State of the Art on Self-adaptive Systems: An Essay
Sara Mahdavi Hezavehi, Danny Weyns, Paris Avgeriou
本文阐述自适应系统的基础概念，为面向不确定性与风险感知的自适应博士研究奠定基础，并梳理相关研究现状。
在本文中，我们介绍为博士研究奠定基础所必需的基本概念，该研究关注不确定性与风险感知的自适应，并讨论相关的研究工作。
In this essay, we introduce the basic concepts necessary to lay out the foundation for our PhD research on uncertainty and risk-aware adaptation, and discuss relevant related research.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Methodological Considerations for Self-adaptive Systems: An Essay
本文概述了支撑不确定性及风险感知自适应博士研究的方法论考量，为后续研究奠定基础。
Decentralized Self-Adaptive Systems: A Mapping Study
随着自适应系统的普遍性和规模的增加，越来越需要分散实现自适应的功能。我们的重点是基于架构的自适应系统，其中一个或多个功能的监测，分析，规划和执行是由多个组件，相互协调实现。虽然一些早期的研究已经阐明了现有的工作对自适应系统的去中心化，目前还没有明确的概述的最先进的自适应系统的去中心化。然而，对分散式自适应系统的最新技术水平有一个准确的认识，对于研究人员理解现有的解决方案和推动未来的研究工作至关重要。为了弥补这一差距，我们进行了一项绘图研究。该研究重点关注在24个重要场所发表的关于自我适应研究的论文。研究的重点是选择一个分散的方法来实现自适应的动机，是分散的适应功能，协调的实现，并在该领域面临的挑战。
Modelling and Simulation Environment for Self-Adaptive and Self-Aware Cloud Architectures
基于云的软件系统越来越复杂，并且在高度动态的环境中运行。最近出现了自适应和自我意识，以应对这种程度的动态性和可扩展性。同时，设计和测试这样的系统已经成为一项具有挑战性的任务，以及研究基准。尽管自适应和云计算的研究，以及各种仿真环境提出了迄今为止，有一个自适应和自我意识的云架构的建模和仿真环境的普遍缺乏。为了帮助研究人员和实践者克服这些挑战，本文提出了一种新的自适应和自感知云架构的建模和仿真环境。该环境为设计自适应和自感知云架构以及测试自适应和感知机制提供了显著的优势。该工具包也是有益的，作为一个共生模拟器在运行时，以支持适应决策。我们使用基准测试和评估用例对实现进行了实验验证和评估。
Developing Self-Adaptive Microservice Systems: Challenges and Directions
自适应系统可以动态地监测和调整其行为，以保持或提高其质量属性在不确定的操作条件下。本文以基于云的智能视频监控应用程序为例，确定了将微服务应用程序开发为自适应系统的关键挑战。它还提出了通过利用现有微服务实践和技术来解决大多数已确定挑战的潜在新方向。
Engineering Trustworthy Self-Adaptive Software with Dynamic Assurance Cases
自适应软件基于控制理论中的概念，通过动态调整其架构和参数来应对工作负载变化和组件故障等事件，从而处理环境和内部不确定性。自适应软件越来越多地被期望满足来自制造业、医疗保健和金融等不同领域的应用程序的严格功能和非功能需求。为了满足这一需求，我们介绍了一种方法的可信的自适应软件（ENTRUST）的系统工程。ENTRUST结合使用（1）设计时和运行时建模和验证，以及（2）行业采用的保证过程，以开发值得信赖的自适应软件和保证案例，论证软件对其预期应用的适用性。为了评估我们的方法的有效性，我们提出了一个工具支持的ENTRUST的实例，并使用它来开发概念验证自适应软件的嵌入式和基于服务的系统，分别从海洋监测和电子金融领域。实验结果表明，ENTRUST可以用于工程不同应用领域的自适应软件系统，并为这些系统生成动态保证案例。
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。
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。
Towards Self-Adaptive Game Logic
自适应系统（SAS）可以在运行时间重新配置，以响应不断变化的情况，以表达在面对不确定性的可接受的行为。关于游戏设计，这样的情况可以包括用户输入、紧急行为、性能问题及其组合。通常，SAS被建模为在现有系统内起作用的反馈回路，其操作包括监视、分析、规划和执行（即，MAPE-K）以启用在线重新配置。本文提出了一种概念性的方法，用于扩展软件工程工件，使其在游戏设计的背景下具有自适应性。我们已经修改了一个为创造性编码教育开发的游戏，包括MAPE-K自适应反馈循环，包括运行时适应能力和支持适应所需的软件工件。
How do we Evaluate Self-adaptive Software Systems?
