• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

数据驱动的应用自适应技术综述

代浩, 金铭, 陈星, 李楠, 涂志莹, 王洋

代浩, 金铭, 陈星, 李楠, 涂志莹, 王洋. 数据驱动的应用自适应技术综述[J]. 计算机研究与发展, 2022, 59(11): 2549-2568. DOI: 10.7544/issn1000-1239.20210221
引用本文: 代浩, 金铭, 陈星, 李楠, 涂志莹, 王洋. 数据驱动的应用自适应技术综述[J]. 计算机研究与发展, 2022, 59(11): 2549-2568. DOI: 10.7544/issn1000-1239.20210221
shu
Dai Hao, Jin Ming, Chen Xing, Li Nan, Tu Zhiying, Wang Yang. Survey of Data-Driven Application Self-Adaptive Technology[J]. Journal of Computer Research and Development, 2022, 59(11): 2549-2568. DOI: 10.7544/issn1000-1239.20210221
Citation: Dai Hao, Jin Ming, Chen Xing, Li Nan, Tu Zhiying, Wang Yang. Survey of Data-Driven Application Self-Adaptive Technology[J]. Journal of Computer Research and Development, 2022, 59(11): 2549-2568. DOI: 10.7544/issn1000-1239.20210221
shu
代浩, 金铭, 陈星, 李楠, 涂志莹, 王洋. 数据驱动的应用自适应技术综述[J]. 计算机研究与发展, 2022, 59(11): 2549-2568. CSTR: 32373.14.issn1000-1239.20210221
引用本文: 代浩, 金铭, 陈星, 李楠, 涂志莹, 王洋. 数据驱动的应用自适应技术综述[J]. 计算机研究与发展, 2022, 59(11): 2549-2568. CSTR: 32373.14.issn1000-1239.20210221
shu
Dai Hao, Jin Ming, Chen Xing, Li Nan, Tu Zhiying, Wang Yang. Survey of Data-Driven Application Self-Adaptive Technology[J]. Journal of Computer Research and Development, 2022, 59(11): 2549-2568. CSTR: 32373.14.issn1000-1239.20210221
Citation: Dai Hao, Jin Ming, Chen Xing, Li Nan, Tu Zhiying, Wang Yang. Survey of Data-Driven Application Self-Adaptive Technology[J]. Journal of Computer Research and Development, 2022, 59(11): 2549-2568. CSTR: 32373.14.issn1000-1239.20210221
shu

数据驱动的应用自适应技术综述

  • 1(中国科学院深圳先进技术研究院 广东深圳 518055)

  • 2(福州大学计算机与大数据学院 福州 350108)

  • 3(哈尔滨工业大学计算机科学与技术学院 哈尔滨 150006) (hao.dai@siat.ac.cn)

基金项目: 国家重点研发计划项目(2018YFB1004800)
详细信息

  • 中图分类号: TP391

Survey of Data-Driven Application Self-Adaptive Technology

  • 1(Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, Guangdong 518055)

  • 2(College of Computer and Data Science, Fuzhou University, Fuzhou 350108)

  • 3(School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150006)

Funds: This work was supported by the National Key Research and Development Program of China(2018YFB1004800).

摘要

    摘要
  • 摘要: 应用自适应是软件工程和服务计算这一交叉领域的研究热点之一,应用通过感知自身和环境的变化,动态调整自己的行为与流程,以便在环境与需求发生非确定性变化的情况下继续高效地达成服务目标.近年来随着大数据和人工智能的发展,传统的基于软件模型控制的方法已经不再适用于当今动态和复杂的应用环境.相比而言,数据驱动的方法不依赖于数学模型和专家知识,而是以概率和数理统计为基础,通过应用服务运行的反馈数据，逐步学习和理解复杂多变的环境,继而学习出自适应系统的模型.因此，数据驱动的应用自适应具有感知性、适应性、自治性和协作性等特点,适用于流程复杂的应用服务场景,如物联网、智能交通、分布式计算等.从自适应框架出发,参考了认知计算的相关特点，总结出数据驱动的智能自适应框架，并分别综述了其中的表征学习、模式识别、决策规划和规则演化这4种技术在近几年数据驱动的自适应技术中的应用,重点探索了如机器学习、深度学习和强化学习等新技术在其中所起的作用,并总结和展望了自适应技术在服务计算领域的发展趋势.
    Abstract: Self-adaptation has always been a hot topic in the interdisciplinary field of software engineering and service computing. By perceiving the changes of themselves and the environment, applications dynamically adjust their behaviors and processes to continue achieving service goals efficiently under the circumstances of the non-deterministic changes of environment and requirements. With the recent development of big data and artificial intelligence(AI), traditional model-based control methods in software engineering are no longer suitable for dynamic and complex service computing environments nowadays. In contrast, the data-driven approach does not rely on mathematical models and expert knowledge but is based on probability and mathematical statistics. By applying the feedback data of service operation, the approach gradually learns and understands the complex and changeable environmental feedback, and then learns the model of the adaptive system. Therefore, the data-driven self-adaptive service computing has the characteristics of perceptibility, adaptability, autonomy and collaboration, etc. It is suitable for more complex application scenarios, such as the Internet of things, intelligent transportation and distributed computing. Based on the self-adaptive framework and the related characteristics of cognitive computing, a data-driven intelligent adaptive framework is proposed. And then, we have reviewed the application of representation learning, pattern recognition, decision planning and rule evolution in data-driven adaptive technology in recent years, respectively. It mainly explores the application of machine learning, deep learning and reinforcement learning in these technologies. And finally, it concludes the development of self-adaption and looks forward to the future trends.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(52)

