A Spatiotemporal Context Definition for Service Adaptation Prediction in a Pervasive Computing Environment
Université du Québec（魁北克大学）；Al-Leith computer college（莱思计算机学院）；Umm Al-Qura University（乌姆·库拉大学）；École de technologie supérieure（高等技术学院）
普适系统是指上下文感知系统，它可以感知其上下文，并相应地调整其行为以提供自适应服务。这种系统的主动适应允许基于预测改变服务和上下文。然而，上下文的定义仍然是模糊的，不适合预测。在本文中，我们讨论和分类以前的定义的背景。然后，我们提出了一个新的定义，它允许普适系统理解和预测他们的上下文。我们分析了属于上下文定义的基本行，并提出了一些场景，使我们的方法清楚。
2015-05-05 cs.AI cs.ET cs.HC
BASBA: a framework for Building Adaptable Service-Based Applications
由于基于服务的应用程序（SBA）的环境不断变化，适应环境和上下文变化的能力已经成为此类应用程序的一个重要特征。为SBA提供这种能力是一项复杂的任务，通常以非系统的方式准备，并与应用程序逻辑交织在一起。因此，开发和维护自适应的SBA已成为一个昂贵且难以重复的过程。本文的目的是提出一种基于模型的方法来开发自适应SBAs，它分离的发展适应的关注SBAs的行为的发展。这种方法旨在促进和自动化适应行为的发展。在本文中，开发一个自适应SBA的过程被定义为指定自适应SBA模型的基础上的元模型和可重用的适应策略。然后，这些模型被转换为运行时模型工件和执行运行时自适应行为的运行系统单元。该方法引入了一个系统的方法，从适应模型中获得适应行为，这有利于适应行为的发展。结果表明，使用我们的方法可以提高开发过程中的自适应行为的开发时间和代码质量，特别是对于场景更复杂的适应，而不是业务逻辑。
2021-05-03 cs.SE
Model-Driven Engineering of Self-Adaptive Software with EUREMA
自适应软件的开发需要一个自适应引擎，通过反馈回路控制底层的自适应软件。引擎通常通过表示可适应软件的运行时模型以及使用这些模型的分析和规划等活动来描述适应。为了系统地解决运行时模型和适应活动之间的相互作用，运行时megamodels已经被提出。一个运行时大模型是一个特定的模型捕捉运行时模型和适应活动。在本文中，我们将更进一步，为Executable RuntimE MegAmodels（EUREMA）提供一种可执行的建模语言，它通过遵循模型驱动的工程方法简化了自适应引擎的开发。我们提供了一个特定领域的建模语言和运行时解释器的自适应引擎，特别是反馈循环。Megamodel在运行时保持活跃，通过解释它们，它们被直接执行以运行反馈循环。此外，它们可以动态调整，以适应反馈回路。因此，EUREMA通过在更高的抽象层次上明确反馈回路来支持开发，它实现了多个反馈回路相互作用或相互作用的解决方案，并且自适应与离线适应共存以促进进化。
2018-05-17 cs.SE
Improving device-aware Web services and their mobile clients through an aspect-oriented, model-driven approach
针对当前Web服务从不同设备调用灵活性不足的问题，本文结合面向切面编程与模型驱动开发，提出可透明适配多设备的Web服务构建方法，能自动生成解耦适配代码，实现非侵入式客户端适配。
2024-01-29 cs.SE
SEAByTE: A Self-adaptive Micro-service System Artifact for Automating A/B Testing
微服务是当今软件开发的常见架构方法。开发微服务系统不可或缺的工具是A/B测试。在A/B测试中，两个变量A和B被应用于实验环境中。通过测量评估标准的结果，开发人员可以做出基于证据的决策来指导他们的软件的发展。最近的研究强调，需要提高自动化时，这样的实验进行迭代。为此，我们贡献了一个新的工件，旨在提高依赖于自适应原则的微服务系统的实验管道的自动化。具体来说，我们提出了SEAByTE，一个实验框架，用于测试新的自适应解决方案，以提高基于微服务的系统的连续A/B测试的自动化。我们用一个具体的例子来说明SEAByTE工件的使用。
