【技术实现步骤摘要】
本专利技术属于软件可靠性模型，具体涉及考虑多变点的扩展weibull分布引进故障的软件可靠性增长模型。
技术介绍
1、软件可靠性是衡量软件质量的重要指标，它描述了在预定的时间和条件下，软件不会导致系统失败的可能性。此外，软件的可靠性也是软件发布时间的重要指标，发布或更新速度太慢可能会导致用户流失，但发布不稳定的应用可能会导致更糟糕的结果。因此，研究软件可靠性建模方法，对于软件开发人员、公司和研究机构都十分重要。然而，移动环境与传统的pc(personal computer，个人计算机)和服务器环境有着不同的性质，一方面移动设备的性能受限于包括网络、触摸屏、电池等硬件，而另一方面移动设备的软件存在程序的特定功能、不同的操作条件和使用情况、兼容性不适配等现象。因此，在移动环境中，硬件的性能限制、操作配置文件的不确定性、配置的动态性以及执行条件的不断变化，导致智能手机故障时有较短的突发性。传统的软件可靠性评估模型往往无法满足移动环境的特殊需求，难以准确的评估和预测移动应用程序的可靠性。因此，需要寻找新的评估模型结合移动应用程序的潜在不确定性这一重要特点，以更准确地评估和预测移动软件的可靠性。此外，由于近年来隐私保护意识的兴起，收集公开可用的缺陷数据也变得越来越困难。这种变化需要研究者提出的模型同时满足可包含多种变量以及具广泛适用性这两种特性，这对研究者来说是一个十分有挑战性的问题。
技术实现思路
1、针对上述问题，本专利技术提供了考虑多变点的扩展weibull分布引进故障的软件可靠性增长
2、为了达到上述目的，本专利技术采用了下列技术方案：
3、步骤1：以扩展weibull函数为故障引进函数，推出新的nhpp模型的均值函数解析式；
4、进一步地，扩展weibull函数的概率密度函数表示为：
5、
6、其他情况为0；f(x；α,β,γ)是概率密度函数，x是随机变量，α>0是尺度参数，而β>0与λ>0为形状参数，当λ＝0时，该分布简化为具有尺度参数α和形状参数β的标准weibull分布；
7、nhpp模型的假设条件如下：
8、①软件失效和故障去除过程遵循非齐次泊松过程；
9、②系统的故障由系统中的剩余故障在一个随机时间引起；且在时间(t，t+δt)内检测的故障数与剩余故障数是成比例的；
10、③最初软件系统的故障是一个随机变量，且故障内容函数服从扩展weibull分布；
11、④每次检测到一个软件故障时故障会立即被去除，同时该过程可能引进新的故障；
12、假设③和假设④捕获了在软件调试过程中故障引进过程所表现出的变化，使用微分的nhpp软件可靠性模型的均值函数解析式m(t)如下：
13、
14、其中，m(t)表示均值函数，b(t)表示故障检测率函数，a(t)表示故障内容函数；
15、基于假设，故障内容函数表示为：
16、
17、其中，a1表示最初软件中存在的故障的数量，a2表示最终引进故障的总的数量；当t＝0，a(0)＝a1；当t→∞，a(∞)＝a1+a2；因此，从公式(12)能得出故障引进随测试时间发生变化的情况；
18、当时，把公式(3)带入公式(2)可得到微分方程的解为：
19、
20、公式(4)即为所提出的模型的表达式。
21、步骤2：根据移动环境特点，采用变动点方案来改善模型；
22、通过多断点的方式使模型适应测试环境复杂多变的情况，当bi≠1时，不同分段的故障检测率函数bi(t)(bi≠1)如公式(5)：
23、
24、根据不同的故障检测率函数得到不同变动点的均值函数mi(t)，如公式(6)：
25、
26、其中，c1为方程m1(t)满足m1(0)＝0的解，而c2为方程m2(t)满足m2(τ1)＝m1(τ1)的解，故ci无法像完美调试的可靠性增长方程一样写出通式，因此表1中仅给出mi(t)的表达式而非m(t)的通式。
27、对于变动点的确定，首先采用拉普拉斯趋势因子计算软件可靠性变化情况，其中正值表示软件可靠性在下降而负值则表示软件可靠性上升，通常认为该因子在+2以上或-2以下表示可靠性稳定下降或者稳定上升，而+2至-2之间则表示低可靠性下降和低可靠性增长之间振荡。因此在拉普拉斯趋势因子的拐点与拉普拉斯趋势因子穿过+2、-2的点均可能有变动点存在。
28、为了确定这些可能存在的变动点，选取了cusum作为辅助方法。该方法是将每个单位时间发生的故障与均值做差并计算累计量。通过该方法，可以找到单位时间内故障数量趋势改变的位置。结合上述采用拉普拉斯趋势因子分析得到的可能变动点从而确定最后的变动点。
29、与现有技术相比本专利技术具有以下优点：
30、①考虑故障引进的情况，是提出的模型性能优于完美调试模型性能重要原因之一；
31、②考虑故障引进多种变化的情况，是提出模型性能优于其他不完美调试模型性能的重要原因；
32、③考虑故障检测率多种变化的情况，是提出模型性能优于其他不完美调试模型性能的另一个重要原因；
33、④考虑了移动环境的特点提出了多变动点模型，是提出模型优于其他模型最重要的原因；
34、综上所述，提出的模型在模型假设中考虑故障引进的情况从而优于完美调试；而与其他不完美调试模型对比，本专利技术所提出的模型包含多种变化情况的故障引进率和故障检测率，能够适应更多软件测试和调试情况；最后，本专利技术提出的模型考虑到移动环境故障高爆发的特点建立补充模型，使得模型在移动环境下优于其他传统模型。
本文档来自技高网...【技术保护点】
1.考虑多变点的扩展Weibull分布引进故障的软件可靠性增长模型，其特征在于，包括以下步骤：
2.根据权利要求1所述的考虑多变点的扩展Weibull分布引进故障的软件可靠性增长模型，其特征在于，所述步骤1中扩展Weibull函数的概率密度函数表示为：
3.根据权利要求2所述的考虑多变点的扩展Weibull分布引进故障的软件可靠性增长模型，其特征在于，所述步骤2中根据移动环境特点，采用变动点方案来改善模型，具体步骤为：通过多断点的方式使模型适应测试环境复杂多变的情况，当bi≠1时，不同分段的故障检测率函数bi(t)(bi≠1)如公式(5)：
【技术特征摘要】
1.考虑多变点的扩展weibull分布引进故障的软件可靠性增长模型，其特征在于，包括以下步骤：
2.根据权利要求1所述的考虑多变点的扩展weibull分布引进故障的软件可靠性增长模型，其特征在于，所述步骤1中扩展weibull函数的概率密度函数表示为：
3.根据...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。