چکیده مقاله
انتخاب معماری بهینه نرمافزار در پروژه های نرمافزاری با تغییرات زمانی در نیازمندی ها، یکی از چالشهای اصلی مهندسی نرمافزار است این پژوهش روش نوین RW TGNN را معرفی میکند که با بهره گیری از شبکه های عصبی گراف زمانی و الگوریتم Random Walk ،پویایی زمانی و روابط پیچیده بین پروژهها را برای پیشبینی هوشمند معماری های نرمافزار مانند Microservice ، Cloud Native ، و DDD مدلسازی می کند TGNN با تحلیل تغییرات پویا در طول زمان و ترکیب آن با Random Walk برای استخراج الگوهای ساختاری، به دقت۰۹% دست یافت که نسبت به روشهای پیشرفته مانند TGCN و سنتی مانند Random Forest برتری قابلتوجهی نشان داد این روش با عملکرد پایدار در پیشبینی معماری های متنوع، به توسعهدهندگان و معماران نرم افزار امکان میدهد تا با اطمینان بیشتری معماریهایی متناسب با نیازهای پویا انتخاب کنند ای ن رویکرد فرآیند طراحی نرمافزار را کارآمدتر کرده و راه را برای توسعه سیستمهای انعطاف پذیر باز میکند کاوش های آینده با استفاده از دادههای واقعی و ترکیب TGNN با روشهای پیشرفته تر میتوانند پیش بینی معماریها را در پروژه های صنعتی دقیقتر کنند
کلیدواژهها
نویسندگان
محمدهیوا نظری
کارشناسی ارشد مهندسی نرم افزار، هنرآموز کامپیوتر دبیرستان شهید طلاقانی
نگین نظری
دانشجو دکتری مهندسی نرم افزار دانشگاه علم وصنعت ایران،کارشناس مدیریت شبکه و ارتباطات شرکت توزیع برق کردستان
شیوه ارجاع
نظری، محمدهیوا و نظری، نگین،1404،انتخاب هوشمند معماری بهینه نرمافزار مبتنی بر ویژگی های پویا پروژه با بهرهگیری از شبکه های عصبی گراف زمانی و الگوریتم Random Walk،ششمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد
ارائهشده در
مجموعه مقالات ششمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات20 اردیبهشت 1404 · مشهد