2022-04-04 cs.SE
A Formal Model for Dynamically Adaptable Services
软件系统的复杂性不断增加，其操作环境的条件不断变化，这就要求系统具有更高的灵活性、适应性和可靠性。面向服务的计算范式被广泛用于支持这样的自适应系统，并且在许多领域中，自适应可以动态地并且实时的发生。此外，可以使用来自异构的、可能未知的源的服务。这激发了一种需要，以确保正确的行为的适应系统，并继续遵守时间界限和其他QoS属性。动态适应（DA）的复杂性是显着的，但目前还没有得到很好的理解或正式规定。本文阐述了一个有根据的DA模型和理论，介绍了使用COWS编写的形式主义。该模型的可靠性和响应特性与模型检查CMC评估。
2010-11-11 cs.SE
A Framework for Enhancing Performance and Handling Run-Time Uncertainty in Self-Adaptive Systems
自适应性允许软件系统在运行时间期间自主地调整它们的行为，以减少由人工维护引起的成本复杂性。本文提出了一个自适应软件系统外部自适应引擎的构建框架。为了提高自适应软件系统的质量，本研究解决了自适应软件系统中的两个挑战。第一个挑战是通过有效地管理自适应空间的复杂性来提供自适应引擎的更好性能，第二个挑战是处理阻碍自适应过程的运行时间不确定性。本研究利用案例为基础的推理作为一个适应引擎，随着实用功能，实现管理系统的要求。
2014-02-10 cs.SE
ActivFORMS: A Formally-Founded Model-Based Approach to Engineer Self-Adaptive Systems
自适应为计算系统配备了一个反馈回路，使其能够处理由操作期间的不确定性引起的变化，例如资源可用性的变化和工作负载的波动。为了确保系统符合适应目标，最近的研究表明，在运行时使用正式的技术。然而，现有的方法有三个限制，影响他们的实际适用性：（i）他们忽略了反馈回路的行为的正确性，（ii）他们依赖于在运行时的穷举验证，以选择适应选项，以实现适应目标，这是时间和资源的要求，以及（iii）他们提供有限的或没有支持，在运行时改变适应目标。为了解决这些缺点，我们提出了ActivFORMS（自适应主动形式模型）。ActivFORMS为工程自适应系统提供了一种端到端的方法，跨越反馈循环生存周期的四个主要阶段：设计，部署，运行时适应和进化。我们还提出了ActivFORMS-ta，一个工具支持的ActivFORMS实例，利用定时自动机模型和统计模型检验在运行时。我们使用部署在鲁汶的物联网应用程序来验证研究结果。实验结果表明，ActivFORMS支持反馈环行为的正确性，以有效的方式实现自适应目标，并支持在运行时改变自适应目标。
2022-03-04 cs.SE
AdaptiFlow: An Extensible Framework for Event-Driven Autonomy in Cloud Microservices
Univ. Lille, CNRS, Inria, Centrale Lille, UMR 9189 CRIStAL（里尔大学、法国国家科学研究中心、法国国家信息与自动化研究所、中央理工学院，CRIStAL联合实验室）
AdaptiFlow通过事件驱动和规则机制，为云微服务提供自我适应能力，实现去中心化的自主性，提升系统鲁棒性。
2025-12-29 cs.DC cs.SE
On the Automated Synthesis of Enterprise Integration Patterns to Adapt Choreography-based Distributed Systems
未来的互联网正在成为现实，提供了一个大规模的计算环境，其中几乎无限数量的可用服务可以组合，以满足用户的需求。现代面向服务的应用程序将越来越多地通过重用和组装分布式服务来构建。实现这一愿景的一个关键推动者是自动组合和动态协调软件服务的能力。服务编排是一种紧急的服务工程（SE）方法，用于以分布式方式组合和协调服务。当要组合不匹配的第三方服务时，获得适当地实现编排所需的分布式协调和自适应逻辑是一项重要且容易出错的任务。因此，需要自动支持。在这个方向上，本文利用以前的工作自动合成的编排为基础的系统，并介绍了我们的初步步骤，利用企业集成模式来处理一种形式的编排适应。
2015-12-24 cs.SE