随着自适应系统研究的增加，有必要更好地了解评估研究贡献的方式。这些见解将支持研究人员在为社区开发新知识时更好地比较新发现。然而，到目前为止，还没有一个清晰的概述如何评估自适应系统中进行。为了解决这一差距，我们进行了一项测绘研究。这项研究的重点是在过去十年中发表的实验评估在软件工程的自适应系统的研究的主要地点-自适应和自我管理系统（SEAMS）的软件工程国际研讨会。结果指出，自适应系统的细节需要在实验过程中特别注意，包括管理系统的区别（即，评估的目标）和管理的系统，影响系统行为的不确定性的存在，因此需要在数据分析中考虑，以及管理的系统在实验中重复使用的潜力，而不是复制。最后，我们提供了一组来自我们的研究，可以作为输入，以加强未来的自适应系统实验的建议。
A Case Study on Formal Verification of Self-Adaptive Behaviors in a Decentralized System
自适应是一种很有前途的方法来管理现代软件系统的复杂性。自适应系统能够自主地适应内部动态和环境中不断变化的条件，以实现特定的质量目标。我们特别感兴趣的是分散的自适应系统，其中中央控制的适应是不是一个选项。在自适应系统中，特别是那些具有适应的分散控制的自适应系统中，一个重要的挑战是提供关于预期运行时间质量的保证。在本文中，我们提出了一个案例研究中，我们使用模型检验，以验证分散自适应系统的行为特性。具体地说，我们有助于一个形式化的架构模型的分散式交通监控系统，并证明了一些自适应的灵活性和鲁棒性。为了对系统中的主要进程进行建模，我们使用时间自动机，并且为了所需属性的规范，我们使用时间计算树逻辑。我们使用Uppaal工具来指定系统并验证其灵活性和鲁棒性。
Perpetual Assurances for Self-Adaptive Systems
为自适应系统提供保证是一项挑战。一个主要的潜在问题是不确定性，可能源于各种不同的来源，从不完整的知识，传感器噪声和不确定的人类行为的循环。提供保证，自适应系统符合其要求，要求一个持久的过程跨越整个生命周期的系统。在这个过程中，人类和系统共同获得和整合新的证据和论点，我们创造了自适应系统的永久保证。在本文中，我们提供了一个背景框架和自适应系统的永久保证的基础。我们详细阐述了提供永久保证的具体挑战，解决方案的要求，实现技术和机制，使解决方案适合。我们还提出了基准标准来比较解决方案。然后，我们提出了一个具体的例子，研究人员可以用来评估和比较永久保证自我适应的方法。
A Genetic Framework Model For Self-Adaptive Software
在自适应软件中已经进行了大量的仿生研究工作。他们专注于生物实体的外部行为，而没有导致这种行为的遗传物质，并构成了这项工作所面临的挑战。本文提出了一个整合外部行为和遗传物质的框架。该框架仅限于预测事件。无法预测的事件仍然是一个挑战。
Uncertainty in Self-Adaptive Systems: A Research Community Perspective
自适应的主要驱动力之一是确保系统实现其目标，而不管它们在运行过程中面临的不确定性。然而，自适应系统中的不确定性的概念仍然没有得到充分的理解。已经提出了几种不确定性的分类，并且在驯服不确定性的方法上存在大量的工作。然而，这些分类法和方法并不能完全传达研究界对自适应系统中不确定性的构成以及如何解决它的看法。为了理解这种看法并从中学习，我们进行了一项包括两个互补阶段的调查。在第一阶段，我们专注于当前的研究和开发。在第二阶段，我们专注于未来研究的方向。第一阶段的主要调查结果如下：a）概述自适应系统中考虑的不确定性来源，b）概述用于解决具体应用中的不确定性的现有方法，c）洞察不确定性对非功能需求的影响，d）洞察社区内对不确定性的不同看法，以及需要标准化的不确定性处理过程，以促进自适应系统中的不确定性管理。第二阶段的主要发现是：a）超过70%的参与者认为自适应系统可以被设计为应对意外变化，b）一组处理意外变化的潜在方法，c）一组在减轻自适应系统中的不确定性方面的公开挑战，特别是在那些具有安全关键要求的系统中。从这些研究结果中，我们概述了一个初始的参考过程，以管理自适应系统中的不确定性。