  • 期刊类型引用(24)

    1. 许炜，李卓卓，方向阳. 多向度的数据分类分级：目标、逻辑与路径. 图书情报工作. 2025(01): 68-79 . 百度学术
    2. 刘怀骏，徐劲松. 基于区块链和代理重加密的快递出海数据共享方案. 物流科技. 2025(03): 82-86 . 百度学术
    3. 白久君，陈雪波，李大明，刘锐. 构建数字化未来：算网融合的战略应用与研究. 广播电视网络. 2025(02): 28-31 . 百度学术
    4. 任静，李筱永，梁恒瑜，赵依凡，吴佼玥. 脑科学视角下经颅磁刺激治疗精神障碍的法律问题及对策研究. 中国全科医学. 2024(08): 1015-1020 . 百度学术
    5. 薛俊伟，吴凯，周静. 耳机式物联网血氧监护系统的设计. 中国医学物理学杂志. 2024(01): 60-65 . 百度学术
    6. 杨斌，王正阳，程梓航，赵慧英，王鑫，管宇，程新洲. 基于扩散模型生成数据重构的客户流失预测. 计算机研究与发展. 2024(02): 324-337 . 本站查看
    7. 李敏，肖迪，陈律君. 兼顾通信效率与效用的自适应高斯差分隐私个性化联邦学习. 计算机学报. 2024(04): 924-946 . 百度学术
    8. 刘立. 大数据技术在中职计算机教学应用初探. 科技风. 2024(12): 64-66+167 . 百度学术
    9. 孔庆苹. 大数据环境下物联网设备数据隐私保护研究. 无线互联科技. 2024(07): 116-118 . 百度学术
    10. 徐帅. 数据隐私保护与法律责任：新形势下的挑战与应对. 法制博览. 2024(14): 95-97 . 百度学术
    11. 张海霞. 安全路由协议综合交互信任评价及性能分析. 山西电子技术. 2024(03): 69-70+90 . 百度学术
    12. 张世涛，祁舒慧. 社交媒体数据分析在市场审计中的运用. 赤峰学院学报(自然科学版). 2024(07): 30-32 . 百度学术
    13. 张国业，郎雅婧. 科技支撑区域工业治理能力提升路向选择及发展布局. 现代工业经济和信息化. 2024(10): 246-248 . 百度学术
    14. 李卓卓，刘子轶. 从分野到融合：多学科视角下的数据跨境研究综述. 情报杂志. 2024(12): 198-207 . 百度学术
    15. 蒋雷，朱婷婷，汤海林. 大数据背景下塑料加工行业的数据安全与隐私保护. 塑料助剂. 2024(06): 78-82 . 百度学术
    16. 苗权，张弛，房硕，刘季平. 我国数据跨境流动管理的创新实践和思考. 互联网天地. 2023(03): 49-52 . 百度学术
    17. 冯凡. 大数据分析技术下的隐私保护. 数字通信世界. 2023(03): 142-145 . 百度学术
    18. 赵静. 基于区块链技术及数据挖掘技术推进数字经济发展. 科技资讯. 2023(15): 36-39 . 百度学术
    19. 王鹏涛，徐润婕. AIGC介入知识生产下学术出版信任机制的重构研究. 图书情报知识. 2023(05): 87-96 . 百度学术
    20. 赵尔波，苏玉成，黄少远. 医院部署GCP远程监查的多级安全防护设计与实践. 中国卫生信息管理杂志. 2023(05): 709-714 . 百度学术
    21. 张铠，汪希，黄晋. 基于混沌技术的多域物联网敏感数据安全传输方法. 信息与电脑(理论版). 2023(16): 232-234 . 百度学术
    22. 王大阜，王静，石宇凯，邓志文，贾志勇. 基于深度迁移学习的图像隐私目标检测研究. 图学学报. 2023(06): 1112-1120 . 百度学术
    23. 郭赟赟，于浩. 突破语言障碍：ChatGPT在多语言教育中的作用与影响. 郑州师范教育. 2023(06): 48-53 . 百度学术
    24. 姚莉娟，廖冬琴. 基于隐私保护的高校大数据挖掘平台设计. 无线互联科技. 2023(23): 50-54 . 百度学术

    其他类型引用(28)

    • 资源附件(0)
计量
  • 文章访问数:  295
  • HTML全文浏览量:  11
  • PDF下载量:  113
  • 被引次数: 52
出版历程
  • 发布日期:  2022-10-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(52)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计