CN108255733A - 一种基于复杂网络理论评估软件系统可靠性的方法 - Google Patents
一种基于复杂网络理论评估软件系统可靠性的方法 Download PDFInfo
- Publication number
- CN108255733A CN108255733A CN201810088519.8A CN201810088519A CN108255733A CN 108255733 A CN108255733 A CN 108255733A CN 201810088519 A CN201810088519 A CN 201810088519A CN 108255733 A CN108255733 A CN 108255733A
- Authority
- CN
- China
- Prior art keywords
- software
- complex
- reliability
- network model
- assessment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
- G06F11/3628—Software debugging of optimised code
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
Abstract
本发明提供一种基于复杂网络理论评估软件系统可靠性的方法,步骤如下:1、确定软件的抽象层次,确定复杂网络模型中的节点;2、对软件的源代码进行解析,提取相应的节点以及节点之间关系,构建复杂网络模型;3、对软件的复杂网络模型进行静态分析,计算模型的宏观与微观的静态参数;4、对软件复杂网络模型进行动态模拟分析,计算模型的动态性能参数;5、根据静态计算以及动态分析的结果对软件的可靠性进行评估;通过上述步骤,可以完成对基于复杂网络理论评估面向过程编程的软件系统可靠性的方法的构建,不需要经过大量测试便可以预先对软件进行可靠性评估。本发明适用于开发人员在测试之前对软件进行优化,提高软件测试效率。
Description
技术领域
本发明提供一种基于复杂网络理论评估软件系统可靠性的方法,它涉及一种基于复杂网络理论评估软件系统可靠性的技术的实现,属于软件可靠性评估领域。
背景技术
随着个人计算机的快速发展以及互联网技术的兴起,软件的应用已经从传统人民大众生活的方方面面,我们的衣食住行都可以通过软件应用轻松地解决。而随着智能时代的到来,这种情况会更加凸显。当人们过分依赖于软件提供的服务的时候,就对软件可靠性和性能提出了很大的挑战。通过探究软件结构特征与软件可靠性之间的关系,则可以在软件最初的设计和编写阶段,就可以通过一定的标准和经验来避免一些容易出现故障的设计模式,同时也可以优化软件设计者的编程习惯,避免一些可靠性较低的结构的出现。
而另一方面,随着计算机硬件能力越来越强大以及互联网应用越来越普遍,软件结构也在发生着一些变化。一是软件为了满足用户处理愈发复杂问题的需求,其功能正在不断的强大和复杂。二是软件从简单的单机环境向复杂的网络环境开放,不同软件应用之间的交互越来越多,同时软件面临的风险也在大大上升。这些趋势导致了软件系统的规模和复杂度的剧增,给对软件可靠性的研究带了巨大的挑战,传统方法都面临着无法全方位完整地掌握软件系统结构特性和动态规律的问题。因此,我们需要新的角度和方法来研究规模越来越大和复杂度越来越高的软件。复杂系统及复杂网络理论作为21世纪新兴的科学,其在处理复杂系统问题上有比较科学的理论和方法,并且已取得了诸多的成果。将软件系统作为一种复杂网络来研究,可以从整体上把握软件结构并理解软件的复杂性,给软件可靠性的研究带来新的角度和方法。
发明内容
(一)本发明目的:由于软件系统的规模和复杂度的剧增,给对软件可靠性的研究带了巨大的挑战,传统方法都面临着无法全方位完整地掌握软件系统结构特性和动态规律的问题。因此本发明将克服现有技术的不足,提供一种基于复杂网络理论评估软件系统可靠性的方法对上述问题进行解决。本发明通过利用复杂网络理论对软件进行可靠性评估。该方法可以在代码完成后,不需要经过大量测试便可以预先对软件结构进行一定的可靠性评估,使得软件在进入正式测试阶段之前开发人员就可以对软件结构进行一定优化。同时,针对大规模软件,该方法相比于传统软件可靠性测试方法更加具有效率。
(二)技术方案
本发明技术方案:一种基于复杂网络理论评估软件系统可靠性的方法构建过程如下:
本发明一种基于复杂网络理论评估软件系统可靠性的方法,其步骤如下:
步骤1:确定软件的抽象层次,确定软件的复杂网络模型中的节点;
步骤2:对软件的源代码进行解析,提取相应的节点以及节点之间关系,构建软件的复杂网络模型;
