ارائه يك سيستم هوشمند در راستاي پيش‌بيني قابليت‌ اطمينان سيستم‌هاي نرم‌افزاري با استفاده از شبكه عصبي و الگوريتم ژنتيك

با پيشرفت و توسعه جامعه بشري، وابستگي بسياري به سيستم‌هاي سخت‌افزاري و نرم‌افزاري ايجاد مي‌شود. با افزايش تقاضا براي سيستم‌هاي كامپيوتري، امكان بحران و شكست نيز افزايش مي‌يابد. بنابراين، قابليت اطمينان سيستم‌هاي نرم‌افزاري به نگراني مهمي براي زندگي ما تبديل شده است. قابليت اطمينان نرم‌افزار، بيانگر كاركرد قابل قبول نرم‌افزار يا دستيابي به سطح رضايت بخشي از كاركرد آن است. يعني نرم‌افزار تا زمان لازم به گونه‌اي كه موردنظر بوده، در محيط معين، بصورتي موثر و كارا عمل مي‌كند. با شناسايي رفتار و روابط بين اجراي يك سيستم (مدلسازي سيستم) و استخراج روابط رياضي حاكم برسيستم، مي‌توان رفتار كل سيستم و قابليت اطمينان آنرا تعيين نمود. يكي از مباحثي كه در تحقيقات كنوني بسيار موردتوجه قرار گرفته است، استفاده از روشي در راستاي كاهش زمان محاسبه قابليت اطمينان است. در اين مقاله براي انجام اين مهم از شبكه عصبي استفاده شده است. در واقع شبكه‌هاي عصبي با آموزش ديدن توسط داده‌هاي از قبل آماده شده، يال‌هاي مياني را تشكيل داده و براي ركوردهاي جديد، قابليت اطمينان را تخمين مي‌زنند. از آنجايي كه دقت تخمين قابليت اطمينان توسط شبكه عصبي، توسط بهبود يال‌هاي مياني شبكه عصبي، افزايش مي‌يابد، مي‌توان با تركيب اين شبكه با الگوريتم‌هايي براي آموزش آن، به نتايج بهتر و مطلوبتري دست يابيم كه از جمله اين الگوريتم‌ها، مي‎توان به الگوريتمهاي تكاملي اشاره نمود. لذا در اين مقاله براي بهينه‌تركردن آموزش شبكه عصبي، از الگوريتم ژنتيك استفاده شده است. نتايج حاصل از انجام اين تحقيق، حاكي از افزايش دقت الگوريتم پيشنهادي جهت محاسبه قابليت اطمينان نسبت به ساير روش‌هاي قبلي دارد.