Hauptinhalt

DFG-Projekt zu "Modellgetriebener Optimierung in der Softwaretechnik" gefördert

Viele Probleme in der Softwaretechnik können als Optimierungsprobleme betrachtet werden, wie zum Beispiel Softwaremodularisierung, das Testen von Software, und die Planung von neuen Releases. In der suchbasierten Softwaretechnik werden metaheuristische Techniken zur Lösung von Optimierungsproblemen der Softwaretechnik eingesetzt. Einer der weit verbreiteten Ansätze zur iterativen Erforschung eines Suchraumes sind evolutionäre Algorithmen. Wenn die Qualität der Optimierungsergebnisse nicht so hoch, wie erwartet, ist, kann eine Erklärung für diesen Effekt sein, dass domänenspezifisches Wissen bei der explorativen Suche nicht ausreichend erfasst wird.
Model-Driven Engineering (MDE) bietet Konzepte, Methoden und Techniken, um domänenspezifische Modelle einheitlich zu verarbeiten. Die Verwendung von MDE in der suchbasierten Softwaretechnik wird Model-Driven Optimization (MDO) genannt; sie wurde an bekannten Optimierungsproblemen in der Literatur demonstriert. MDO ist vielversprechend, da domänenspezifisches Wissen systematisch in SBSE eingebracht werden kann.
Um die MDO-Vision zu stärken, zielt dieses Projekt darauf ab, MDO zu konsolidieren, d.h. ein tieferes Verständnis zu erlangen, wann und wie MDO zur Lösung von Optimierungsproblemen in der Softwaretechnik eingesetzt werden sollte. Für dieses Ziel wollen wir ein formales Framework für MDO entwickeln, das einen einheitlichen Ansatz zur Spezifikation von Optimierungsproblemen und evolutionären Algorithmen unter Verwendung von domänenspezifischem Wissen definiert. Dieses Framework soll zur Klärung von Konzepten und zur Verbesserung der Qualität evolutionärer Algorithmen verwendet werden. Wir werden das Framework auf seine praktische Relevanz untersuchen, indem wir empirische Evaluationen von MDO in zwei aktuellen Themenbereichen von SBSE durchführen, das Mutationstesten und die genetische Verbesserung von Programmen.

Die DFG fördert das Projekt von 2021 bis 2024.