步骤3:对软件的复杂网络模型进行静态分析,计算该模型的宏观与微观的静态参数;
步骤4:对软件的复杂网络模型进行动态模拟分析,计算该模型的动态性能参数;
步骤5:根据静态计算以及动态分析的结果对软件的可靠性进行评估,给出软件基于复杂网络方法的可靠性指标,并发现软件结构的薄弱环节。
其中,在步骤1中所述的“确定软件的抽象层次”,其具体做法如下:由于不同的软件是由不同的语言编写的,不同语言具有不同的特性,因此对不同的软件要抽象的层次不同,宏观上有面向过程与面向对象两大类编程语言,确定抽象层次即为确定软件是属于哪一类编程语言。
其中,在步骤1中所述的“确定软件的复杂网络模型中的节点”,其具体做法如下:使用软件源代码包含的类或者函数作为复杂网络模型的节点。对于面向过程语言编写的软件,一般以函数为节点,并以函数之间的调用关系为边来构建软件的复杂网络模型;对于面向对象语言编写的软件,一般以类为节点,并以类之间的依赖关系为边来构建软件的复杂网络模型。
其中,在步骤2中所述的“构建软件的复杂网络模型”,其具体做法如下:利用静态分析工具对代码进行解析,静态工具一般可以直接获取构建软件复杂网络模型所需要的节点信息以及节点之间的关系,或者也可以从编译器编译的中间过程中提取信息,此时需要对编译器进行一定的修改,此方法需要的时间较长,但是可以获取的更加全面的信息。然后使用得到的节点和边对软件结构进行建模,得到复杂网络模型,忽略部分节点内部细节,从宏观上把握软件结构特征。
其中,在步骤3中所述的“对软件的复杂网络模型进行静态分析,计算该模型的宏观与微观的静态参数”,其具体做法如下:计算得到的复杂网络模型的节点数量、边数量、平均度、度分布、聚集系数等复杂网络典型统计参数,从静态的角度把握构建的复杂网络的特征。
其中,在步骤4中所述的“对软件的复杂网络模型进行动态模拟分析,计算该模型的动态性能参数”,其具体作法如下:针对于网络的渗流过程进行模拟,分析网络抵御随机故障的能力。
其中,在步骤5中所述的“根据静态计算以及动态分析的结果对软件的可靠性进行评估,给出软件基于复杂网络方法的可靠性指标,并发现软件结构的薄弱环节”,其具体作法如下:使用得到静态性能参数和动态性能参数等数据结果对软件进行可靠性评估,得到可靠性指标,并基于评估结果发现软件结构的薄弱环节。
通过上述步骤,可以完成对基于复杂网络理论评估软件系统可靠性的方法的构建,用于开发人员在测试前对软件结构进行可靠性评估。在软件系统的规模和复杂度的剧增的背景下,已有的一些软件可靠性评估方法都面临着无法全方位完整地掌握软件系统结构特性和动态规律的问题。本发明的方法基于复杂网络理论,可以从一个新的角度和方法来对规模越来越大和复杂度越来越高的软件进行早期的可靠性评估。
(三)本发明的优点及功效
本发明与现有技术相比的优点在于:本发明通过利用复杂网络理论对软件进行可靠性评估。该方法可以在代码完成后,不需要经过大量测试便可以预先对软件结构进行一定的可靠性评估,使得软件在进入正式测试阶段之前开发人员就可以对软件结构进行一定优化,大幅度提高软件测试效率。同时,针对大规模软件,该方法相比于传统软件可靠性测试方法更加具有效率。
附图说明
图1为本发明所述方法流程示意图。
图2为本发明实施例中对软件源代码进行抽象,构建复杂网络模型的示例。
图3为本发明实施例中构建的某软件函数调用关系复杂网络可视化图形。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明提供一种基于复杂网络理论评估软件系统可靠性的方法,以节点和边对软件的结构进行抽象,然后对建立的复杂网络模型进行计算分析,能够在代码层面预先对软件结构的可靠性进行预判,提高软件测试的效率。
如图1所示,本发明的一种基于复杂网络理论评估软件系统可靠性的方法,包括如下步骤:
步骤1:确定软件的抽象层次,确定软件的复杂网络模型中的节点。
不同的软件是由不同的语言编写的,不同语言具有不同的特性,因此对不同的软件要抽象的层次不同。宏观上有面向过程与面向对象两大类编程语言,首先需要区分的就是待测软件是采用哪种语言编写的。一般而言,对于面向过程语言编写的软件,一般以函数为节点,并以函数之间的调用关系为边来构建软件的复杂网络模型;对于面向对象语言编写的软件,一般以类为节点,并以类之间的依赖关系为边来构建软件的复杂网络模型。图2为将JAVA源代码抽象为复杂网络模型的经典示例。
步骤2:对软件的源代码进行解析,提取相应的节点以及节点之间关系,构建软件的复杂网络模型。
利用静态分析工具对代码进行解析,静态工具一般可以直接获取构建软件复杂网络模型所需要的节点信息以及节点之间的关系。或者也可以从编译器编译的中间过程中提取信息,此时需要对编译器进行一定的修改,此方法需要的时间较长,但是可以获取的更加全面的信息。两种方法最终构建的复杂网络模型基本一致,使用时可按需选择。表1为使用GCC编译器对某一款C语言软件解析后提取的函数以及函数之间的调用关系示例。图3为生成的函数调用关系复杂网络可视化图。