Achieving Adaptation for Adaptive Systems via Runtime Verification: A Model-Driven Approach
自适应系统（SAS）能够调整其行为，以响应操作环境和自身的有意义的变化。这种适应需要在运行时通过自我管理的反应和决策过程自动执行。为了支持这种自动行为，SAS必须被赋予丰富的运行时支持，可以检测需求冲突并对适配决策进行推理。SAS需求工程的主要目标是对适配逻辑和机制进行建模。需求模型将指导系统的设计决策和运行时行为。本文提出了一种模型驱动的方法，实现适应非功能性需求（NFR），即可靠性和性能。该方法从RE阶段的模型开始，为自适应提供运行时支持。我们捕获的目标模型中的图形元素的适应机制。通过赋予相关系统任务可靠性和性能属性，我们得到了用于描述系统行为可靠性和性能的标记时序图。为了形式化系统行为，我们将需求模型转换为相应的行为模型，用标签转换系统（LTS）表示。为了分析系统的可靠性要求和性能要求，将时序图和LTS分别合并为可变离散时间马尔可夫链（DTMC）和可变连续时间马尔可夫链（CTMC）。适应候选者的特征在于可变状态。通过验证相关的NFR和减少决策空间来获得最优决策。我们的方法是通过一个移动信息系统的演示来实现的。
2017-04-04 cs.LO cs.SE
A language for feedback loops in self-adaptive systems: Executable runtime megamodels
自适应软件的开发需要设计适当的反馈循环，其中自适应逻辑控制底层软件。适配逻辑通常通过使用表示底层软件的运行时模型以及诸如在这些运行时模型上操作的分析和规划的步骤来描述适配。为了系统地解决这种相互作用，已经提出了运行时大模型，其是将自身的运行时模型作为其元素并且还捕获多个运行时模型之间的关系的特定运行时模型。在本文中，我们更进一步，并提出了一个建模语言的运行时megamodels，大大简化了开发的自适应逻辑提供了一个特定领域的建模方法和运行时解释器的这部分自适应系统。这通过显式地和在更高的抽象级别上对反馈回路进行建模来支持开发。此外，它允许构建复杂的解决方案，其中多个反馈循环相互作用或相互作用，这是通过在运行时保持megamodel的显式和活跃以及解释它们来利用的。
2018-05-17 cs.SE
Requirements-Driven Dynamic Adaptation to Mitigate Runtime Uncertainties for Self-Adaptive Systems
School of EECS, Peking University（北京大学信息科学技术学院）
本文提出REDAPT框架，通过在需求阶段引入自适应目标模型，动态适应机制缓解自适应系统运行时不确定性，通过模拟实验验证其有效性。
2017-04-03 cs.SE cs.SY eess.SY
mRUBiS: An Exemplar for Model-Based Architectural Self-Healing and Self-Optimization
自适应软件系统通常被构造成一个自适应引擎，该引擎通过对表示软件架构的运行时模型进行操作来管理自适应软件（基于模型的架构自适应）。尽管这种方法很流行，但现有的范例提供了应用程序编程接口，但没有运行时模型来开发自适应引擎。因此，不存在任何支持开发、评估和比较现成的基于模型的自适应的范例。因此，我们提出了mRUBiS，一个可扩展的基于模型的架构的自我修复和自我优化的范例。mRUBiS模拟自适应软件，并因此提供和维护软件的架构运行时模型，该模型可以直接由自适应引擎使用以实现和执行自适应。特别是，mRUBiS支持将问题注入到模型中，这些问题应该通过自适应来处理，并验证模型以评估自适应。最后，mRUBiS允许开发人员探索适配引擎的变体（例如，事件驱动的自适应），并评估引擎的有效性、效率和可扩展性。
2018-04-03 cs.SE
MORPH: A Reference Architecture for Configuration and Behaviour Self-Adaptation
自适应系统的架构方法涉及系统配置的运行时改变（即，系统的组件、它们的绑定和操作参数）和行为更新（即，组件编排）。因此，动态重构和离散事件控制理论是体系结构自适应的核心。虽然在运行时控制配置和行为已被讨论并应用于架构自适应，自适应系统的架构往往这两个方面的化合物降低适应性的潜力。在本文中，我们提出了一个参考架构，允许协调但透明和独立的适应系统配置和行为。
