考虑不完美排错情况的NHPP 类软件可靠性增长模型

针对现有NHPP 类软件可靠性增长模型对故障排错过程中不完美排错情况考虑不完全的现状,提出了一 种新的软件可靠性增长模型.该模型全面考虑了不完美排错的两种情况:既考虑了排错过程中引入新错误的可能性, 又考虑了不完全排错的情况,并且引入了一种故障排除率随时间变化的故障排除率函数,使模型更符合实际情况.利 用公开发表的两组不同的软件失效数据对该模型进行验证的结果表明,与现有的对不完美排错情况考虑不完全的 模型相比,该模型能够取得更好的拟合结果和预测效果.     

考虑不完美排错情况的NHPP 类软件可靠性增长模型

针对现有NHPP类软件可靠性增长模型对故障排错过程中不完美排错情况考虑不完全的现状,提出了一种新的软件可靠性增长模型.该模型全面考虑了不完美排错的两种情况:既考虑了排错过程中引入新错误的可能性,又考虑了不完全排错的情况,并且引入了一种故障排除率随时间变化的故障排除率函数,使模型更符合实际情况.利用公开发表的两组不同的软件失效数据对该模型进行验证的结果表明,与现有的对不完美排错情况考虑不完全的模型相比,该模型能够取得更好的拟合结果和预测效果.     

软件可靠性增长G-O模型的改进

在传统的软件可靠性增长G-O模型中,故障检测率和初始的故障总数是影响软件可靠性的2个重要因素.为了提高软件可靠性评估的可信性,考虑到在软件纠错的过程中可能会引入新的错误,把模型中潜在的故障总数和故障检测率看作随时间变化的函数,提出了改进的G-O模型,给出了解析方法,并将改进前后的G-O模型进行了对比,通过实例进行了验证...     

一个考虑多种排错延迟的NHPP类软件可靠性增长模型

软件可靠性增长模型通常假设软件的测试环境与软件实际运行的现场环境相同,期望利用测试阶段获得的失效数据评估软件在现场运行时的失效行为。多数非齐次泊松过程类软件可靠性增长模型假设软件故障被发现后立即被排除,这点假设无论是在测试环境还是在现场环境下都很难实现。根据故障对测试过程的影响,故障的排错时间可被分为多种。提出了一个考虑多种排错延迟的软件可靠性增长模型,讨论了基于这个模型的故障排除效率函数,指出从用户角度出发讨论软件可靠性时必须考虑重复性故障。     

考虑非理想排错过程的软件可靠性模型

经典的可靠性模型排错过程是理想的,没有考虑各种实际情况.实际的排错过程并不是完美的,错误排除需要时间,且不可能完全排除,排错过程中可能引入新的错误,错误排除率和错误引入率均是随时间变化的函数等等.文中针对这些排错过程的实际情况,对Xuemei Zhang等人提出的软件可靠性模型进行了改进,提出新的假设,建立改进的新模型,给出模型的一般表达形式.并通过两组公开发表的失效数据,对改进后模型的一个特例模型的拟合预测能力进行仿真分析比较,最终验证了改进的考虑非理想排错过程的软件可靠性模型的优越性,说明了新模型更符合现实的软件可靠性活动过程.     

基于排错等待延迟的广义动态集成神经网络模型

软件可靠性增长模型在可靠性评估与保障中具有重要作用,针对软件测试过程中的故障检测和排错等待延迟问题,提出了一种考虑故障排错等待延迟的广义动态集成神经网络模型(RWD-SRGM)。该模型考虑软件工程的多样性,利用神经网络方法构建广义动态集成模型,并考虑排错等待延迟现象完成故障检测和预测。通过2组真实失效数据集(DS1和DS2)的实验,将所提模型与现有的软件可靠性增长模型进行了比较,结果显示考虑故障排错等待延迟的神经网络模型拟合效果最优,表现出了更好的软件可靠性评估性能和模型通用性。     

考虑测试效率的软件可靠性模型研究

对软件可靠性模型的研究,主要集中在如何使所建立的模型尽可能地贴近实际情况.目的是提高软件可靠性模型的拟合能力,使可靠性模型能更好地对软件将来的失效行为进行预测.经典非其次泊松过程模型的假设条件都忽略了不完全排错以及排错时引入错误的可能性,也没有考虑到在测试过程中资源投入等问题.笔者认为在测试过程中,投入的资源、测试环境以及测试人员的努力程度对测试的结果有一定的影响.同时,考虑到软件排错过程中新错误的引入和错误的不完全排除等情况,提出了一种考虑测试效率的可靠性模型.通过与已有模型进行仿真试验对比显示,新模型具有更好的拟合性能,具有很好的工程实践意义.     