表1本发明实施例中通过GCC编译器提取的函数调用关系文件部分节选
步骤3:对软件的复杂网络模型进行静态分析,计算模型的宏观与微观的静态参数。
静态结构参数可以量化表示软件复杂网络模型结构上的特征,通过对比已有的复杂网络模型结构参数,可以评估软件结构上是否存在可靠性隐患。静态分析主要包括计算网络模型的节点数量、边数量、平均度、度分布、聚集系数等复杂网络典型统计参数。表2为典型的复杂网络模型静态分析参数计算结果。
表2典型的复杂网络模型静态分析参数计算结果
同时,已有复杂网络模型是指复杂网络模型经典的结构特征如无标度模型和小世界模型,这些模型已经有很成熟的研究结果,相应的针对于每一个模型有一套参数可以评估该模型的鲁棒性,可以为软件复杂网络模型静态结构可靠性评估提供参考。
步骤4:对软件的复杂网络模型进行动态模拟分析,计算该模型的动态性能参数。
动态模拟分析主要基于渗流理论,渗流理论分析可以评估软件复杂网络模型抵御随机故障能力,用于分析软件动态性能可靠性。
步骤5:根据静态计算以及动态分析的结果对软件的可靠性进行评估,给出软件基于复杂网络方法的可靠性指标,并发现软件结构的薄弱环节。
使用得到静态性能参数和动态性能参数等数据结果对软件进行可靠性评估,得到可靠性指标,并基于评估结果发现软件结构的薄弱环节。
通过上述步骤,可以完成对基于复杂网络理论评估软件系统可靠性的方法的构建。在这项技术中,我们利用复杂网络理论对软件进行可靠性评估。该方法可以在代码完成后,不需要经过大量测试便可以预先对软件结构进行一定的可靠性评估,使得软件在进入正式测试阶段之前开发人员就可以对软件结构进行一定优化,大幅度提高软件测试效率。同时,针对大规模软件,该方法相比于传统软件可靠性测试方法更加具有效率。
本发明未详细阐述部分属于本领域公知技术。
以上所述,仅为本发明部分具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域的人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于复杂网络理论评估软件系统可靠性的方法,其特征在于:其步骤如下:
步骤1:确定软件的抽象层次,确定软件的复杂网络模型中的节点;
步骤2:对软件的源代码进行解析,提取相应的节点以及节点之间关系,构建软件的复杂网络模型;
步骤3:对软件的复杂网络模型进行静态分析,计算该模型的宏观与微观的静态参数;
步骤4:对软件的复杂网络模型进行动态模拟分析,计算该模型的动态性能参数;
步骤5:根据静态计算以及动态分析的结果对软件的可靠性进行评估,给出软件基于复杂网络方法的可靠性指标,并发现软件结构的薄弱环节;
通过上述步骤,能完成对基于复杂网络理论评估软件系统可靠性的方法的构建,用于开发人员在测试前对软件结构进行可靠性评估;在软件系统的规模和复杂度的剧增的背景下,已有的一些软件可靠性评估方法都面临着无法全方位完整地掌握软件系统结构特性和动态规律的问题;本发明的方法基于复杂网络理论,能从一个新的角度和方法来对规模越来越大和复杂度越来越高的软件进行早期的可靠性评估。
2.根据权利要求1所述的一种基于复杂网络理论评估软件系统可靠性的方法,其特征在于:
在步骤1中所述的“确定软件的抽象层次”,其具体做法如下:由于不同的软件是由不同的语言编写的,不同语言具有不同的特性,因此对不同的软件要抽象的层次不同,宏观上有面向过程与面向对象两大类编程语言,确定抽象层次即为确定软件是属于哪一类编程语言。
3.根据权利要求1所述的一种基于复杂网络理论评估软件系统可靠性的方法,其特征在于:
在步骤1中所述的“确定软件的复杂网络模型中的节点”,其具体做法如下:使用软件源代码包含的类或者函数作为复杂网络模型的节点;对于面向过程语言编写的软件,一般以函数为节点,并以函数之间的调用关系为边来构建软件的复杂网络模型;对于面向对象语言编写的软件,一般以类为节点,并以类之间的依赖关系为边来构建软件的复杂网络模型。
4.根据权利要求1所述的一种基于复杂网络理论评估软件系统可靠性的方法,其特征在于:
在步骤2中所述的“构建软件的复杂网络模型”,其具体做法如下:利用静态分析工具对代码进行解析,静态工具一般能直接获取构建软件复杂网络模型所需要的节点信息以及节点之间的关系,也能从编译器编译的中间过程中提取信息,此时需要对编译器进行一定的修改,此方法需要的时间长,但是能获取的更加全面的信息;然后使用得到的节点和边对软件结构进行建模,得到复杂网络模型,忽略部分节点内部细节,从宏观上把握软件结构特征。
5.根据权利要求1所述的一种基于复杂网络理论评估软件系统可靠性的方法,其特征在于:
在步骤3中所述的“对软件的复杂网络模型进行静态分析,计算该模型的宏观与微观的静态参数”,其具体做法如下:计算得到的复杂网络模型的节点数量、边数量、平均度、度分布和聚集系数复杂网络典型统计参数,从静态的角度把握构建的复杂网络的特征。
6.根据权利要求1所述的一种基于复杂网络理论评估软件系统可靠性的方法,其特征在于:
在步骤4中所述的“对软件的复杂网络模型进行动态模拟分析,计算该模型的动态性能参数”,其具体作法如下:针对于网络的渗流过程进行模拟,分析网络抵御随机故障的能力。
7.根据权利要求1所述的一种基于复杂网络理论评估软件系统可靠性的方法,其特征在于:
在步骤5中所述的“根据静态计算以及动态分析的结果对软件的可靠性进行评估,给出软件基于复杂网络方法的可靠性指标,并发现软件结构的薄弱环节”,其具体作法如下:使用得到静态性能参数和动态性能参数数据结果对软件进行可靠性评估,得到可靠性指标,并基于评估结果发现软件结构的薄弱环节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810088519.8A CN108255733B (zh) | 2018-01-30 | 2018-01-30 | 一种基于复杂网络理论评估软件系统可靠性的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810088519.8A CN108255733B (zh) | 2018-01-30 | 2018-01-30 | 一种基于复杂网络理论评估软件系统可靠性的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108255733A true CN108255733A (zh) | 2018-07-06 |
CN108255733B CN108255733B (zh) | 2019-05-03 |
Family
ID=62743063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810088519.8A Active CN108255733B (zh) | 2018-01-30 | 2018-01-30 | 一种基于复杂网络理论评估软件系统可靠性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108255733B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111240993A (zh) * | 2020-01-20 | 2020-06-05 | 北京航空航天大学 | 一种基于模块依赖图的软件缺陷预测方法 |
CN111782510A (zh) * | 2020-06-16 | 2020-10-16 | 大连理工大学 | 基于组件结构网络的软件可靠性评估方法 |
CN112231175A (zh) * | 2020-10-14 | 2021-01-15 | 北京航空航天大学 | 一种基于动态仿真的软件状态监控点选择方法及系统 |
CN112765561A (zh) * | 2021-01-14 | 2021-05-07 | 中国石油大学(华东) | 一种面向供应链系统信任生态的宏观评估方法 |
CN113158372A (zh) * | 2021-04-20 | 2021-07-23 | 天津大学 | 一种面向自适应设计的工程机械产品质量改进方法 |
CN115408272A (zh) * | 2022-08-08 | 2022-11-29 | 南京航空航天大学 | 一种基于TOPSIS法的Java冗余代码评估方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298593A (zh) * | 2014-09-23 | 2015-01-21 | 北京航空航天大学 | 一种基于复杂网络理论的soa系统可靠性评价方法 |
CN105139284A (zh) * | 2015-08-25 | 2015-12-09 | 中国电力科学研究院 | 一种基于复杂网络理论的模块化储能系统可靠性评价方法 |
CN105528645A (zh) * | 2015-11-05 | 2016-04-27 | 国家电网公司 | 一种大电网脆弱性的预测方法 |
CN105808435A (zh) * | 2016-03-08 | 2016-07-27 | 北京理工大学 | 一种基于复杂网络的软件缺陷评估模型的构建方法 |
CN106371422A (zh) * | 2016-08-31 | 2017-02-01 | 北京航空航天大学 | 一种预测关键基础设施故障传播的方法 |