2015-04-30 cs.SE
Smart Build Targets Batching Service at Google
Google拥有一个拥有数千万构建目标的整体代码库。每个构建目标指定构建软件工件或运行测试所需的信息。通常在每个修订版执行构建目标的子集，并确保更改不会破坏代码库。Google的构建服务系统使用Bazel来构建目标。Bazel将指定执行上下文、标志和要运行的构建目标的构建作为输入。输出是构建库、二进制文件或测试结果。为了能够支持开发人员的日常活动，构建服务系统每天运行数百万个构建。具有许多目标的构建可能会耗尽分配的内存或超过其执行期限，这是一个已知的问题。这是有问题的，因为它降低了开发人员的生产力，例如代码提交或二进制发布。在本文中，我们提出了一种技术，预测的内存使用和执行器占用的建设。该技术批处理一组目标，以便使用这些目标创建的生成不会耗尽内存或超过其截止日期。这种方法显著减少了内存不足或超过期限的构建数量，从而提高了开发人员的生产力。
2021-02-18 cs.SE
Learning Self-adaptations for IoT Networks: A Genetic Programming Approach
物联网（IoT）是应用领域的关键技术，需要大量设备之间的连接和互操作性。物联网系统主要使用软件定义网络（SDN）架构作为其核心通信骨干。这种架构提供了几个优势，包括通过软件可编程性使物联网网络自适应的灵活性。一般来说，自适应解决方案需要周期性地监视、推理和适应正在运行的系统。自适应步骤包括生成自适应策略，并在出现异常时将其应用于运行的系统。在本文中，我们认为，而不是产生个人的适应策略，目标应该是适应逻辑/代码的运行系统的方式，系统本身将学习如何避开未来的异常，而不会触发自适应太频繁。我们在物联网网络的背景下实例化并实证评估了这一想法。具体而言，使用遗传编程（GP），我们提出了一种自适应解决方案，不断学习和更新基于SDN的物联网网络的数据转发逻辑中的控制结构。我们使用开源合成和工业数据进行的评估表明，与尝试生成个体适应的基线适应技术相比，我们基于GP的方法在解决网络拥塞方面更有效，并且随着时间的推移降低了适应干预的频率。此外，我们将我们的方法与网络文献中的标准数据转发算法进行比较，表明我们的方法显着减少了数据包丢失。
2022-05-09 cs.SE
Designing a Framework for Smart IoT Adaptations
物联网（IoT）是连接多个设备的科学，这些设备协调提供相关服务。物联网环境复杂、动态、快速变化且资源受限。因此，主动地使设备适应上下文波动成为一个问题。为了提出合适的配置，应该可以从设备中感测信息，分析数据并相应地重新配置它们。应用于环境服务中，一系列设备可以监测环境指标并对其进行控制，以便提出最佳解决方案或防止资源过度消耗等风险（例如，水和能源）。本文介绍了我们的方法，在设计一个框架的监测和多实例化的连接对象的舰队。首先通过识别车队的特殊性，然后通过将连接的对象指定为动态软件产品线（DSPL），能够在运行时重新调整。
2017-09-25 cs.SE
SACRE: Supporting contextual requirements' adaptation in modern self-adaptive systems in the presence of uncertainty at runtime
不可预测的资源不可用性，不断变化的环境条件和用户需求，以及系统入侵或故障等不确定性是自适应系统当前面临的主要挑战之一。此外，今天的系统越来越复杂，分布式，去中心化等，因此必须推理和应对越来越多的不可预测事件。在当今复杂的系统中，仍然缺乏处理这种不断变化的要求的方法。这项工作提出了SACRE（智能适应通过上下文的要求），我们的方法利用自适应反馈回路来检测自适应系统的上下文的不确定性影响的要求，并集成机器学习技术，以确定最佳的操作上下文的基础上，在运行时的感知数据。SAGRE是我们以前的方法ACon的一个进步，ACon的重点是在上下文需求中适应上下文，以及它们的基本实现。SACRE主要关注架构决策，解决自适应系统的工程挑战。在本文中，我们进一步推进了ACon的工作，在智能汽车这一要求极高的领域中，在不同的不确定性场景中实时对整个方法进行了评估。实时评估是在模拟环境中进行的，其中智能车辆是通过软件组件实现的。评估结果提供了经验证据SACRE在真实和复杂的软件系统领域的适用性。
2018-03-05 cs.SE