考虑发布后故障发现概率的软件费用模型

在基于G-O模型的软件可靠性增长模型中引入以时间为变量故障察觉率,并以此模型建立了一种新的软件费用模型。该费用模型考虑了软件发布后使用者对软件系统剩余故障的发现概率,并不是所有的剩余故障全部被发现这种情况,使模型更符合实际。以软件开发费用最小为最优化条件,讨论发布时间与费用的关系,并在文章最后用示例说明了发布时间随参数变化。     

不完美排错软件可靠性增长模型效用量化研究

为了进一步提升现有非齐次泊松过程类软件可靠性增长模型的拟合和预测性能,首先从故障总数增长趋势角度对不完美排错模型进行深入研究,提出两个一般性不完美排错框架模型,分别考虑了总故障数量函数与累计检测故障函数间的线性关系与微分关系,并求得累计检测的故障数量与软件中总故障数量函数表达式;其次,在六组真实的失效数据集上对比了提出的两种一般性不完美排错模型和六种不完美排错模型拟合预测性能表现。实例验证结果表明,提出的一般性不完美排错框架模型在大多数失效数据集上都具有优秀的拟合和预测性能,证明了新建模型的有效性和实用性;通过对提出的模型与其他不完美排错模型在数据集上的性能的深入分析,为实际应用中不完美排错模型的选择提出了建议。     

考虑测试工作量与覆盖率的软件可靠性模型

为了进一步提升现有非齐次泊松过程类软件可靠性增长模型的拟合与预计精度,首先,提出一个同时考虑测试工作量与测试覆盖率的NHPP类软件可靠性建模框架.在此基础上,将变形S型测试工作量函数(IS-TEF)以及Logistic测试覆盖率函数(LO-TCF)带入该建模框架,建立了一个新的软件可靠性增长模型,即IS-LO-SRGM.同时,还对利用该框架进行建模过程中的两个重要问题进行了描述与分析,即如何确定具体的TEF和TCF以及模型参数估计.然后,在两组真实的失效数据集上,利用该建模框架建立了最为合适的增长模型,即IS-LO-SRGM,并将该模型与8种经典NHPP模型进行对比.实例验证结果表明,所提出的IS-LO-SRGM模型具有最为优秀的拟合与预计性能,从而证明新建模框架的有效性和实用性.最后,对不完美排错情况进行了初步的讨论与建模分析.     

SRGM下失效数据集效用与验证分析

针对软件可靠性增长模型SRGM研究中的参数拟合与性能评测对失效数据集FDS的依赖,对FDS在SRGM中的效用以及其对SRGM的影响进行深入研究,并给出FDS的不足与发布建议。首先给出了基于FDS的SRGM性能评测流程,提出一般化的不完美排错框架模型,对收集到的FDS进行结构化描述与归类分析。对7个典型的不完美排错相关的SRGM在公开发表的9个真实计算机工程系统FDSs上进行实验,从拟合与预测角度分析FDS与SRGM的关系及影响。从发布方与科研人员视角对当前FDS的不足进行分析,并据此给出了FDS的发布建议。研究结果表明,科研人员尚需要充分挖掘、分析FDS中待发布的更多测试信息,用以建立更为准确的SRGM。最后指出,描述新型软件结构以及含有更多数据量的FDS的缺乏已成为制约SRGM发展的主要客观事实。     

Debugging‐workflow‐aware software reliability growth analysis

Software reliability growth models support the prediction/assessment of product quality, release time, and testing/debugging cost. Several software reliability growth model extensions take into account the bug correction process. However, their estimates may be significantly inaccurate when debugging fails to fully fit modelling assumptions. This paper proposes debugging‐workflow‐aware software reliability growth method (DWA‐SRGM), a method for reliability growth analysis leveraging the debugging data usually managed by companies in bug tracking systems. On the basis of a characterization of the debugging workflow within the software project under consideration (in terms of bug features and treatment phases), DWA‐SRGM pinpoints the factors impacting the estimates and to spot bottlenecks, thus supporting process improvement decisions. Two industrial case studies are presented, a customer relationship management system and an enterprise resource planning system, whose defects span a period of about 17 and 13 months, respectively. DWA‐SRGM revealed effective to obtain more realistic estimates and to capitalize on the awareness of critical factors for improving debugging.     

