Методика выбора компонентов стека технологий цифровых платформ на основе нечеткой логики
Аннотация
Цифровые платформы с веб-интерфейсами становятся одним из распространенных видов информационных систем. Важной задачей дизайна и построения архитектуры программного обеспечения цифровой платформы является выбор используемых информационнотехнологических решений и компонентов (стека технологий). В работе предложена методика выбора стека технологий на основе использования нечеткой логики. Методика на основе формализованного описания критериев оценки компонентов в заданных условиях функционирования цифровой платформы предполагает введение системы нечеткого вывода с последующим экспериментальным оцениванием критериев и направленным поиском эффективного решения на основе роевого интеллекта. Приведен пример использования методики для федеральной цифровой платформы массовых психологических исследований.
Список литературы
1. Шабанов А. П. Инновационное управление цифровыми платформами в экономике знаний // Системы управления, связи и безопасности. 2018. № 3. С. 106-135.
2. Corbellini C. Mateos A. et al. Persisting big-data: The NoSQL landscape // Information Systems. 2017. V. 63. P. 1-23.
3. Семынин Д. Стек для Больших Данных // Открытые системы. СУБД. 2014. № 1. С. 42-43.
4. Brown E. Web development with node and express: leveraging the JavaScript stack. O'Reilly Media, 2019.
5. Лукинова О. В. Вопросы проектирования цифровых платформ в парадигме открытых систем // Управление развитием крупномасштабных систем (MLSD'2018). М.: ИПУ РАН, 2018. С. 304-306.
6. Комлева Н. В., Вилявин Д. А. Цифровая платформа для создания персонализированных адаптивных онлайн курсов // Открытое образование. 2020. № 24 (2). С. 65-72.
7. Beran P. P., Vinek E., Schikuta E. A cloud-based framework for QoS-aware service selection optimization // Proceedings of the 13 th International Conference on Information Integration and Web-based Applications and Services, 2011. P. 284-287.
8. Vescan A., Grosan C., Pop H. F. Evolutionary algorithms for the component selection problem // 2008 19th International Workshop on Database and Expert Systems Applications. IEEE. 2008. P.509-513.
9. Ramirez A., Parejo J. A., Romero J. R., Segura S., Ruiz-Cortes A. Evolutionary composition of QoS-aware web services: a many-objective perspective // Expert Systems with Applications. 2017. V. 72. P. 357-370.
10. Ramirez A., Romero, J. R., Ventura S. Interactive multi-objective evolutionary optimization of software architectures // Information Sciences. 2018. V. 463. P. 92-109.
11. Yang Y., Yang B., Wang S., Jin T., Li S. An enhanced multi-objective grey wolf optimizer for service composition in cloud manufacturing // Applied Soft Computing. 2020. V. 87.
12. Gholamshahi S., Hasheminejad S. M. H. Software component identification and selection: A research review // Software Practice and Experience. 2019. V. 49, № 1. P. 40-69.
13. Гусев А. А. Поиск эффективного набора взаимодействующих компонентов программных систем на основе роевого интеллекта // Cloud of Science. 2019. Т. 6, № 3. С. 475-487.
14. Ilin D., Gusev A., Nikulchev E. Software Design using Genetic Quality Components Search // International Journal of Advanced Computer Science and Applications. 2019. V. 10, № 12. P. 48-54.
15. Lun L., Chi X., Xu H. Coverage criteria for component path-oriented in software architecture // Engineering Letters. 2019. V. 27, № 1. P. 40-52.
16. Никульчев Е. В., Ильин Д. Ю. и др. Разработка открытой цифровой платформы масштабных психологических исследований // Вестник РФФИ. 2019. № 4. С. 105-119.
17. Fuzzy logic toolbox user’s guide. // Mathworks Inc., 2010
Рецензия
Для цитирования:
Ильин Д.Ю. Методика выбора компонентов стека технологий цифровых платформ на основе нечеткой логики. Вестник СибГУТИ. 2020;(3):38-46.
For citation:
Ilin D... Software component selection methodology based on fuzzy logic for digital platform design. The Herald of the Siberian State University of Telecommunications and Information Science. 2020;(3):38-46. (In Russ.)
Просмотров:
1492
Послать статью по эл. почте 