Report on A Formally-Founded Model-Based Approach to Engineer Self-Adaptive Systems
自适应系统管理自己，以处理只能在操作过程中解决的不确定性。实现自适应的一种常见方法是在系统中添加一个反馈回路，该反馈回路监视系统并使其适应以实现一组适应目标。ActivFORMS（Active FORmal Models for Self-adaptation）为工程自适应系统提供了一种端到端的方法。ActivFORMS依赖于反馈回路，该反馈回路由正式验证的模型组成，这些模型在运行时直接部署和执行，以实现自适应。在运行时，该方法依赖于统计验证技术，允许有效的分析可能的适应选项。此外，ActivFORMS支持适应目标的动态更改和验证模型的更新，以满足新的目标。ActivFORMSi提供了一个工具支持的ActivFORMS实例。该方法已使用物联网应用程序进行验证，用于建筑安全监控。本报告为论文“ActivFORMS：一种正式建立的基于模型的自适应系统工程方法”[Weyns and Iftikhar 2019]提供了补充材料。
Defining Utility Functions for Multi-Stakeholder Self-Adaptive Systems
[背景和动机：]对于现实的自适应系统，需要考虑多个质量属性，并相互权衡。这些质量属性通常被编码在效用函数中，例如，相关目标的加权和。自适应系统需求工程的研究议程提出了对决策技术的需求，这些技术考虑了多个目标的权衡和优先级。人类利益攸关方需要参与决策过程，以便正确地得出每个目标的相对重要性。[主要思想/结果：]本研究预览论文提出了一种方法，该方法支持多个利益相关者优先考虑相关质量属性，协商优先级以达成协议，并提供输入以定义自适应系统的效用函数。[贡献：]所提出的方法构成了效用函数定义的轻量级解决方案。旨在开发满足利益攸关方要求的自适应系统的从业人员和研究人员可以应用该方法。我们提出了我们的计划，研究我们的方法使用案例研究的应用程序的细节。
Defining Self-adaptive Systems: A Systematic Literature Review
本文通过系统文献综述分析1400余篇论文，发现自适应系统缺乏统一定义，总结现有形式定义的局限性，并为未来社区广泛接受的形式定义奠定基础。
Design Patterns for Self Adaptive Systems Engineering
自适应被提出来克服今天的软件系统的复杂性，这导致的不确定性问题。不确定性的方面包括改变系统目标、改变资源可用性和动态操作条件。反馈控制回路已被认为是工程自适应系统的重要组成部分。然而，尽管它们很重要，但仍然缺乏设计包括一个特定反馈控制回路的不同部件之间的交互以及来自不同控制回路的部件之间的交互的系统方法。大多数现有的方法要么是特定领域的，要么太抽象而没有用处。此外，多个控制回路的问题往往被忽视，因此自适应系统往往是围绕一个单一的回路设计。本文基于IBM体系结构蓝图中的MAPE-K控制环，考虑到多控制环的问题，提出了一套用于自适应软件系统建模和设计的设计模式。一个案例研究来说明所提出的设计模式的适用性。
An Investigation of the Monitoring Activity in Self Adaptive Systems
在底层软件系统执行过程中，入侵检测是必不可少的。本文对MAPE-K控制回路的监控活动进行了研究，目的在于探讨：（1）监控活动涉及的组件、控制和组件间的数据流的体系结构;（2）监控组件与其它MAPE-K组件的标准接口;（3）自适应监控及其对监控开销问题的重要性;（4）监控模式及其与特定情况和系统的关联性。本文还提出了一个自适应系统监控过程的Java框架。
A Framework for Evaluating Model-Driven Self-adaptive Software Systems