Model-Driven Architectural Monitoring and Adaptation for Autonomic Systems
架构监控和自适应允许自主系统的自我管理能力，以实现更强大的自适应步骤，不仅观察和调整参数，而且还观察和调整软件架构。然而，除了参数之外，运行系统的架构的监控和适配要复杂得多，并且目前只有相当有限和昂贵的解决方案可用。在本文中，我们提出了一个模型驱动的方法，以减轻自主系统的架构监控和适应的发展。使用Meta模型和模型转换技术，我们能够实现运行时系统和不同的自我管理活动的模型之间的增量同步。同步可能在需要时触发，因此活动可以并发操作。
2018-05-17 cs.SE
EcoMLS: A Self-Adaptation Approach for Architecting Green ML-Enabled Systems
针对机器学习赋能系统运行时不确定性影响性能与能耗的问题，提出EcoMLS自适应方法，通过运行时模型切换平衡能耗与模型置信度，在目标检测场景中实现节能且保持高准确率，为绿色ML系统构建提供新思路。
2024-04-17 cs.SE
Using Genetic Programming to Build Self-Adaptivity into Software-Defined Networks
本文提出基于遗传规划的软件定义网络自适应方法，通过持续学习并更新数据转发控制逻辑来缓解拥塞、降低干预频率和丢包率。
2023-08-15 cs.SE
Formalization of the AADL Run-Time Services with Time
本文用Kripke结构定义的模态逻辑扩展并简化AADL运行时服务的形式化，显式引入时间，并支持BA/BLESS状态转换机，给出HAMR实现示例。
2025-07-09 cs.SE cs.SY eess.SY
Planning as Optimization: Dynamically Discovering Optimal Configurations for Runtime Situations
现代基于软件的系统的大量可能的配置，与这种系统的大量可能的环境情况相结合，禁止在设计时列举所有的适应选项，并且需要在运行时间进行规划，以动态地识别针对情况的适当配置。虽然存在许多规划技术，但它们通常假设系统的详细的基于状态的模型，并且保证适应的情况是已知的。这两个假设在复杂的现实世界系统中都可能被违反。因此，适应规划必须依靠简单的模型，这些模型能够捕捉系统和环境中可以改变的（输入参数）和可以观察到的（输出和背景参数）。因此，我们建议规划优化：使用优化策略，以发现最佳的系统配置在运行时的每个不同的情况下，也是动态确定在运行时。我们将我们的方法应用于CrowdNav，一个开源的交通路由系统，具有现实世界系统的特点。我们通过聚类识别情况，并进行实证研究，比较贝叶斯优化和两种类型的进化优化（NSGA-II和新颖性搜索）在CrowdNav。
2019-05-03 cs.SE
Quality-aware Approach for Engineering Self-adaptive Software Systems
自适应性允许软件系统在运行时自主地调整其行为，以减少由手动维护引起的成本复杂性。提出了一种自适应软件系统外部自适应引擎的构造方法。为了提高自适应软件系统的质量，本研究解决了自适应软件系统中的两个挑战。第一个挑战是有效地管理适应空间的复杂性，第二个是处理运行时的不确定性，阻碍了适应过程。本研究利用案例为基础的推理作为一个适应引擎，以及实用功能，实现管理系统的要求和处理不确定性。
2014-02-11 cs.SE
ContextServ: Towards Model-Driven Development of Context-AwareWeb Services
在物联网和服务的时代，上下文感知Web服务（CAS）正在成为一个重要的技术，建立创新的上下文感知应用。计算机辅助系统实现了物理世界和虚拟世界的信息集成，影响着人类的生活。然而，它是具有挑战性的，建立CAS，由于缺乏上下文提供管理方法和有限的通用方法，正式的开发过程。因此，我们提出ContextServ，一个平台，使用模型驱动的方法来支持整个生存周期的CAS开发，从而提供显着的设计和管理的灵活性。ContextServ实现了一种基于UML的建模语言ContextUML，以支持多种建模语言。它还通过将上下文感知规则织入流程，支持基于WS-EJB的上下文感知组合服务的动态适应。对ContextServ及其组件的大量实验评估表明，ContextServ可以支持上下文感知Web服务的有效开发和高效执行。
