論文の概要: Search-Based Software Engineering for Self-Adaptive Systems: Survey,
Disappointments, Suggestions and Opportunities
- arxiv url: http://arxiv.org/abs/2001.08236v2
- Date: Fri, 14 Aug 2020 21:58:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 18:48:25.328907
- Title: Search-Based Software Engineering for Self-Adaptive Systems: Survey,
Disappointments, Suggestions and Opportunities
- Title（参考訳）: 自己適応システムのための探索型ソフトウェア工学:調査、失望、提案、機会
- Authors: Tao Chen, Miqing Li, Ke Li, and Kalyanmoy Deb
- Abstract要約: 自己適応システム(英: Self-Adaptive System、SAS)は、そのような複雑なシステムのカテゴリである。
本報告では,SASを対象としたSBSEに関する総合的な調査を初めて実施する。
- 参考スコア（独自算出の注目度）: 13.835366933089883
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Search-Based Software Engineering (SBSE) is a promising paradigm that
exploits the computational search to optimize different processes when
engineering complex software systems. Self-adaptive system (SAS) is one
category of such complex systems that permits to optimize different functional
and non-functional objectives/criteria under changing environments (e.g.,
requirements and workload), which involves problems that are subject to search.
In this regard, over years, there has been a considerable amount of work that
investigates SBSE for SASs. In this paper, we provide the first systematic and
comprehensive survey exclusively on SBSE for SASs, covering papers in 27 venues
from 7 repositories, which eventually leads to several key statistics from the
most notable 74 primary studies in this particular field of research. Our
results, surprisingly, have revealed five disappointments that are of utmost
importance and can result in serve consequences but have been overwhelmingly
ignored in existing studies. We provide theoretical and/or experimental
evidence to justify our arguments against the disappointments, present
suggestions, and highlight the promising research opportunities towards their
mitigation. We also elaborate on three other emergent, but currently
under-explored opportunities for future work on SBSE for SASs. By mitigating
the disappointments revealed in this work, together with the highlighted
opportunities, we hope to be able to excite a much more significant growth in
this particular research direction.
- Abstract（参考訳）: sbse(search-based software engineering)は、複雑なソフトウェアシステムを設計する際に異なるプロセスを最適化するために計算探索を利用する有望なパラダイムである。
自己適応システム(self-adaptive system, sas)は、環境の変化(要求やワークロードなど)下で異なる機能的目標/非機能的目標を最適化することを可能にする、複雑なシステムの1つのカテゴリである。
この点に関して, SBSE を SAS として調査する作業は, 長年にわたって数多く行われている。
本稿では,sasのsbseを専門とする体系的かつ包括的調査を初めて実施し,7つのリポジトリから27の会場で論文を収集した。
結果、驚くべきことに、最も重要であり、結果をもたらす可能性のある5つの失望が、既存の研究で圧倒的に無視されていることが明らかになりました。
我々は、失望に対する議論を正当化し、提案し、彼らの緩和に向けた有望な研究機会を強調する理論的および/または実験的証拠を提供する。
また、SBSE for SASの今後の取り組みについて、現在未検討の機会を3つ挙げる。
この研究で明らかになった失望を軽減し、ハイライトされた機会と共に、我々は、この研究の方向性において、より大きな成長をエキサイティングにできることを望んでいる。
関連論文リスト
- Trustworthiness in Retrieval-Augmented Generation Systems: A Survey [59.26328612791924]
Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)の開発において、急速に重要なパラダイムへと成長してきた。
本稿では,RAGシステムの信頼性を,事実性,堅牢性,公正性,透明性,説明責任,プライバシの6つの面で評価する統一的な枠組みを提案する。
論文 参考訳（メタデータ） (2024-09-16T09:06:44Z) - SUPER: Evaluating Agents on Setting Up and Executing Tasks from Research Repositories [55.161075901665946]
Superは、機械学習(ML)と自然言語処理(NLP)の研究リポジトリを扱う研究者が直面する現実的な課題を捉えることを目的としている。
本ベンチマークでは,注釈付きエキスパートソリューションを用いたエンドツーエンド問題45,特定の課題に焦点をあてたエキスパートソリューションから導いた152,大規模開発のための602の問題を自動生成する。
我々は、最先端のアプローチが、最良のモデル(GPT-4o)でこれらの問題を解決するのに苦労していることを示し、エンド・ツー・エンドの16.3%と46.1%のシナリオを解決した。
論文 参考訳（メタデータ） (2024-09-11T17:37:48Z) - How Mature is Requirements Engineering for AI-based Systems? A Systematic Mapping Study on Practices, Challenges, and Future Research Directions [5.6818729232602205]
既存のREメソッドが十分かどうか、あるいはこれらの課題に対処するために新しいメソッドが必要であるかどうかは不明だ。
既存のRE4AI研究は主に要件分析と導入に重点を置いており、ほとんどの実践はこれらの分野に適用されている。
私たちは、最も一般的な課題として、要件仕様、説明可能性、マシンラーニングエンジニアとエンドユーザのギャップを特定しました。
論文 参考訳（メタデータ） (2024-09-11T11:28:16Z) - A Systematic Literature Review on Explainability for Machine/Deep Learning-based Software Engineering Research [23.273934717819795]
本稿では,ソフトウェア工学の文脈におけるAIモデルの説明可能性の向上を目的とした,体系的な文献レビューを行う。
我々は,XAI技術がこれまで成功してきたSEタスク,(2)異なるXAI手法の分類と分析,(3)既存の評価手法を考察することを目的としている。
論文 参考訳（メタデータ） (2024-01-26T03:20:40Z) - Classification, Challenges, and Automated Approaches to Handle Non-Functional Requirements in ML-Enabled Systems: A Systematic Literature Review [10.09767622002672]
本稿では,これまで検討されてきた非機能要件の分類と,ML対応システムでモデルを開発する上で直面する課題の2つを対象とする体系的文献レビューを提案する。
本報告では,30種類の非機能要件を同定し,これらを6つの主要クラスに分類した。
また、23以上のソフトウェアエンジニアリング課題のカタログを編集し、機械学習対応システムの非機能要件についてさらなる研究を行ないました。
論文 参考訳（メタデータ） (2023-11-29T09:45:41Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳（メタデータ） (2023-06-06T10:18:36Z) - Scaling up Search Engine Audits: Practical Insights for Algorithm
Auditing [68.8204255655161]
異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。
複数のデータ収集にまたがる研究インフラの性能を実証する。
仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
論文 参考訳（メタデータ） (2021-06-10T15:49:58Z) - Wizard of Search Engine: Access to Information Through Conversations
with Search Engines [58.53420685514819]
我々は3つの側面からCISの研究を促進するために努力している。
目的検出(ID)、キーフレーズ抽出(KE)、行動予測(AP)、クエリ選択(QS)、通過選択(PS)、応答生成(RG)の6つのサブタスクでCIS用のパイプラインを定式化する。
検索エンジンのウィザード(WISE)と呼ばれるベンチマークデータセットをリリースし、CISのすべての側面について包括的かつ詳細な調査を可能にします。
論文 参考訳（メタデータ） (2021-05-18T06:35:36Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳（メタデータ） (2021-01-15T10:43:10Z) - A Software Engineering Perspective on Engineering Machine Learning
Systems: State of the Art and Challenges [0.0]
機械学習(ML)の進歩は、アルゴリズムが人間によってハードコードされる従来のソフトウェア開発の視点から、データから学習することで実現されたMLシステムへとシフトする。
ソフトウェアシステムの開発方法を再考し、これらの新しいタイプのシステムに必要な特質を考慮する必要があります。
論文 参考訳（メタデータ） (2020-12-14T20:06:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。