[论文解读] Pragmatic Requirements for Adaptive Systems: a Goal-Driven Modelling and Analysis Approach

Felipe Pontes Guimarães, Genaína Nunes Rodrigues+2 more|arXiv (Cornell University)|Mar 24, 2015

Advanced Software Engineering Methodologies参考文献 11被引用 7

一句话总结

本文引入了实用目标（pragmatic goals）——其满足标准动态依赖于上下文的目标——以解决传统目标模型在自适应系统中的局限性。该研究提出了一种以目标为中心的建模方法，并设计了一种自动化算法，可在特定上下文中判断目标是否具有实用可实现性，相比人工判断，实现了近乎即时且可靠的分析结果。

ABSTRACT

Goal-models (GM) have been used in adaptive systems engineering for their ability to capture the different ways to fulfill the requirements. Contextual GM (CGM) extend these models with the notion of context and context-dependent applicability of goals. In this paper, we observe that the interpretation of a goal achievement is itself context-dependent. Thus, we introduce the notion of Pragmatic Goals which have a dynamic satisfaction criteria. We also developed and evaluated an algorithm to decide the Pragmatic CGM's achievability. Finally, we performed several experiments to evaluate and to compare our algorithm against human judgment and concluded that the specification of context-dependent goals' applicability and interpretations make it hard for domain stakeholders to decide whether the model covers all possibilities, both in terms of time and accuracy, thus showing the importance and contribution of our algorithm.

研究动机与目标

• 填补现有目标模型中的空白：目标解释具有上下文依赖性，但未被正式建模。
• 认识到传统硬性目标与软性目标无法捕捉目标实现的上下文特定解释。
• 提出一种形式化模型，将上下文依赖的满足标准整合进目标建模中，构建实用目标的正式模型。
• 设计并评估一种自动化推理算法，用于判断在给定上下文中实用目标是否可实现。
• 展示该算法在自适应系统需求分析中，相较于人工判断在速度与准确性上的优越性。

提出的方法

• 将实用目标作为情境目标模型（CGM）的扩展，其中目标的满足依赖于情境解释。
• 将实用目标的可实现性定义为：存在一条有效执行计划，能够满足目标的上下文依赖性解释。
• 设计一种递归算法，用于分析CGM树结构，通过遍历子目标并应用上下文特定条件来评估可实现性。
• 采用简化假设：目标之间不存在贡献或否定关系，以保持树状结构并实现线性时间复杂度。
• 实现该算法，以在指定上下文中生成实用目标的执行计划。
• 通过移动个人紧急响应系统（Mobile Personal Emergency Response System）的案例研究评估该算法，并与人工志愿者的结果进行对比。

实验结果

研究问题

• RQ1 当目标的解释基于上下文动态变化时，如何正式建模目标的满足？
• RQ2 自动化算法在评估上下文依赖目标的可实现性方面，能在多大程度上优于人工判断？
• RQ3 该算法能否高效识别出使CGM根目标不可实现的上下文集合？
• RQ4 当CGM中的目标数和上下文数增加时，该算法的可扩展性如何？
• RQ5 该方法在运行时自适应与需求工程工具中集成的潜力如何？

主要发现

• 所提出的算法在几毫秒内即可确定实用目标的可实现性，显著优于人工志愿者每人响应耗时长达17分钟的判断效率。
• 人工判断在评估目标可实现性方面仅达到27.81%的可靠性，凸显了人工分析的局限性。
• 该算法以高度一致性正确识别出实用目标的可实现路径，证明其在需求工程中的可靠性。
• 该算法在目标数和上下文数增加时呈线性可扩展性，可在不到一秒内处理包含最多10,000个节点和20个上下文的模型。
• 对于包含15个上下文和最多10,000个节点的模型，该算法在不到一分钟内评估了所有上下文组合，支持全面的上下文空间分析。
• 该方法可主动识别不可实现的上下文，支持设计时分析，并具备支持运行时自适应的潜力。