CN106406870A (zh) * | 2016-09-06 | 2017-02-15 | 北京航空航天大学 | 一种基于软件复杂网络的四维软件演化度量分析方法 |
CN106951365A (zh) * | 2016-03-01 | 2017-07-14 | 北京航空航天大学 | 一种基于面向对象软件代码的软件复杂网络模型构建方法 |
-
2018
- 2018-01-30 CN CN201810088519.8A patent/CN108255733B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298593A (zh) * | 2014-09-23 | 2015-01-21 | 北京航空航天大学 | 一种基于复杂网络理论的soa系统可靠性评价方法 |
CN105139284A (zh) * | 2015-08-25 | 2015-12-09 | 中国电力科学研究院 | 一种基于复杂网络理论的模块化储能系统可靠性评价方法 |
CN105528645A (zh) * | 2015-11-05 | 2016-04-27 | 国家电网公司 | 一种大电网脆弱性的预测方法 |
CN106951365A (zh) * | 2016-03-01 | 2017-07-14 | 北京航空航天大学 | 一种基于面向对象软件代码的软件复杂网络模型构建方法 |
CN105808435A (zh) * | 2016-03-08 | 2016-07-27 | 北京理工大学 | 一种基于复杂网络的软件缺陷评估模型的构建方法 |
CN106371422A (zh) * | 2016-08-31 | 2017-02-01 | 北京航空航天大学 | 一种预测关键基础设施故障传播的方法 |
CN106406870A (zh) * | 2016-09-06 | 2017-02-15 | 北京航空航天大学 | 一种基于软件复杂网络的四维软件演化度量分析方法 |
Non-Patent Citations (1)
Title |
---|
张端明,何敏华: "《21世纪物理学》", 30 June 2012, 湖北教育出版社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111240993A (zh) * | 2020-01-20 | 2020-06-05 | 北京航空航天大学 | 一种基于模块依赖图的软件缺陷预测方法 |
CN111240993B (zh) * | 2020-01-20 | 2021-05-14 | 北京航空航天大学 | 一种基于模块依赖图的软件缺陷预测方法 |
CN111782510A (zh) * | 2020-06-16 | 2020-10-16 | 大连理工大学 | 基于组件结构网络的软件可靠性评估方法 |
CN112231175A (zh) * | 2020-10-14 | 2021-01-15 | 北京航空航天大学 | 一种基于动态仿真的软件状态监控点选择方法及系统 |
CN112231175B (zh) * | 2020-10-14 | 2022-05-13 | 北京航空航天大学 | 一种基于动态仿真的软件状态监控点选择方法及系统 |
CN112765561A (zh) * | 2021-01-14 | 2021-05-07 | 中国石油大学(华东) | 一种面向供应链系统信任生态的宏观评估方法 |
CN113158372A (zh) * | 2021-04-20 | 2021-07-23 | 天津大学 | 一种面向自适应设计的工程机械产品质量改进方法 |
CN115408272A (zh) * | 2022-08-08 | 2022-11-29 | 南京航空航天大学 | 一种基于TOPSIS法的Java冗余代码评估方法 |
CN115408272B (zh) * | 2022-08-08 | 2024-02-06 | 南京航空航天大学 | 一种基于TOPSIS法的Java冗余代码评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108255733B (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108255733B (zh) | 一种基于复杂网络理论评估软件系统可靠性的方法 | |
Ali et al. | Generating test data from OCL constraints with search techniques | |