在过去的几年里，模型驱动开发（MDD），基于约束的软件开发（CBSD），和面向上下文的软件已经成为有趣的替代品的设计和自适应软件系统的建设。一般来说，这些技术的最终目标是能够降低开发成本和工作量，同时提高软件系统的模块化、灵活性、适应性和可靠性。对这些技术的分析表明，它们都包括关注点分离的原则，它们的进一步集成是获得高质量和自适应软件系统的关键因素。每种技术都识别不同的关注点，并分别处理它们，以指定自适应应用程序的设计，同时，支持软件具有适应性和上下文感知。本研究探讨以模型驱动开发原则建构自适应软体系统的开发方法。为此，本文提出了一个评估框架，用于分析和评估模型驱动方法的特点及其在高度动态的上下文环境中支持具有自适应性和可靠性的支持软件的能力。这种评价框架可以帮助软件开发人员选择适合自己需求的开发方法，减少构建自适应软件系统的开发工作量。本研究强调了相关工作中支撑模型驱动方法的主要缺点，并强调在开发方法的分析、设计和实现阶段考虑自适应软件的易变方面。此外，我们认为，开发方法应该离开的选择建模语言和建模工具的软件开发人员。
Systematic Mapping Protocol: Variability Management in Dynamic Software Product Lines for Self-Adaptive Systems
上下文：动态可变性管理在动态软件产品线中的重要性。目的：定义进行系统映射研究的协议，以总结和综合自适应系统中动态软件产品线动态可变性管理的证据。方法：应用该方案，按照K.彼得森结果：一个经过验证的方案，进行系统的映射研究。结论：第一个研究结果表明，有必要可视化的新方法来管理动态软件产品线的可变性。
Specification Architectural Viewpoint for Benefit-Cost-Risk-Aware Decision-Making in Self-Adaptive Systems
在过去的二十年里，研究人员和工程师已经广泛研究了如何使软件系统能够处理不确定的操作条件的问题。这个问题的一个突出解决方案是自适应，它为软件系统配备了一个反馈回路，可以解决操作过程中的不确定性，并在必要时调整系统以处理它们。到目前为止，大多数自我适应办法都使用侧重于实现一系列目标的决策机制，即，选择具有最佳估计效益的适应选项来执行。一些方针还考虑了执行候选适应备选办法的估计（一次性）费用。我们认为，除了效益和成本，在自适应系统的决策还应考虑估计的风险，系统或其用户将暴露于如果选择执行的适应选项。在评估适应备选办法和减少不确定性时，必须平衡所有三个因素，这不仅是为了满足利害关系方的关切，而且也是为了确保自适应系统的安全和公众接受。在本文中，我们提出了一个ISO/IEC/IEEE 42010兼容的架构的观点，认为估计的利益，成本和风险的核心因素，每个自适应选项考虑自适应。该观点的目的是支持软件架构师负责设计强大的自适应系统的决策机制。
Using Models at Runtime to Address Assurance for Self-Adaptive Systems
自适应软件系统在运行时修改其行为以响应系统内或其执行环境中的变化。即使存在不利条件和适应性，也需要保证满足系统要求。因此，自适应软件系统的一个关键挑战是保证。传统上，对系统正确性的信心是通过在开发时执行的各种活动和过程获得的，例如设计分析和测试。然而，在存在自适应的情况下，一些保证任务可能需要在运行时执行。这种需求要求开发能够在整个软件生存周期中实现连续保证的技术。运行时保证技术发展的基础是研究模型在运行时的使用（M@RT）。本章探讨了使用M @RT来解决自适应软件系统保证的最新技术水平。它定义了M@RT可以捕获哪些信息，特别是为了保证的目的，并将此定义置于现有工作的上下文中。然后，我们概述了关键的研究挑战，保证在运行时和特征保证方法。本章最后探讨了选定的应用领域，在这些领域中，M@RT可以为自适应系统提供超越现有保证技术的显著好处。
Towards Bridging the Gap between Control and Self-Adaptive System Properties
用于构建自适应软件的两个主要范例使用不同类型的属性来捕获系统运行时行为的相关方面。一方面，控制系统考虑与稳定性等静态方面有关的属性，以及捕获变量（如稳定时间）的瞬态演变的动态属性。另一方面，自适应系统主要考虑非功能特性，这些特性捕获了诸如性能、可靠性和成本等问题。一般来说，协调这两种类型的属性或确定在哪些条件下它们构成提供运行时保证的良好匹配并不容易。有必要确定控制和自适应领域的关键特性，并对其进行定性和绘图，以更好地了解它们如何相互关联并可能相互补充。在本文中，我们通过以下方式迈出了解决这一问题的第一步：（1）识别控制理论中的一组关键属性，（2）使用通常用于设计自适应软件系统的时序逻辑语言来说明这些属性中的一些的形式化，以及（3）说明如何将表征自适应软件系统的关键属性映射成控制属性，利用它们在时间逻辑中的形式化。我们说明了不同的步骤映射上的一个典型的情况下，在云计算域，并确定在该地区的开放性挑战的结论。
Engineering Self-adaptive Authorisation Infrastructures
随着组织的扩展和互连，授权基础设施变得越来越难以管理。已经提出了几种解决方案，包括自适应授权，其中访问控制策略在运行时动态调整以响应误用和恶意行为。自适应授权的最终目标是减少人为干预，使授权基础设施对恶意行为更具响应性，并以更具成本效益的方式管理访问控制。在本文中，我们的范围和定义的自适应授权的新兴领域，通过描述它的一些发展，趋势和挑战。为此，我们首先确定访问控制和授权基础设施相关的关键概念，并提供了一个简单的介绍自适应软件系统，这为研究如何自适应可以使授权政策的执行提供了基础。本研究的结果是识别与自适应授权相关的几个技术挑战，这些挑战根据反馈控制循环的不同阶段进行分类。
CHESS: A Framework for Evaluation of Self-adaptive Systems based on Chaos Engineering
有一个越来越多的需要，以评估自适应和自我修复系统的正确行为，由于他们采用的关键和高度动态的环境。然而，缺乏系统的自适应和自愈系统的评价方法。我们提出了CHESS，这是一种通过基于混沌工程（CE）的故障注入评估自适应和自愈系统来解决这一差距的新方法[ arXiv：2208.13227 ]。本文中介绍的工件通过两个基于微服务的案例研究提供了CHESS使用的广泛概述：一个智能办公案例研究和一个名为Yelb的现有演示应用程序。它提供了一个管理系统服务，一个自我监控服务，以及涵盖基础设施故障和功能故障的五个故障注入场景。这些组件中的每一个都可以很容易地扩展或替换，以采用国际象棋方法进行新的案例研究，帮助探索其承诺和局限性，并确定未来研究的方向。关键词：自愈，恢复力，混沌工程，评价，伪影
Software Engineering for Self-Adaptive Robotics: A Research Agenda
本文提出自适应机器人领域的软件工程研究议程，从软件工程生命周期与使能技术两个维度梳理待解挑战，构建面向2030年的研究路线图，为可信高效的自适应机器人系统奠定基础。
Verifying Stochastic Behaviors of Decentralized Self-Adaptive Systems: A Formal Modeling and Simulation Based Approach
自适应软件被认为是最先进的方法，它的发展引起了人们的广泛关注。去中心化是设计和管理现代自适应软件系统复杂性的有效方法。然而，仍然存在巨大的挑战。一个主要的挑战是在设计和实现活动中将分散性与传统的自适应实现框架统一起来。一个是保证在高度动态和不确定的环境中运行的分散自适应系统所需的全局目标和性能。另一个挑战是预测系统的内部变化对其自适应环境的影响。为了解决这些问题，我们将关注点分离的机制与使用时间自动机的建模方法相结合，以允许系统进行分析和验证。采用时间计算树逻辑描述系统目标，并通过动态环境下的随机仿真实验验证了分散自适应系统的自适应特性。在本文中，我们提取了一个激励的例子，从实际应用中的无人机应急任务场景。最后，以该动机为例对整个方法进行了评价和说明，统计结果可作为无人机在赛博物理空间布局规划的参考。
On the Impact of Applying Machine Learning in the Decision-Making of Self-Adaptive Systems
