软件可靠性预计方法研究及实现.doc

软件可靠性预计方法研究及实现摘要：软件可靠性评估可以估计和预计软件可靠性水平, 为了解决软件可靠性预计过程中存在的问题，提出了一种软件可靠性预计方法, 该方法通过分析和改进模型的预计质量来选择模型进行预计，对模型预计质量的分析使用了U图、U图和对数PLR图，再标定法和组合法被用于改进模型的预计质量, 在该方法的基础上开发了软件可靠性分析工具，此工具可以进行多种软件可靠性模型的原始预计、预计质量分析和改进原始模型的预计质量。引言：在软件的开发过程中，软件的测试和修改是一个不断反复的过程, 什么时候软件达到了要求的可靠性水平从而能够投入使用是一个关键问题,过早地将软件投入使用，可能造成重大事故及损失, 而测试到了一定阶段后，软件可靠性增长缓慢，继续进行测试将是无谓的活动，浪费人力、财力，对于商业软件来说，影响其进入市场的时机，从而造成损失；甚至不能补偿开发成本, 从这方面讲，定量地评估软件当前的可靠性、预计将来的可靠性显得尤为重要。在软件可靠性研究的发展过程中，建立了许多种不同的可靠性模型, 在实际应用模型进行可靠性预计时，会遇到在众多的模型中不知选择哪一个，预计的结果不知是否可信等问题, 由于各个模型的假设条件难以验证，操作人员对各种模型不是很了解，所以趋向于盲目的选择模型进行预计,引言：在可靠性预计中有很多的不一致性，如不同模型对同一软件系统会给出不同的预计结果；同一模型用于预计不同数据其预计质量有很大的差别；对同一失效数据同一模型在不同的预计阶段进行的预计，预计质量也不同, 有时有使用一个或几个模型进行预计时预计质量都很低的问题,为解决软件可靠性预计中的上述问题，在当前软件可靠性预计技术的基础上提出了一种相对可信的软件可靠性预计方法。 1、可靠性预计方法软件的可靠性预计中存在的问题有以下3方面：1）、由于没有模型应用的先验知识，导致盲目的选取模型；2）模型预计中存在很多的不一致性；3）有时选择一个或多个模型进行预计，预计质量都很低。可采用下面的一些方法来解决上述问题：1）在选择模型或模型组前进行可靠性趋势分析；2）无论选择何种模型都要进行预计质量分析；3）预计质量不好时应用改进技术改进预计质量。调入失效数据图 1是软件可靠性预计方法的流程图,趋势分析 按趋势分析结果选择模型进行进行原始预计组合预计预计质量分析预计质量分析选用最适宜模型质量“好”质量“好”适宜再标定 是 采用预计 否 否 否 是 抛弃该预计再标定预计抛弃该预计是 采用该预计预计质量分析质量“好”否抛弃该预计 是 采用该预计 图1 软件可靠性预计流程图1.1可靠性预计方法介绍软件可靠性预计方法包括4 部分内容：可靠性模型的初步选取；原始模型预计；模型预计质量分析；预计质量改进方法。1.1.1 初选可靠性模型收集失效数据的主要目的之一是为了建立软件可靠性模型，以便对软件的可靠性进行评估和预计。 如果盲目使用数据来套用模型，有可能因为数据的特征与模型的假设要求不符导致没有意义的结果，从而影响建模进程以及下面一系列的分析克服上述弊端的一个可能的方法是对失效数据进行预分析。具体做法为：得到失效数据之后，在选择具体模型之前对数据进行趋势分析，分析结果可作为模型选择指导。 从某种程度上，失效数据的趋势分析可以对模型类别进行初步筛选，将模型的选择范围缩小到和失效数据趋势相符合的一类模型中 这样可以在很大程度上提高建模效率，一定程度上避免盲目性。软件可靠性预计方法中采用Laplace( 趋势分析方法，计算拉氏因子，做拉氏因子图，根据拉氏图判断可靠性趋势。1.1.2原始模型预计 假设在软件测试过程中失效时间为t1，t2，t3考虑对下一个失效发生时间的预计 如果已发生的失效时间为t1，t2，t3tj-1那么对当前失效时间Tj的预计可由累计分布函数（cdf）预计：Fj(t)=P(Tjt) (1)从式（1）可得到Tj的概率密度函数（pdf） fj(t)=F(t) (2)Fj,fj是对cdf,pdf 真值的估计。软件可靠性分析工具中采用了增长型、稳定型和S 型3 种类型的模型，这些模型假设cdf,pdf依赖于一些未知参数和失效数据。 根据已经发生的失效时间t1，t2，t3tj-1用极大似然法估计每个阶段j 的参数值。