Algoritmos com Múltiplos Enxames no Problema de Escalonamento Dinâmico de Projetos de Software

  • Mikael Jesus Universidade Federal de Sergipe
  • Leila Silva Universidade Federal de Sergipe
  • André Britto Universidade Federal do Sergipe

Resumo


O Problema de Escalonamento Dinâmico de Projetos de Software (DSPSP) e um problema ainda em aberto no ramo da Engenharia de Software Baseada em Busca. Na literatura, vários algoritmos foram utilizados e alguns deles se mostraram promissores. Entre estes estão os algoritmos de Otimização por Enxame de Partículas com Múltiplas Populações chamados de Multi-Swarm. O objetivo desse trabalho e explorar técnicas de otimização dinâmica para resolver o DSPSP. Para isso, novas estratégias baseadas em múltiplas populações são propostas. As abordagens propostas são comparadas com um algoritmo Multi-Swarm, utilizando-se uma instancia do DSPSP e fazendo-se uma analise com indicadores de qualidade e testes estatísticos.

Referências

Alba, E. and Chicano, J. F. (2007). Software project management with gas. Information Sciences, 177(11):2380 – 2401.

Coello, C. A. C., Lamont, G. B., and Veldhuizen, D. A. V. (2007). Evolutionary Algorithms for Solving Multi-Objective Problems, volume 2. Springer.

Colanzi, T. E., Vergilio, S. R., Assunção, W. K. G., and Pozo, A. (2013). Search based software engineering: Review and analysis of the field in brazil. Journal of Systems and Software, 86(4):970 – 984. SI : Software Engineering in Brazil: Retrospective and Prospective Views.

Derrac, J., Garcı́a, S., Molina, D., and Herrera, F. (2011). A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms. Swarm and Evolutionary Computation, 1(1):3 – 18. do Amaral, R. O. M. (2018). Otimização com muitos objetivos por múltiplos enxames aplicada ao escalonamento dinâmico de projetos de software. Master’s thesis, Univesidade Federal de Sergipe.

Durillo, J. J. and Nebro, A. J. (2011). jmetal: A java framework for multi-objective optimization. Advances in Engineering Software, 42(10):760 – 771.

Harman, M., Mansouri, S. A., and Zhang, Y. (2012). Search-based software engineering: Trends, techniques and applications. ACM Computing Surveys (CSUR), 45(1):11.

Helbig, M. and Engelbrecht, A. P. (2013). Performance measures for dynamic multiobjective optimisation algorithms. Information Sciences, 250:61 – 81.

Ishibuchi, H., Tsukamoto, N., and Nojima, Y. (2008). Evolutionary many-objective optimization. In 2008 3rd International Workshop on Genetic and Evolving Systems, pages 47–52.

Nebro, A. J., Durillo, J. J., Garcia-Nieto, J., Coello Coello, C. A., Luna, F., and Alba, E. (2009). Smpso: A new pso-based metaheuristic for multi-objective optimization. In 2009 IEEE Symposium on Computational Intelligence in Multi-Criteria DecisionMaking(MCDM), pages 66–73.

Shen, X., Minku, L. L., Bahsoon, R., and Yao, X. (2016). Dynamic software project scheduling through a proactive-rescheduling method. IEEE Transactions on Software Engineering, 42(7):658–686.

Alba, E. and Chicano, J. F. (2007). Software project management with gas. Information Sciences, 177(11):2380 – 2401.

Coello, C. A. C., Lamont, G. B., and Veldhuizen, D. A. V. (2007). Evolutionary Algorithms for Solving Multi-Objective Problems, volume 2. Springer.

Colanzi, T. E., Vergilio, S. R., Assunção, W. K. G., and Pozo, A. (2013). Search based software engineering: Review and analysis of the field in brazil. Journal of Systems and Software, 86(4):970 – 984. SI : Software Engineering in Brazil: Retrospective and Prospective Views.

Derrac, J., Garcı́a, S., Molina, D., and Herrera, F. (2011). A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms. Swarm and Evolutionary Computation, 1(1):3 – 18. do Amaral, R. O. M. (2018). Otimização com muitos objetivos por múltiplos enxames aplicada ao escalonamento dinâmico de projetos de software. Master’s thesis, Univesidade Federal de Sergipe.

Durillo, J. J. and Nebro, A. J. (2011). jmetal: A java framework for multi-objective optimization. Advances in Engineering Software, 42(10):760 – 771.

Harman, M., Mansouri, S. A., and Zhang, Y. (2012). Search-based software engineering: Trends, techniques and applications. ACM Computing Surveys (CSUR), 45(1):11.

Helbig, M. and Engelbrecht, A. P. (2013). Performance measures for dynamic multiobjective optimisation algorithms. Information Sciences, 250:61 – 81.

Ishibuchi, H., Tsukamoto, N., and Nojima, Y. (2008). Evolutionary many-objective optimization. In 2008 3rd International Workshop on Genetic and Evolving Systems, pages 47–52.

Nebro, A. J., Durillo, J. J., Garcia-Nieto, J., Coello Coello, C. A., Luna, F., and Alba, E. (2009). Smpso: A new pso-based metaheuristic for multi-objective optimization. In 2009 IEEE Symposium on Computational Intelligence in Multi-Criteria DecisionMaking(MCDM), pages 66–73.

Shen, X., Minku, L. L., Bahsoon, R., and Yao, X. (2016). Dynamic software project scheduling through a proactive-rescheduling method. IEEE Transactions on Software Engineering, 42(7):658–686.
Publicado
15/10/2019
Como Citar

Selecione um Formato
JESUS, Mikael; SILVA, Leila; BRITTO, André. Algoritmos com Múltiplos Enxames no Problema de Escalonamento Dinâmico de Projetos de Software. In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL (ENIAC), 16. , 2019, Salvador. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2019 . p. 539-550. DOI: https://doi.org/10.5753/eniac.2019.9313.