最近，我们已经看到越来越多的使用机器学习方法在自适应系统。机器学习方法提供了用于支持自适应的各种用例，例如，保持运行时模型最新，减少大的适应空间，或更新适应规则。然而，由于机器学习方法本质上应用统计方法，因此它们可能对自适应系统做出的决策产生影响。鉴于广泛使用的正式的方法来提供保证的自适应系统的决策，重要的是要调查的影响，应用机器学习方法时，使用这种方法。在本文中，我们研究了一个特殊的情况下，结合线性回归，以减少自适应系统的自适应空间与统计模型检验，分析所产生的适应选项。我们使用计算学习理论来确定机器学习方法对验证者所做预测的影响的理论界限。我们使用DeltaIoT工件的场景来说明和评估理论结果。最后，我们期待在这一领域的未来研究的机会。
Awareness requirement and performance management for adaptive systems: a survey
自适应软件可以评估和修改其行为，当评估表明程序没有按预期执行时，或者当改进的功能或性能可用时。自20世纪60年代中期以来，系统自适应性的主题得到了广泛的研究，在过去的十年中，许多涉及自适应的应用领域和技术已经变得突出。所有这些努力的共同点是通过软件引入自适应性。因此，有必要研究系统的软件工程方法，以创建可用于不同领域的自适应系统。本研究的主要目的是总结目前的进展，在审查国家的最先进的方法在文献中描述的基础上的自适应策略的意识要求。本文介绍了自适应系统的需求意识的背景下，并总结了最常用的方法。首先回顾了自适应系统的研究现状和成果。然后根据六个标准对现有的自适应系统进行了分类。然后，介绍和评价了最常用的自适应方法。最后，从需求描述、监控、关系、依赖/影响和工具四个方面对自适应模型进行了评价。
On Evaluating Self-Adaptive and Self-Healing Systems using Chaos Engineering
随着自适应系统在各个领域的日益普及，越来越需要评估其正确行为的策略。特别是自我修复系统，旨在提供弹性和容错能力，经常处理关键和高度动态环境中的意外故障。它们的反应性和复杂行为使得评估这些系统是否根据预期目标执行具有挑战性。最近，一些研究表示关注缺乏系统的自我修复行为的评估方法。在本文中，我们提出了国际象棋，自适应和自我修复系统，建立在混沌工程的系统评价的方法。混沌工程是一种使系统处于意外条件和场景下的方法。它在帮助开发人员构建弹性微服务架构和网络物理系统方面表现出了巨大的潜力。国际象棋通过使用混沌工程来评估自我修复系统能够承受这种扰动的程度，从而扭转了这一想法。我们通过一个自我修复的智能办公环境的探索性研究调查这种方法的可行性。这项研究有助于我们探索这种方法的承诺和局限性，并确定需要进一步工作的方向。最后，我们总结了经验教训。
Hazard Analysis for Self-Adaptive Systems Using System-Theoretic Process Analysis
本文提出了一种针对自适应系统的STPA设计时扩展方法，通过导出参考模型和分析义务支持STPA活动，并验证了其在安全关键自适应系统危害分析中的适用性。
Emotionally-Informed Decisions: Bringing Gut's Feelings into Self-adaptive and Co-adaptive Software Systems
软件系统现在补充了大量的人类活动，并且已经做出了很多努力，使它们具有越来越高的性能自适应能力，从而使故障，中断和功能丧失的负担需要专家干预。即使软件系统正在迅速获得击败人类的技能，人类仍然保持着非常优越的适应性，特别是在情感信息决策和不确定性决策的背景下;也就是说，自适应和协同适应软件系统尚未获得“直觉”。这提供了双重机会，在软件的自适应部分中，在不确定性下概念化人类启发的决策过程，以及在自适应架构中挖掘人类独特的情感能力。在本文中，一些算法进行了讨论，可以提供软件系统与现实的决策，和一些架构的概念化，诉诸人类的情感量化的不确定性，并在软件的适应过程中作出贡献。
Identifying Uncertainty in Self-Adaptive Robotics with Large Language Models
本文评估了10个大语言模型在四个工业规模机器人案例中识别自适应机器人不确定性的能力，从业者认可63%-88%的响应，表明LLM可支持系统化不确定性识别。
A Survey and Taxonomy of Self-Aware and Self-Adaptive Cloud Autoscaling Systems