Discrete Software Reliability Growth Modeling for Errors of Different Severity Incorporating Change-point Concept

Several software reliability growth models (SRGM) have been developed to monitor the reliability growth during the testing phase of software development.In most of the existing research available in the literatures,it is considered that a similar testing effort is required on each debugging effort.However,in practice,different types of faults may require different amounts of testing efforts for their detection and removal.Consequently,faults are classified into three categories on the basis of severity:simple,hard and complex.This categorization may be extended to (?) type of faults on the basis of severity.Although some existing research in the literatures has incorporated this concept that fault removal rate (FRR) is different for different types of faults,they assume that the FRR remains constant during the overall testing period.On the contrary,it has been observed that as testing progresses,FRR changes due to changing testing strategy,skill,environment and personnel resources.In this paper,a general discrete SRGM is proposed for errors of different severity in software systems using the change-point concept.Then,the models are formulated for two particular environments.The models were validated on two real-life data sets.The results show better fit and wider applicability of the proposed models as to different types of failure datasets.     

基于聚类的软件失效数据预处理

应用失效数据进行软件可靠性参数的评估与预测是软件可靠性工程的主要内容之一。利用分层聚类算法对失效数据中的扰动和异常数据点进行隔离,并将以故障密度为相似性度量进行聚类处理后的失效数据集进行SRGM建模与软件可靠性参数估计,以较好的曲线拟合度提高SRGM参数估计与可靠性预测的精确性和抗干扰性,从而得到良好的软件可靠性分析与预测结果。     

Modeling optimal release policy under fuzzy paradigm in imperfect debugging environment

ContextIn this study, a software optimal release time with cost-reliability criteria has been discussed in an imperfect debugging environment.ObjectiveThe motive of this study is to model uncertainty involved in estimated parameters of the software reliability growth model (SRGM).MethodInitially the reliability parameters of SRGM are estimated using least square estimation (LSE). Considering the uncertainty involved in the estimated parameters due to human behavior being subjective in nature and the dynamism of the testing environment, the concept of fuzzy set theory is applicable in developing SRGM. Finally, using arithmetic operations on fuzzy numbers, the reliability and total software cost are calculated.ResultsVarious reliability measures have been computed at different levels of uncertainties, and a comparison has been made with the existing results reported in the literature.ConclusionIt is evident from the results that a better prediction of reliability measures, namely, software reliability and total software cost can be made under the fuzzy paradigm.     

Weibull分布引进故障的软件可靠性增长模型

软件调试是复杂过程,可能会受到很多种因素的影响,例如调试资源分配、调试工具的使用情况、调试技巧等.在软件调试过程中,当检测到的故障被去除时,新的故障可能会被引进.因此,研究故障引进的现象对建立高质量的软件可靠性增长模型具有重要意义.但是到目前为止,模拟故障引进过程仍是一个复杂和困难的问题.虽然有许多研究者开发了一些不完美调试的软件可靠性增长模型,但是一般都是假设故障内容（总数）函数为线性、指数分布或者是与故障去除的数量成正比.这个假设与实际的软件调试过程中故障引进情况并不完全一致.提出一种基于Weibull分布引进故障的软件可靠性增长模型,考虑故障内容（总数）函数服从Weibull分布,并用相关的实验验证了提出的模型的拟合和预测性能.在用两个故障数据集进行的模拟实验中,实验结果指出：提出的模型和其他模型相比,有更好的拟合和预测性能以及更好的鲁棒性.     

基于结合自适应步长布谷鸟搜查算法的模糊神经网络的软件可靠性增长模型

针对现有的软件可靠性增长模型(SRGM)适用性较差、预测精度波动大的问题,使用自适应步长布谷鸟搜查(ASCS)算法对模糊神经网络（FNN）的权重和阈值进行寻优,利用得到了最优权重和阈值的FNN建立SRGM。在使用缺陷数据对FNN训练的过程中,利用ASCS来调整FNN的权重和阈值,以此提高在预测过程中的精度,同时采用多次预测结果取均值的方式来减小FNN预测的波动性,以此建立基于结合自适应步长布谷鸟搜查算法的模糊神经网络（ASCS-FNN）的软件可靠性增长模型。利用3组软件缺陷数据,以误差比均值和误差平方和作为衡量标准,对基于ASCS-FNN、结合模拟退火算法的动态模糊神经网络（SA-DFNN）、FNN、BP网络（BPN）建立的SRGM的一步向前预测能力进行比较。预测结果表明,在四组模型中,基于ASCS-FNN建立的SRGM相对于SA-DFNN、FNN、BPN建立的SRGM的平均预测精度相对提高率RI(AE)和RI(SSE)分别为-1.48%、54.8%、33.8%和14.4%、76%、35.9%,并且该模型比FNN、BPN建立的SRGM在相同缺陷数据下的预测波动性小,而且网络结构比SA-DFNN的网络结构简单。因此该模型具有预测精度较高、预测稳定和具有一定的适用性等优点。