Cálculos, métricas y ejemplos de Cmms Kpi

Se realizó un análisis para validar el modelo de calidad utilizando el paquete de métricas CK (Chidamber Veerappa y Harrison ampliaron este trabajo utilizando CODe-Imp para inspeccionar las diferencias entre las métricas de acoplamiento. Se utilizó un enfoque similar para medir los efectos de la refactorización automatizada en cuatro métricas de acoplamiento estándar y para comparar las métricas entre sí.

Los programas se eligieron en función del número de versiones anteriores del software disponibles, ya que el éxito del enfoque dependería de esta información. Los resultados experimentales se compararon con los enfoques monoobjetivo y multiobjetivo anteriores y se encontró que tenían mejores resultados con menos refactorizaciones, pero también tardaron más en ejecutarse. Ouni y col. creó un enfoque para medir la preservación de la semántica en un programa de software al buscar opciones de refactorización para mejorar la estructura. Utilizaron un enfoque multiobjetivo con NSGA-II para combinar el enfoque anterior para resolver defectos de diseño con el nuevo enfoque para garantizar que las resoluciones mantuvieran la similitud semántica entre los elementos del código en el programa. El primer método mide la similitud basada en el vocabulario inspeccionando los nombres dados a los elementos del software y comparándolos usando la similitud del coseno. El otro método mide las dependencias entre los objetos del programa calculando las llamadas al método compartido de dos objetos y los accesos al campo compartido y combinándolos en una sola función. Un objetivo general para la similitud semántica se deriva de estas medidas al encontrar el promedio, y esto luego se usa para ayudar al algoritmo NSGA-II a encontrar soluciones más significativas.

El segundo objetivo utilizó una medida del esfuerzo necesario para aplicar la secuencia de refactorización, y los autores asignaron a cada tipo de refactorización un valor de esfuerzo. Kessentini, Mahaouachi y Ghedira ampliaron el enfoque original utilizando ejemplos de buen diseño de código para ayudar a proponer secuencias de refactorización para mejorar la estructura del código. En lugar de generar reglas de refactorización para detectar defectos de diseño y luego usarlas para generar secuencias de refactorización con un GA, utilizaron un GA directamente para medir la similitud entre 3l0g.com el código del sujeto y el código bien diseñado. de código, permitiendo que las secuencias de refactorización derivadas eliminen los olores del código. Kessentini y col. usó ejemplos de mal diseño para producir reglas para ayudar en la detección de defectos de diseño con programación genética, y luego usó estas reglas en un GA para ayudar a proponer secuencias de refactorizaciones para eliminar los defectos detectados. Las reglas se componen de una combinación de métricas de diseño para detectar instancias de blob, código espagueti o defectos de diseño de descomposición funcional.

Complejidad

Estas soluciones se analizaron manualmente para derivar el porcentaje de refactorizaciones significativas sugeridas. Los resultados de dos programas de código abierto diferentes se compararon luego con un enfoque monoobjetivo y multiobjetivo anterior y, aunque el número de defectos resueltos fue moderadamente menor, se incrementaron las refactorizaciones significativas. La Ingeniería de Software basada en BÚSQUEDA se ocupa de la resolución de problemas de optimización de la ingeniería de software reestructurando como problemas de optimización combinatoria. El tema se ha abordado e investigado en varias áreas diferentes del ciclo de vida del desarrollo de software, incluida la optimización de requisitos, el mantenimiento y refactorización del código de software, la optimización y depuración de casos de prueba. Si bien el área existe desde principios de la década de 1990 y el término «ingeniería de software basada en búsquedas» fue acuñado originalmente por (Harman También exploraron el efecto de utilizar el historial de refactorización en la preservación de la semántica.

El enfoque se comparó con un enfoque diferente basado en reglas para la detección de defectos con cuatro programas Java de código abierto y se encontró que era más preciso con los defectos elcredocatolico.com de diseño encontrados. Bakar y col. intentó esbozar un conjunto de pautas para seleccionar las mejores métricas para medir la capacidad de mantenimiento en software de código abierto.

¿Por qué el software requiere mantenimiento?

La experimentación adicional en proyectos Java de código abierto mostró una ligera mejora en los valores de calidad y la preservación de la semántica con estas consideraciones adicionales. Las mejoras realizadas en estos casos fueron tan buenas como las realizadas cuando se dispuso de refactorizaciones anteriores para el proyecto en cuestión. Ouni y col. reemplazó el GA utilizado en el enfoque de corrección de olor del código con un GA multiobjetivo (NSGA-II). Utilizaron la función de objetivo anterior para minimizar los defectos de diseño como uno de los dos objetivos separados para impulsar la búsqueda.

Antes de que se usara la GA, un enfoque de GP experimentó con reglas diferentes que pueden reproducir el conjunto de ejemplo de defectos de diseño, con las reglas más precisas que se devuelven. Una vez que se derivó un conjunto de reglas, podrían usarse para detectar la cantidad de defectos en el enfoque de corrección. Luego, el GA podría usarse para encontrar secuencias de refactorizaciones que reduzcan el número de defectos de diseño en el programa.

• A menudo, estas mejoras se basan en los principios básicos del diseño orientado a objetos, donde el software se ha escrito en un lenguaje orientado a objetos.
• Utilizando un algoritmo basado en búsquedas, el desarrollador comienza con el programa original como base para mejorar.
• La medida de mejora del programa es un aspecto incierto y puede ser subjetivo, por lo que puede realizarse de diversas formas.
• SBSE se puede aplicar al mantenimiento de software aplicando refactorizaciones al código para reducir la deuda técnica.

Los resultados mostraron que ReCon puede corregir con éxito más del 50% de los anti-patrones en un proyecto usando menos recursos que los enfoques tradicionales de la literatura. También puede lograr una mejora significativa de la calidad en términos de reutilización, extensibilidad y, hasta cierto punto, flexibilidad, mientras que la efectividad reporta un incremento insignificante. La serie de tiempo se utilizó para predecir cuántos olores de código potenciales aparecerían en futuras versiones del software con la solución seleccionada aplicada. Luego, uno de los objetivos se midió minimizando el número de olores de código en la versión actual del software y los olores de código estimados en versiones futuras del software. El otro objetivo apuntaba a minimizar el número de refactorizaciones necesarias para mejorar el software. El enfoque se probó en cuatro programas Java de código abierto y un proyecto Java industrial.

Rompiendo el modelo de mantenimiento de software reactivo