分析方面具有一系列的优势，但会忽略数据依赖和控制依赖之间某些联系，影响系统构建的一致性和完整性，并且在处理大规模软件系统时，可能会出现分析效率低下，占用较多计算资源的情况；
6、b、基于知识驱动的程序依赖图构建方案
7、该方案主要原理是为程序的依赖包、系统库和解释器构建知识图谱，通过收集大量的多源异构数据，进行知识的抽取和融合，构建特定领域系统的知识图谱，在程序依赖推断阶段，该方案基于领域知识图谱，通过程序分析和约束求解方法推断目标系统的多层次依赖；
8、上述方案虽然极大提升了程序构建的正确率
9、由此可见，现有技术方案多集中在特定领域或者未能充分考虑到自动生成软件中动态变化的需求。因此，亟需一种基于多维分析和自适应优化的智能依赖图构建方法，在处理大规模软件系统时不仅能够降低算法复杂度，提高依赖关系识别的准确性和效率，还能够适应软件演进过程中需求的不断变化，从而为自动生成软件提供有力支持。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术所存在的上述缺点，本专利技术提供了一种基于多维分析和自适应优化的智能依赖图构建方法，能够有效克服现有技术所存在的难以精确、高效地分析和构建软件模块依赖图的缺陷。
3、(二)技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现：
5、一种基于多维分析和自适应优化的智能依赖图构建方法，包括以下步骤：
6、s1、读取模块数据，并通过对各模块之间的依赖关系进行初步解析以构建初步依赖图；
7、s2、对初步依赖图中每对模块之间的依赖关系进行多维分析，并根据多维分析结果计算每对模块的综合得分；
8、s3、根据每对模块的综合得分对初步依赖图进行调整，得到调整依赖图；
9、s4、对调整依赖图进行循环依赖检测，并合并各模块的静态依赖数据和动态依赖数据；
10、s5、根据调整依赖图的复杂度进行自适应优化，生成最终依赖图，并对最终依赖图进行保存和输出。
11、优选地，s1中读取模块数据，并通过对各模块之间的依赖关系进行初步解析以构建初步依赖图，包括：
12、s11、从系统日志、模块描述文件和数据库中读取模块数据，得到各模块的属性集，以及模块集m；
13、其中，模块mi的属性集为a(mi)＝{name(mi),type(mi),func(mi),perf(mi),time(mi)}，name(mi)为模块mi的名称，type(mi)为模块mi的类型，func(mi)为模块mi的功能矩阵，包含模块mi与其他各模块之间的功能依赖强度，perf(mi)为模块mi的性能矩阵，包含模块mi与其他各模块之间的性能依赖强度，time(mi)为模块mi的时间矩阵，包含模块mi与其他各模块之间的时间依赖强度；
14、模块集m＝{m1,m2,…,mn1}，n1为模块集m的模块数量；
15、s12、从模块之间的调用关系、api调用、配置文件和数据中提取各模块之间的依赖关系，得到模块之间的依赖关系集r；
16、其中，依赖关系集r＝{(mi,mj)}，i,j∈[1,n]；
17、s13、将依赖关系集r转换为邻接矩阵a；
18、其中，若模块mi依赖于模块mj，则将邻接矩阵a中对应的元素置为1，否则置为0；
19、s14、根据模块集m和依赖关系集r构建初步依赖图g＝(m,r)；
20、其中，模块集m作为初步依赖图g的节点集，依赖关系集r作为初步依赖图g的边集。
21、优选地，s2中对初步依赖图中每对模块之间的依赖关系进行多维分析，并根据多维分析结果计算每对模块的综合得分，包括：
22、s21、计算初步依赖图g中模块mi与模块mj之间的功能维度参数f(mi,mj)：
23、
24、其中，func(mi)k为模块mi的功能矩阵func(mi)中的第k个元素，func(mj)k为模块mj的功能矩阵func(mj)中的第k个元素，n2为模块mi的功能矩阵func(mi)和模块mj的功能矩阵func(mj)的元素数量，||·||2表示计算l2范数；
25、s22、计算初步依赖图g中模块mi与模块mj之间的性能维度参数p(mi,mj)：
26、
27、其中，perf(mi)为模块mi的性能矩阵，perf(mj)为模块mj的性能矩阵；
28、s23、计算初步依赖图g中模块mi与模块mj之间的时间维度参数t(mi,mj)：
29、
30、其中，time(mi)为模块mi的时间矩阵，time(mj)为模块mj的时间矩阵；
31、s24、计算初步依赖图g中模块mi与模块mj之间的综合得分s(mi,mj)：
32、s(mi,mj)＝ω1·f(mi,mj)+ω2·p(mi,mj)+ω3·t(mi,mj)；
33、其中，ω1、ω2、ω3分别为功能维度参数f(mi,mj)、性能维度参数p(mi,mj)、时间维度参数t(mi,mj)的权重系数，且ω1+ω2+ω3＝1。
34、优选地，s3中根据每对模块的综合得分对初步依赖图进行调整，得到调整依赖图，包括：
35、s31、判断初步依赖图g中模块mi与模块mj之间的综合得分s(mi,mj)、预设阈值之间的关系，若综合得分s(mi,mj)大于预设阈值，则将邻接矩阵a中对应的元素置为1，得到更新后的邻接矩阵a’，否则直接将邻接矩阵a作为更新后的邻接矩阵a’；
36、s32、根本文档来自技高网...
【技术保护点】
1.一种基于多维分析和自适应优化的智能依赖图构建方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于多维分析和自适应优化的智能依赖图构建方法，其特征在于：S1中读取模块数据，并通过对各模块之间的依赖关系进行初步解析以构建初步依赖图，包括：
3.根据权利要求2所述的基于多维分析和自适应优化的智能依赖图构建方法，其特征在于：S2中对初步依赖图中每对模块之间的依赖关系进行多维分析，并根据多维分析结果计算每对模块的综合得分，包括：
4.根据权利要求3所述的基于多维分析和自适应优化的智能依赖图构建方法，其特征在于：S3中根据每对模块的综合得分对初步依赖图进行调整，得到调整依赖图，包括：
5.根据权利要求4所述的基于多维分析和自适应优化的智能依赖图构建方法，其特征在于：S4中对调整依赖图进行循环依赖检测，并合并各模块的静态依赖数据和动态依赖数据，包括：
6.根据权利要求5所述的基于多维分析和自适应优化的智能依赖图构建方法，其特征在于：S5中根据调整依赖图的复杂度进行自适应优化，生成最终依赖图，并对最终依赖图进行保存和输出，
...【技术特征摘要】
1.一种基于多维分析和自适应优化的智能依赖图构建方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于多维分析和自适应优化的智能依赖图构建方法，其特征在于：s1中读取模块数据，并通过对各模块之间的依赖关系进行初步解析以构建初步依赖图，包括：
3.根据权利要求2所述的基于多维分析和自适应优化的智能依赖图构建方法，其特征在于：s2中对初步依赖图中每对模块之间的依赖关系进行多维分析，并根据多维分析结果计算每对模块的综合得分，包括：
4.根据权利要求3所述的基...
【专利技术属性】
技术研发人员：杨宁波，杨勇，律玲玲，袁思思，黄丰，黄华勇，武露文，朱清，
申请(专利权)人：安徽高山科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。