自动缩放系统可以通过对云软件的各种配置和硬件资源的调配，重新配置基于云的服务和应用，以适应运行时不断变化的环境。这种行为为在现代云计算范例中实现弹性提供了基础。由于共享云基础设施的动态性和不确定性，云自动伸缩系统已被设计为人类创造的最复杂，最复杂和最智能的工件之一，旨在实现自我感知，自适应和可靠的运行时伸缩。然而，现有的自感知和自适应云自动缩放系统（SSCAS）还没有成熟到可以在云中可靠地利用的状态。在这篇文章中，我们调查了国家的最先进的研究SSCAS的研究，并提供了一个全面的分类，这一领域。我们对结果进行了详细的分析，并提供了对开放挑战的见解，以及在这一研究领域未来工作中值得研究的有前途的方向。我们的调查和分类有助于在云中设计更智能的自动缩放系统的基础。
Safety-Critical Adaptation in Self-Adaptive Systems
现代系统的设计是为了在日益多变和不确定的环境中运行。这些环境不仅复杂，因为它们包含大量的变量，而且还随着时间的推移而变化。系统必须能够在运行时调整其行为，以管理这些不确定性。这些自适应系统已被广泛研究。本文提出了一个安全关键的自适应系统的定义，然后描述了一个分类法，根据它们对系统的安全性和系统的安全情况下的影响，适应到不同的类型。分类法表示分类的标准，然后描述自适应系统的安全情况必须满足的特定标准，这取决于所执行的适应类型。分类中的每一种类型都以安全关键的自适应热水系统为例进行了说明。
Self-adaptive node-based PCA encodings
在本文中，我们提出了一种算法，简单的Hebbian PCA，并证明它是能够计算的主成分分析（PCA）在一个分布式的方式跨越节点。它通过删除层内权重简化了现有的网络结构，基本上将需要训练的权重数量减少了一半。
Proceedings 13th International Workshop on Foundations of Coordination Languages and Self-Adaptive Systems
本卷包含FOCLASA 2014的会议记录，第13届协调语言和自适应系统基础国际研讨会。FOCLASA 2014于2014年9月9日在意大利罗马举行，作为CONCUR 2014的卫星活动，CONCUR 2014是第25届并发理论国际会议。现代软件系统是分布式的、并发的、移动的，并且经常涉及异构组件和独立服务的组合。服务协调和自适应是分布式系统和面向服务系统的核心特征。协调语言和形式化的方法来建模和推理的自适应行为有助于简化复杂的分布式服务为基础的系统的开发，使功能的正确性证明，并提高可重用性和可维护性的系统。FOCLASA研讨会的目标是将上述领域的研究人员和从业人员聚集在一起，交流和确定共同问题，并在协调语言和自适应系统的背景下制定一般性解决方案。
Proceedings 14th International Workshop on Foundations of Coordination Languages and Self-Adaptive Systems
本卷包含FOCLASA 2015的会议记录，第14届协调语言和自适应系统基础国际研讨会。FOCLASA 2015于2015年9月5日在西班牙马德里举行，作为CONCUR 2015的卫星活动，CONCUR 2015是第26届并发理论国际会议。现代软件系统是分布式的、并发的、移动的，并且经常涉及异构组件和独立服务的组合。服务协调和自适应是分布式系统和面向服务系统的核心特征。协调语言和形式化的方法来建模和推理自适应行为有助于简化复杂的分布式基于服务的系统的开发，使功能正确性证明，自动合成正确的建设系统，并提高可重用性和可维护性等系统。FOCLASA研讨会的目标是将上述领域的研究人员和从业人员聚集在一起，交流和确定共同问题，并在协调语言和自适应系统的背景下制定一般性解决方案。
Explaining Online Reinforcement Learning Decisions of Self-Adaptive Systems
