A hybrid approach for the trade off analysis of multi-QoS criteria in component based software systems

This thesis work aims at developing model based design of Component-Based software systems. In particular the focus is on the trade-off analysis of multiple Quality of Service (QoS) attributes. The main issue in the development of this kind of system is the capability to evaluate and achieve some quality requirements, such as performance, availability and cost. Recently many methods or tools have been proposed to evaluate different qualities. Although most of these methods usually address a single quality attribute (i.e., performance or availability), even if many of requirements are often conflicting, with the consequence that a good solution for a certain quality leads to an unacceptable result for others. For these multi-attribute problems there is usually no single global solution, but exists a set of solutions called Pareto-Optimal solutions or Pareto front. Each of these solutions ensures a good trade-off among the conflicting qualities; in fact moving from one Pareto solution to another there is a certain amount of sacrifice in one or more objective, in order to gain a certain amount on another one. In order to identify Pareto-optimal solutions inside the design space, this thesis work proposes a hybrid approach that combines the use of analytical optimization techniques with an evolutionary method. The approach starts from a system architecture description, taken as input, and derives very efficiently an approximated Pareto front through an analytical step. Then, found solutions are used as an initial population for the evolutionary algorithm. The effectiveness of the approach is demonstrated on two case studies.

In questo lavoro di tesi viene introdotto un approccio innovativo per l’analisi trade-off di attributi multipli inerenti alla Quality of Service(QoS) in sistemi software Component-Based. Questi sistemi consentono il rilascio di applicazioni ottenute tramite la combinazione di differenti componenti con determinate interfacce richieste e fornite. Il problema maggiore, nello sviluppo di tali sistemi, consiste nella possibilità di valutare e raggiungere determinati requisiti in termini di tempo di risposta, affidabilità e costo. Solitamente questi attributi vengono considerati singolarmente, nonostante siano in contrasto tra loro, e di conseguenza soluzioni ottime per certi attributi si rivelano inaccettabili per altri. In questi casi di ottimizzazione multi-obiettivo non esiste un ottimo globale, ma una serie di soluzioni chiamate Pareto-ottime. Queste soluzioni offrono un buon compromesso tra tutte le qualità in conflitto. Muovendosi tra le soluzioni della curva Pareto-ottimale si rinuncia in parte a una qualità per migliorarne un’altra. Esistono già ottimizzazioni multi-obiettivo basate su algoritmi genetici che considerano come input candidati generati casualmente. Nonostante tutto, queste tecniche convergono molto lentamente nella ricerca di soluzioni Pareto-ottime. Questo lavoro di tesi propone un approccio ibrido che, partendo dall’architettura di un sistema iniziale, genera in maniera molto efficiente una serie di candidati Pareto utilizzando un processo analitico. Le soluzioni identificate sono poi impiegate come popolazione iniziale per l’ottimizzazione basata sull’algoritmo genetico. La validità di questo metodo è dimostrata analizzando due esempi come casi di studio.