Song et al. | Hybrid optimization rainfall-runoff simulation based on Xinanjiang model and artificial neural network | |
CN106406870B (zh) | 一种基于软件复杂网络的四维软件演化度量分析方法 | |
CN102364490B (zh) | 基于层次分析模型的自动同调识别方法 | |
US8943450B1 (en) | Model based analog block coverage system | |
Subedha et al. | An efficient coverage driven functional verification system based on genetic algorithm | |
CN110110406B (zh) | 一种基于Excel计算平台实现LS-SVM模型的边坡稳定性预测方法 | |
CN103076556A (zh) | 航电组件功能维护测试点选取方法 | |
Wang et al. | Distributed particle filter based speaker tracking in distributed microphone networks under non-Gaussian noise environments | |
Zardi et al. | A multi-agent homophily-based approach for community detection in social networks | |
Takagi et al. | Proposal for a framework for optimizing artificial environments based on physiological feedback | |
Braun et al. | Comparison of Bayesian networks and data mining for coverage directed verification category simulation-based verification | |
CN110399656A (zh) | 基于模糊逻辑与神经网络的下装腰省参数设计方法 | |
Mokammel et al. | Impact analysis of graph-based requirements models using PageRank algorithm | |
D'Angelo et al. | Cubature scheme for spatio-temporal Poisson point processes estimation | |
Muzy et al. | Using activity metrics for DEVS simulation profiling | |
Kantipudi | Controllability and observability | |
Xia et al. | Synthesis and embedding of subnetworks for individual-based epidemic models | |
Huang et al. | Performance evaluation of complex real-time systems, a case study | |
Woźna-Szcześniak et al. | SAT-based bounded model checking for RTECTL and simply-timed systems | |
Cañizares et al. | Validating communication network configurations in cloud and HPC systems using Metamorphic Testing | |
Tremasova et al. | Distributed Information System Software Code Reliability Evaluation | |
Khanahmadliravi et al. | Estimating Quality of an Object Oriented Software System Using Graph Algorithm | |
Garg et al. | An estimation of software testability using fuzzy logic |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |