ادغام یادگیری تقویتی عمیق با مهندسی نرم افزار خودکار: گامی به سوی نسل جدید توسعه هوشمند نرم افزار

چکیده مقاله

در دهه اخیر، پیشرفت های چشمگیر در حوزه یادگیری ماشین و به ویژه یادگیری تقویتی عمیق Deep Reinforcement Learning – DRL چشم انداز جدیدی برای مهندسی نرم افزار ترسیم کرده است ادغام این فناوری با مهندسی نرم افزار خودکار Automated Software Engineering – ASE توانسته است بسیاری از فرآیندهای توسعه نرم افزار را از فاز طراحی تا تست و نگهداری، به صورت پویا و خودبهبودگر درآورد این مقاله با رویکردی تحلیلی و آینده نگر، تاثیر و چالش های تلفیق DRL با ASE را مورد بررسی قرار می دهد در بخش نخست، به تشریح اصول فنی و الگوریتمی یادگیری تقویتی عمیق و قابلیت های آن در تصمیم گیری خودکار در محیط های نامطمئن پرداخته می شود در ادامه، کاربردهای بالقوه این فناوری در بهینه سازی فرآیندهای توسعه نرم افزار از جمله تولید خودکار کد، تشخیص خطا، تخصیص منابع و نگهداری تطبیقی بررسی می گردد در نهایت، مقاله نتیجه می گیرد که استفاده از DRL در مهندسی نرم افزار نه تنها می تواند به کاهش هزینه و افزایش کارایی منجر شود، بلکه زمینه ساز ظهور «مهندس نرم افزار هوشمند مصنوعی» خواهد بود با این حال، موانع اخلاقی، پیچیدگی داده ها و چالش های تفسیرپذیری همچنان از موانع اساسی پیاده سازی کامل این رویکرد هستند

کلیدواژه‌ها

نویسندگان

علی قربانی عادگانی

کارشناس ارشد نرم افزار، دانشگاه آزاد تهران، تهران، ایران

قربانی عادگانی، علی،1404،ادغام یادگیری تقویتی عمیق با مهندسی نرم افزار خودکار: گامی به سوی نسل جدید توسعه هوشمند نرم افزار،بیست و هفتمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک،شیروان

ارائه‌شده در

مجموعه مقالات بیست و هشتمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک25 آذر 1404 · شیروان