[論文レビュー] Towards rational and minimal change propagation in model evolution

Hoa Khanh Dam, Aditya Ghose|arXiv (Cornell University)|Feb 25, 2014

Evolutionary Algorithms and Applications参考文献 27被引用数 7

ひとこと要約

本稿では、人工知能分野の信念修正公理を応用することで、ソフトウェアモデルの進化における合理的かつ最小限の変更伝播フレームワークを提案する。変更伝播をコストに基づく行動評価を持つ状態空間探索としてモデル化し、モデルへの構造的・意味的混乱を最小限に抑えつつ整合性を維持する。

ABSTRACT

A critical issue in the evolution of software models is change propagation: given a primary change that is made to a model in order to meet a new or changed requirement, what additional secondary changes are needed to maintain consistency within the model, and between the model and other models in the system? In practice, there are many ways of propagating changes to fix a given inconsistency, and how to justify and automate the selection between such change options remains a critical challenge. In this paper, we propose a number of postulates, inspired by the mature belief revision theory, that a change propagation process should satisfy to be considered rational and minimal. Such postulates enable us to reason about selecting alternative change options, and consequently to develop a machinery that automatically performs this task. We further argue that a possible implementation of such a change propagation process can be considered as a classical state space search in which each state represents a snapshot of the model in the process. This view naturally reflects the cascading nature of change propagation, where each change can require further changes to be made.

研究の動機と目的

• モデル進化中に最適な二次的変更を選択する課題に対処し、整合性を維持すること。
• AGM信念修正モデルにインspiredされた公理を用いて、合理的かつ最小限の変更伝播を形式化すること。
• 構造的および意味的変更を最小限に抑えつつ、自動的かつスケーラブルな変更伝播を可能にすること。
• バージョン間の概念的距離を反映する、検索ベースの変更伝播実装を開発すること。
• モデル進化における変更オプションの推論に原則的基盤を提供し、人的作業とエラーを低減すること。

提案手法

• AGM信念修正公理をモデル進化に適応させ、合理的かつ最小限の変更伝播を保証する。
• 各状態が変更後のモデルスナップショットを表す状態空間探索として、変更伝播をモデル化する。
• 生成、削除、更新、関係性変更といった基本的アクションタイプに、概念的影響を反映するコスト値を割り当てる。
• 集合的および基数に基づく近接度測定を用いて、モデルバージョン間の構造的および意味的距離を評価する。
• UMLアクティビティ図における活動の意味的効果の注釈を導入し、モデル間の意味的近接度を計算する。
• ヒューリスティック推定値を用いて効率的な探索を促進する、古典的探索アルゴリズム（例：A*、ベストファースト）を採用する。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてモデル進化中の二次的変更の選択を形式的に正当化できるか？
• RQ2 変更伝播が合理的かつ最小限であることを保証する原則は何か？
• RQ3 効率的な探索を導くために、モデルバージョン間の概念的距離をどのようにモデル化できるか？
• RQ4 信念修正公理をソフトウェアモデルにおける自動的変更伝播を支援するために適応可能か？
• RQ5 構造的および意味的近接度をどのように測定することで、最小限の変更を反映できるか？

主な発見

• 提案された公理は、変更伝播意思決定の形式的基盤を提供し、合理性と最小限性を保証する。
• 変更伝播は状態空間探索として効果的にモデル化可能であり、変更シーケンスの体系的探索を可能にする。
• コストベースのアクション割り当てにより、異なる変更オプションの比較が可能であるが、コスト値はユーザー設定可能であり、個別には任意である。
• 集合包含および基数に基づく構造的および意味的近接度測定は、モデル変更の形式的側面と意味的側面を両方捉える。
• 古典的探索手法を活用することで、フレームワークはスケーラブルな変更伝播を実現し、実際には全探索を回避する。
• 本アプローチは、自動的かつ最小限の変更を伴う一貫性のあるモデル進化を可能にし、複雑なシステムにおける人的作業とエラーを低減する。