Buscar en Google Scholar
Registro completo de metadatos
Bencomo, Nelly
García Paucar, Luis Hernán
2023-08-07T22:06:52Z
2023-08-07T22:06:52Z
2019-12-20
https://renati.sunedu.gob.pe/handle/sunedu/3434523
Descargue el texto completo en el repositorio institucional de la Aston University: https://doi.org/10.48780/publications.aston.ac.uk.00041929 (es_PE)
Un sistema autoadaptativo (SAS) es aquel que puede adaptar su comportamiento en respuesta a las fluctuaciones ambientales en tiempo de ejecución y sus propios cambios. Por lo tanto, el proceso de toma de decisiones de un SAS se ve desafiado por la incertidumbre subyacente. En esta disertación, el autor se enfoca en el tipo de incertidumbre asociada con los niveles de satisfacción de los requisitos no funcionales (NFR) dado un conjunto de decisiones de diseño reflejadas en una configuración SAS. Específicamente, el enfoque de este trabajo está en la especificación y el manejo en tiempo de ejecución de la incertidumbre relacionada con los niveles de satisfacción de los NFR cuando se recopila nueva evidencia, y que puede crear la necesidad de adaptación basada en la reconfiguración del sistema. Esta disertación presenta dos enfoques. Primero, se presenta RE-STORM, un enfoque para apoyar la toma de decisiones bajo incertidumbre, que utiliza el nivel de satisfacción actual de los NFR en un SAS y las compensaciones requeridas, para así guiar su autoadaptación. Luego, se describe ARRoW, un enfoque para la reevaluación y actualización automática de las preferencias iniciales en un SAS en función de los niveles de satisfacción actuales de sus NFR. (es_PE)
A self-adaptive system (SAS) is a system that can adapt its behaviour in re- sponse to environmental fluctuations at runtime and its own changes. Therefore, the decision-making process of a SAS is challenged by the underlying uncertainty. In this dissertation, the author focuses on the kind of uncertainty associated with the satisficement levels of non-functional requirements (NFRs) given a set of design decisions reflected on a SAS configuration. Specifically, the focus of this work is on the specification and runtime handling of the uncertainty related to the levels of satisficement of the NFRs when new evidence is collected, and that may create the need of adaptation based on the reconfiguration of the system. Specifically, this dissertation presents two approaches that address decision-making in SASs in the face of uncertainty. First, we present RE-STORM, an approach to support decision- making under uncertainty, which uses the current satisficement level of the NFRs in a SAS and the required trade-offs, to therefore guide its self-adaptation. Second, we describe ARRoW, an approach for the automatic reassessment and update of initial preferences in a SAS based on the current satisficement levels of its NFRs. We eval- uate our proposals using a case study, a Remote Data Mirroring (RDM) network. Other cases have been used as well in different publications. The results show that under uncertain environments, which may have not been foreseen in advance, it is feasible that: (a) a SAS reassess the preferences assigned to certain configurations and, (b) reconfigure itself at runtime in response to adverse conditions, in order to keep satisficing its requirements. (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
eng (es_PE)
Aston University (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
Superintendencia Nacional de Educación Superior Universitaria - SUNEDU (es_PE)
Registro Nacional de Trabajos de Investigación - RENATI (es_PE)
Sistemas de soporte a la toma de decisiones (es_PE)
Sistemas autoadaptativos (es_PE)
Incertidumbre (es_PE)
Procesos de Markov (es_PE)
Requisitos no funcionales (es_PE)
Modelos de tiempo de ejecución (es_PE)
Requirements-aware Models to Support Better Informed Decision-making for Self-adaptation using Partially Observable Markov Decision Processes (es_PE)
Modelos inteligentes de requisitos de software para soportar una mejor toma de decisiones en sistemas autónomos utilizando procesos de decisión Markov parcialmente observables (es_PE)
info:eu-repo/semantics/doctoralThesis (es_PE)
Aston University. School of Engineering and Applied Science (es_PE)
Ingeniería y Ciencia Aplicada (es_PE)
Doctor en Filosofía (es_PE)
GB (es_PE)
https://purl.org/pe-repo/ocde/ford#1.02.02 (es_PE)
http://purl.org/pe-repo/renati/level#doctor (es_PE)
https://orcid.org/0000-0001-6895-1636 (es_PE)
09764925
http://purl.org/pe-repo/renati/type#tesis (es_PE)
https://doi.org/10.48780/publications.aston.ac.uk.00041929

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
GarciaPaucarLH.pdf
  Acceso restringido
Tesis (abierta en repositorio de origen)9.18 MBAdobe PDFVisualizar/Abrir  Solicita una copia
Autorizacion.pdf
  Acceso restringido
Autorización del registro345 kBAdobe PDFVisualizar/Abrir  Solicita una copia


IMPORTANTE
La información contenida en este registro es de entera responsabilidad de la universidad, institución o escuela de educación superior que administra el repositorio académico digital donde se encuentra el trabajo de investigación y/o proyecto, los cuales son conducentes a optar títulos profesionales y grados académicos. SUNEDU no se hace responsable por los contenidos accesibles a través del Registro Nacional de Trabajos de Investigación – RENATI.