2018-12-19 cs.SE
Interface Matching and Combining Techniques for Services Integration
许多高度动态环境的发展，如普及环境，引入了使用地理上密切相关的服务的可能性。在运行的应用程序中动态集成和取消集成这些服务是这种使用的关键挑战。在本文中，我们根据服务导出的接口和内部组合技术对服务集成问题进行分类。我们还提出了一个上下文集成服务，IntegServ，和一个接口，Integrable，开发服务。
2008-07-24 cs.OS cs.SE
A Container-based Approach For Proactive Asset Administration Shell Digital Twins
Institute for Control Engineering of Machine Tools and Manufacturing Units (ISW) University of Stuttgart（斯图加特大学机床与制造单元控制工程研究所）；Faculty of Media Engineering and Technology (MET) German University in Cairo（开罗德国大学媒体工程与技术学院）
本文提出基于容器的主动资产管理壳数字孪生方法，通过引入结构化服务概念，实现动态服务交互与系统适应，提升数字孪生的主动功能和智能水平。
2025-12-17 cs.SE cs.SY eess.SY
Feature-Model-Guided Online Learning for Self-Adaptive Systems
University of Duisburg-Essen（杜伊斯堡-埃森大学）；University of Lille（里尔大学）；Politecnico di Milano（米兰理工大学）
自适应系统可以在运行时根据其对环境、自身和需求的感知来修改其自身的结构和行为。为了开发一个自适应系统，软件开发人员编纂有关系统及其环境的知识，以及适应行为如何影响系统。然而，由于设计时间的不确定性，编码的知识可能是不够的，因此自适应系统可能执行不具有期望效果的自适应动作。在线学习是通过在运行时采用机器学习来解决设计时间不确定性的新兴方法。在线学习通过例如探索尚未执行的适应动作来在运行时积累知识。我们解决两个具体的问题，在线学习自适应系统。首先，可能的适应行动的数量可能非常大。现有的在线学习技术随机地探索可能的适应动作，但是这可能导致学习过程的缓慢收敛。第二，可能的适应行动可以改变作为系统进化的结果。现有的在线学习技术没有意识到这些变化，因此不探索新的适应动作，而是探索不再有效的适应动作。我们建议使用特征模型来构造适应动作集，从而指导在线学习的探索过程。涉及四个真实世界系统的实验结果表明，考虑特征模型的层次结构可以平均加速收敛7.2%。考虑到进化步骤之前和之后的特征模型之间的差异，可以平均加速收敛64.6%。[...]
2019-07-22 cs.LG cs.SE
Auto-COP: Adaptation Generation in Context-Oriented Programming using Reinforcement Learning Options
Universidad de los Andes（洛斯安第斯大学）；Trinity College Dublin（都柏林圣三一学院）
Auto-COP利用强化学习选项在运行时生成COP适应，解决复杂CPS中设计时定义适应的难题，通过驾驶助手和机器人配送案例验证其正确性并使执行步骤减半。
2023-08-03 cs.AI cs.PL cs.SE
Quality of Service Support on High Level Petri-Net Based Model for Dynamic Configuration of Web Service Composition
LI3 Laboratory / University of Manouba（LI3实验室/曼努巴大学）；National School of Computer Sciences（国家计算机科学学院）
提出基于高级Petri网的动态配置模型，结合服务质量公式实现Web服务组合的自适应与最优配置，并通过仿真验证正确性。
2012-10-19 cs.SE cs.SY eess.SY