1.1.3预计质量分析对所选择的模型进行预计质量分析，根据预计质量分析结果，判断哪一个模型的预计质量好，则选择该模型进行预计。判断模型预计质量好坏的标准是模型预计值和真实值的接近程度。 预计值趋向于真实值，那么模型预计的较准确，比较可信；反之，预计值偏离真实值，模型预计不准确，不可信。 评价模型预计质量的一般方法是：将预计值和实际观测值（后来做出的）进行比较，逐步地建立起一个预计观测比较序列，通过这个序列可以获得有关过去预计准确性的信息，从而对现在预计做出决策。 如果一个模型的预计值和观测值是趋近的，那么预计性能应被认同。 从而，这一预计模型在当前阶段可被采用。 在本方法中采用U 图Y图和序列似然比（PLR）分析模型的预计质量。U图是用来检测预计和观测的失效行为之间系统而客观的差别的。 Uj=Fjtj,j,s,，q,s 是进行首次预计足够大的失效数据个数，如果Fj(t)和真实分布Fj(t)相同，则Fj(t)应服从0,1上的均匀分布。 将序列Uj,j=s,q由小到大排序，排序后的序列作为xoy 坐标系上的横坐标，纵坐标以1/(q-s+2)为步长随U 值增加而增长。 这样构成的抽样分布函数图即为U图，用Kolmogrov-Smirnov(KS)距离判断Uj是否严重偏离0,1上的均匀分布，如果严重偏离，说明存在着某种类型的预计偏差。Y 图能够检测出U图是否掩盖了一致偏差，“好”的U 图的作用是确信U 图对一致偏差的检测是可信的。 评价Y图“好”与“不好”的标准仍然是KS距离，KS 距离越小，Y 图越好。令 xj=-log(1-uj) j=s，q (3)yr=j=srxjj=sqxj r=s，q (4)由序列yr,r=s,，q按构造。 图的方法绘制Y 图。对数PLR 图是用于评价模型预计的相对优劣的，定义序列似然比 PLRiAB=j=sifjA(tj)j=sifjB=PLiAPLiB (5)以对数PLRiAB为纵坐标，失效序号为横坐标可绘制对数PLR 图。 如果当i趋于无穷大时PLRiAB趋于无穷大，即对数PLRiAB大于0，且从总体上呈现上升趋势，就可以认为模型A 预计质量优于B预计。 改进方法利用前述的预计质量分析方法选定一个最适模型后，仍然会发现，即使是最适模型，其预计质量也常常不能令人满意，仍然存在着一定的偏差。因此本方法中提出用改进方法改进模型的预计质量，以消除或减少偏差。模型预计质量的改进采用2 种方法：再标定方法和组合方法。 再标定方法主要是对模型预计值进行修正，减小乃至消除预计中存在的偏差，从而提高预计质量。 组合方法则是将多个模型的预计结果进行线性组合，消除单个模型预计的片面性，达到综合最优。 使用改进技术后，还要对经过改进的模型进行预计质量分析，判断模型的预计质量是否确实得到了提高。 如果一个模型的预计存在偏差，即预计分布与真实分布之间存在着偏差，则再标定方法可以在U图不好Y图好的情况下，利用U图估计纠偏函数Gi，对Fi(t)进行重新估计。 Fi*(t)=Gi(Fi(t) (6)组合法对各模型的预计结果进行线性组合，得到组合的预计结果，各模型的组合权值根据各模型过去的预计质量（由其序列似然值表示）来确定。 Fjct=r=1mwjrFjr(t) (7) fjct=r=1mwjrfjr(t) (8) wjr=PLj=1rk=1mPLj=1k (9)m 是所选模型个数；wjr是第r个模型在阶段j 的组合权值。 1.2可靠性预计方法的特点此方法具有系统性、完整性的特点。 方法中包括趋势分析、原始预计、预计质量分析和改进预计，功能上比较完备，解决了模型的盲目选取问题和原始预计质量不能令人满意却没有合适的模型可选的情况。 虽然改进措施不是普遍适用的，但大大增强了分析的范围。 该方法还具有灵活性的特点，对于特定的失效数据，不一定要进行所有这些步骤。 原始预计质量达到接受水平时，就没必要进行改进。 预计质量分析既可用于分析原始预计的预计质量，也可用于分析改进预计的预计质量。第3 个特点是具有“动态性”。 针对同一个软件在不同的测试阶段收集到的失效数据，都要根据预计质量分析选用最适宜的模型，而不是在整个测试阶段的分析工作中都采用同一模型。 这种“动态选模”，具有更强的适用性。