设计时的不确定性是开发自适应系统的一个重要挑战。例如，定义系统在面对新的环境状态时应该如何适应，需要理解适应的精确效果，这在设计时可能是未知的。在线强化学习，即，在运行时采用强化学习（RL）是在存在设计时间不确定性的情况下实现自适应系统的新兴方法。通过使用在线RL，自适应系统可以从实际操作数据中学习，并利用仅在运行时可用的反馈。最近，Deep RL引起了人们的兴趣。深度强化学习将学习到的知识表示为一个神经网络，它可以对看不见的输入进行泛化，并处理连续的环境状态和适应动作。深度强化学习的一个基本问题是学习的知识没有显式表示。对于人类来说，几乎不可能将神经网络的参数化与具体的RL决策联系起来，因此深度RL本质上看起来像一个黑盒子。然而，理解Deep RL做出的决定是（1）增加信任和（2）促进调试的关键。这种调试对于自适应系统尤其重要，因为量化RL算法反馈的奖励函数必须由开发人员定义。奖励函数必须由开发人员显式定义，因此可能会引入人为错误。为了解释自适应系统的深度强化学习，我们增强并结合了机器学习文献中现有的两种可解释的强化学习技术。组合技术XRL-DINE克服了单独技术的各自局限性。我们提出了XRL-DINE的概念验证实现，以及将XRL-DINE应用于自适应系统范例的定性和定量结果。
Applying Machine Learning in Self-Adaptive Systems: A Systematic Literature Review
最近，我们看到机器学习在自适应系统中的使用迅速增加。机器学习已被用于各种原因，从在操作期间学习系统环境的模型到在分析它们之前过滤大量可能的配置。虽然存在关于在自适应系统中使用机器学习的大量工作，但目前还没有对该领域的系统概述。这种概述对于研究人员了解最新技术水平和指导未来的研究工作非常重要。本文报告了一个系统的文献综述，旨在提供这样一个概述的结果。我们专注于自适应系统，是基于传统的咨询-分析-计划-执行反馈回路（MAPE）。研究问题集中在激发自适应系统中使用机器学习的问题，自适应学习的关键工程方面，以及开放的挑战。检索得到6709篇论文，其中109篇保留用于数据汇集。对收集的数据的分析表明，机器学习主要用于更新自适应规则和策略以提高系统质量，以及管理资源以更好地平衡质量和资源。这些问题主要通过使用监督和交互式学习来解决，其中分类、回归和强化学习是主要方法。令人惊讶的是，自然适合自动化的无监督学习只应用于少数研究。这一领域的关键挑战包括学习的表现，管理学习的效果，以及处理更复杂类型的目标。从这个系统的文献综述中获得的见解，我们概述了一个初步的设计过程，应用机器学习在自适应系统的基础上MAPE反馈回路。
Dealing with Drift of Adaptation Spaces in Learning-based Self-Adaptive Systems using Lifelong Self-Adaptation
本文针对基于学习的自适应系统中适应空间漂移问题，提出引入终身机器学习层的终身自适应方法，通过持续跟踪环境、识别新任务并更新学习模型，以应对适应选项质量变化导致的决策失效或新机会出现，并在DeltaIoT上验证了有效性。
An Energy-Aware Approach to Design Self-Adaptive AI-based Applications on the Edge
本文提出一种能量感知方法，通过元启发式搜索和加权灰色关联分析为边缘AI应用选择配置，实现自适应以平衡目标与能耗，在行人检测中节省高达81%能量，准确率仅损失2%-6%。
Cyber Autonomy: Automating the Hacker- Self-healing, self-adaptive, automatic cyber defense systems and their impact to the industry, society and national security
本文阐述了网络自治的紧迫性以及网络安全行业目前的差距。一个新的框架，提出了四个阶段的成熟度完全网络自治将进行讨论。本文还回顾了新的和新兴的网络安全自动化技术和工具，并讨论了它们对社会的影响，感知网络安全技能差距/短缺和国家安全。我们还将讨论国家安全、人权和道德之间的微妙平衡，以及人工渗透测试行业在自动化面前的潜在消亡。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。