此方法适用于软件可靠性测试阶段的软件可靠性评估。 2 、软件可靠性分析工具(SRAT)在上述方法的理论基础上，开发了软件可靠性分析工具。 该软件基于软件失效数据对软件可靠性进行评估、预计；可处理多种类型的软件失效数据；可进行趋势分析帮助选取模型类型；可提供多种软件可靠性增长模型；使用U图、Y 图、对数PLR 图判断预计质量的好坏；改进方法可提高模型预计质量；可给出多种评估、预计结果。 SRAT(的目的是提供较为可信的软件可靠性估计结果，为软件项目开发人员、管理人员提供决策依据。1)数据转换功能失效数据分为两类，每一个失效都对应一个确切的时间称为完全数据，记录单位时间内失效的次数称为不完全数据。 在SRAT中将不完全数据转化成完全数据进行分析。 假设在观测间隔时间内，软件失效发生的时间服从均匀分布，从而将不完全失效数据转换成完全失效数据。2)趋势分析功能趋势分析既可以针对完全失效数据也可以针对不完全失效数据进行。 对数据进行趋势分析的方法有两大类：图形法和定量分析法。 前者简单直观但不正规，相比之下，后者基于统计规律来分析就比较严格，SRAT 既可给出原始数据图供用户分析，也可采用Laplace 法进行定量的趋势分析。可以改变失效数据的起始点对不同测试阶段的失效数据进行趋势分析。 可得到的可靠性趋势有可靠性增长、可靠性下降、可靠性先减后增和可靠性稳定趋势。3)软件可靠性原始预计 SRAT给出3种类型的软件可靠性模型，增长型、稳定型和S型，增长型模型包括MO 模型、JM模型、GO 模型、DUANE 模型和改进的Schneidewind 模型。 用原始可靠性模型预计和计软件可靠性参数，并给出可靠性参数曲线。估计的可靠性参数有平均失效前时间MTTF和当前失效强度。 预计的可靠性参数有运行t时间时的可靠度值和再测试t 时间的失效强度值；达到可靠度目标值还需运行的时间，达到失效强度目标值还需进行的测试时间。4）软件可靠性预计质量分析 SRAT给出所选模型的对数PLR 图、U图和Y图，从图形上分析模型的预计质量，并计算所选模型的对数PLR值、U图KS 距离、Y图KS距离，利用这些参数可判断模型预计质量的好坏。 对U图不好Y 图好的可进行预计质量改进。5）预计质量改进功能软件可靠性分析工具提供了2 种改进方法，再标定法和组合法，并可进行改进后的预计。3、实例应用用SRAT对多组失效数据进行了可靠性预计，下面给出了用SRAT 对文献1中失效数据ss4 的处理分析过程及结果。首先对ss4 进行趋势分析，它的可靠性趋势是可靠性增长（趋势分析结果见图2），则选用原始预计中的可靠性增长模型。软件提供了5种可靠性增长模型，在这5种模型中无法进行取舍，因此选择这5种模型行原始预计。 对这5种模型进行预计质量分析，从对数PLR 图和U 图、Y图，以及U图Y图的KS 距离，可以判断改进的Schneidewind（Sd）模型的预计质量要好于其它模型。 因此可以选用改进的Schneidewind模型进行原始预计。 而改进的Schneidewind模型的预计质量不是很理想，但U图的KS距离大于0.2，Y 图的KS距离小于0.2，即U 图不好Y 图好，则可以用改进方法改进模型的预计质量) 对改进的Schneidewind 模型进行再标定以后，对再标定模型进行了预计质量分析，改进后的模型预计质量要好于原始模型，因此可以用改进的模型进行可靠性预计) 原始模型的预计质量分析及再标定后的预计质量分析见表。4、 结论与展望该软件可靠性预计方法解决了在软件可靠性预计实践中遇到的一些问题，依据此方法开发的软件可靠性分析工具软件，能帮助软件可靠性分析人员得到较为可信的软件可靠性预计结果。从而使得软件的开发变得相对的低廉，微软日后的测试减少了许多不必要的麻烦，从而大大缩短了软件的开发周期与测试成本，为软件行业的发展带来了新的动力与活力，使人们从一个新的方面去看关于可靠性的预计。但是，该方法还是存在着部分不足之处，比如操作比较繁琐等。在这个计算机日益发展与壮大的时代，软件产业的发展为计算机的升级与更新提供了不可磨灭的贡献。可以说计算机的发展就是伴随着软件发展起来的。在接下来的几十年里，软件行业也将持续他那饱满的青春，为计算机的发展做出不朽的贡献，而对于软件的可靠性预计也将